GPT‑5.6 Sol 如何協助進行量子運算實驗

量子運算是一項新興技術，利用量子力學的獨特性質處理資訊。這項技術有望在未來更有效地模擬複雜材料和分子。量子處理器與傳統處理器不同，由量子位元（qubit）構成。籌備和進行量子位元實驗可能需時數月，並要進行數百至數千次前期測量，而 AI 正可望協助處理這些工作。

麻省理工學院工程量子系統團隊（EQuS）的研究生 Beatriz Yankelevich 將 GPT‑5.6 Sol 接入 Codex，探索 AI 能否簡化她的實驗工作流程。這個麻省理工學院團隊研究超導量子位元；這些量子位元會在稱為稀釋製冷機的專門設備內，冷卻至接近絕對零度。這些量子位元運算迅速，可透過微波訊號精確控制，也可採用成熟的製造技術製作並排列在晶片上。

超導量子位元晶片完成製造、封裝和冷卻後，研究人員便完全透過軟件與之互動，因此 Yankelevich 的實驗自然成為測試 AI 智能體的理想平台。Codex 連接至統籌實驗的實驗室軟件後，便可進行測量、分析結果，並決定下一步嘗試。Yankelevich 發現，GPT‑5.6 Sol 往往能自主完成常規測量工作流程，為她大幅節省時間，也讓實驗無須持續監督便可進行。她因而可投放更多時間分析結果、設計實驗，以及規劃研究的下一步。

超導量子位元常被稱為人造原子，因為它們像原子一樣，只能處於特定能級。微波脈衝可使量子位元在這些能級之間轉移，並探測其量子狀態。研究人員會設計和校準傳送至晶片的脈衝序列，再把返回的訊號數碼化並加以分析。這些測量可揭示每個量子位元的共振頻率，讓研究人員準確控制量子位元；亦可顯示量子位元保留量子資訊的時間，以及進行運算所需的設定。

校準量子位元需要進行一系列互相依存的測量，而每項結果都會影響下一步。量子位元的特性偶爾會漂移，而意料之外的物理行為亦可能導致結果不一致。資深研究人員能識別這些變化，並在變化出現時作出調整。軟件控制、重複測量和適應性決策三者的結合，也令量子位元校準成為 AI 智能體極具吸引力的應用場景。

Yankelevich 測試了 GPT‑5.6 Sol 在一枚未經校準的六量子位元晶片上進行測量的能力。這是 EQuS 慣常用於評估製造流程的其中一款標準晶片。她向 Codex 提供針對各項測量的技能，說明如何進行和評估每項實驗。GPT‑5.6 Sol 運用這些技能和晶片的設計目標來選擇測量參數、操作硬件及分析所得數據，然後改善測量，或儲存結果供下一項測量使用。

訊號清晰時，Codex 只需研究人員稍加介入，便可完成標準測量序列。它找出量子位元的躍遷頻率，校準用於控制和讀取量子位元的脈衝，並確定量子位元能保留量子資訊多久。

實驗訊號微弱或雜訊較多時，GPT‑5.6 Sol 遇到的困難較大。在這些情況下，它要花更長時間才能找出合適的測量參數，有時亦需要資深研究人員指導。結果顯示，現有智能體能處理定義清晰的實驗工作流程，但解讀含義不明確的物理結果仍是一項挑戰。

EQuS 會製造大量這類標準晶片，而研究人員可能要花數天分析每枚晶片的特性。團隊現已定期使用智能體處理常規測量，讓研究人員可專注於其他工作。

Yankelevich 表示：「我可以讓智能體在夜間連續數小時進行測量，或在我於無塵室工作期間繼續測量。」「我可以用手機查看進度，了解它們完成了甚麼；如果有問題需要修正，或我想探索另一方向，也可從旁引導。」

眼前的優勢在於，Codex 智能體無須持續監督，也能協助研究人員穩步推進實驗分析和測量。資深研究人員找出最佳校準設定的速度，或許仍比現有 AI 模型快。不過，研究人員無須再花時間監察校準流程的每個步驟，因而可專注於其他工作。

常規晶片特性分析遵循一套相對明確的工作流程。對於新穎的實驗，Yankelevich 會為 Codex 智能體設定較聚焦的實驗目標，同時更充分運用它們編寫、修改和測試新程式碼的能力，以進行控制、分析和模擬。智能體直接連接實驗室後，團隊便可修改程式碼、以實際測量測試程式碼，並自主完成較長階段的工作。

Yankelevich 表示：「我建立了基礎設施，引導智能體完成我工作中的多個部分，包括測量、理論和晶片設計，而現在這些投入已真正開始帶來回報。」「我可以讓多個智能體同時處理不同問題，自己則把大部分時間投放在更高層次的工作上，包括解讀結果、構思實驗、規劃智能體的下一步，以及閱讀和寫作。」