GPT-5.6 Sol kvantumszámítási méréseket futtatott egy MIT-laborban

AI-ügynök a kvbitlaborban

A kvantumszámítás a kvantummechanika sajátos tulajdonságaira épít, és az OpenAI leírása szerint egy napon összetett anyagok és molekulák jobb szimulációját teheti lehetővé. A hagyományos processzoroktól eltérően a kvantumprocesszorok kvantumbitekből, azaz kvbitekől épülnek fel. Egy kvbitkísérlet előkészítése és futtatása hónapokig tarthat, és több száz vagy több ezer előzetes mérést igényelhet.

Yankelevich az MIT Engineering Quantum Systems Group, röviden EQuS szupravezető kvbitekkel foglalkozó laborjában tesztelte a GPT-5.6 Solt. Ezeket a kvbiteket közel abszolút nulla hőmérsékletre hűtik speciális berendezésekben, úgynevezett hígításos hűtőkben. A forrás szerint a szupravezető kvbitek gyors műveletekre képesek, mikrohullámú jelekkel pontosan vezérelhetők, ismert gyártási technikákkal készíthetők, és chipen rendezhetők el.

Miután egy szupravezető kvbitchipet legyártanak, becsomagolnak és lehűtenek, a kutatók szoftveren keresztül dolgoznak vele. Ez tette Yankelevich kísérleteit alkalmas tereppé AI-ügynökök kipróbálására. A Codexet összekapcsolták a labor kísérleteket koordináló szoftverével, így az méréseket tudott futtatni, elemezte az eredményeket, majd eldöntötte, mi legyen a következő lépés.

Mit végzett el a GPT-5.6 Sol a hatkvbites chipen

A szupravezető kvbiteket gyakran mesterséges atomoknak nevezik, mert az atomokhoz hasonlóan csak meghatározott energiaszinteket vehetnek fel. Mikrohullámú impulzusok mozgatják őket ezek között a szintek között, és ezekkel vizsgálják a kvantumállapotukat is. A kutatók impulzussorozatokat terveznek és kalibrálnak, majd digitalizálják és elemzik a visszatérő jeleket.

Ezek a mérések többek között megmutatják a kvbitek rezonanciafrekvenciáit, azt, hogy mennyi ideig őrzik meg a kvantuminformációt, valamint a számításokhoz szükséges beállításokat. A kalibráció egymásra épülő mérésekből áll: minden eredmény befolyásolja a következő lépést. A kvbitek tulajdonságai időnként eltolódhatnak, a váratlan fizikai viselkedés pedig ellentmondásos eredményeket okozhat.

Yankelevich egy kalibrálatlan, hatkvbites chipen próbálta ki a GPT-5.6 Sol képességeit. A forrás szerint ez olyan standard típusú chip volt, amelyet az EQuS rendszeresen használ a gyártási folyamat összehasonlító mérésére. A kutató mérésenkénti készségeket adott a Codexnek, ezek írták le, hogyan kell lefuttatni és értékelni az egyes kísérleteket.

A GPT-5.6 Sol ezekre a készségekre és a chip tervezési célértékeire támaszkodva mérési paramétereket választott, működtette a hardvert, elemezte az adatokat, majd finomította a mérést, vagy eltárolta az eredményt a következő méréshez. Amikor a jelek egyértelműek voltak, a Codex kevés kutatói beavatkozással végigvitt egy standard mérési sorozatot. Azonosította a kvbit átmeneti frekvenciáit, kalibrálta a vezérléshez és kiolvasáshoz használt impulzusokat, és meghatározta, mennyi ideig őrizte meg a kvbit a kvantuminformációt.

A zajos adatok még nehézséget okoztak

Az OpenAI beszámolója szerint a GPT-5.6 Sol gyakran önállóan végig tudta vinni a rutinszerű mérési munkafolyamatokat. Ez jelentős időt takarított meg Yankelevichnek, és lehetővé tette, hogy a kísérletek folyamatos felügyelet nélkül fussanak. Így több idő maradt az eredmények elemzésére, a kísérletek megtervezésére és a kutatás következő lépéseinek kidolgozására.

A rendszer ugyanakkor nem minden helyzetben teljesített egyformán. Gyenge vagy zajos kísérleti jeleknél a GPT-5.6 Sol nehezebben boldogult: hosszabb idő alatt talált megfelelő mérési paramétereket, és időnként tapasztalt kutató útmutatására volt szüksége. A beszámoló alapján a jelenlegi ügynökök jól meghatározott kísérleti munkafolyamatokat már képesek kezelni, de a kétértelmű fizikai eredmények értelmezése továbbra is kihívás.

Az EQuS sok ilyen standard chipet gyárt, és egy-egy chip jellemzése több napot vehet igénybe egy kutatótól. A csoport a forrás szerint ma már rendszeresen használ ügynököket rutinszerű mérésekre. Yankelevich az OpenAI közlése szerint így fogalmazott: „Ügynökökkel sok órán át futtathatok méréseket éjszaka vagy miközben a tisztatérben dolgozom. Ránézhetek a telefonomról, láthatom, mit csináltak, és irányíthatom őket, ha valamit javítani kell, vagy ha más irányt szeretnék kipróbálni.”

Mit jelent ez a kutatóknak

A közvetlen előny az OpenAI szerint az, hogy a Codex-ügynökök folyamatos felügyelet nélkül is segíthetnek előrehaladni a kísérleti elemzésben és a mérésekben. A tapasztalt kutatók a forrás alapján továbbra is gyorsabban felismerhetik a legjobb kalibrációs beállításokat, mint a jelenlegi AI-modellek. A megtakarított felügyeleti idő viszont más kutatási feladatokra fordítható.

A rutinszerű chipjellemzés viszonylag jól meghatározott munkafolyamatot követ. Újszerű kísérleteknél Yankelevich szűkebb kísérleti célokat ad a Codex-ügynököknek, és jobban támaszkodik arra, hogy azok vezérlő, elemző és szimulációs kódot írjanak, módosítsanak és teszteljenek. A laborhoz közvetlenül kapcsolt ügynökök így kódot javíthatnak, valós méréseken próbálhatják ki, és hosszabb munkaszakaszokat végezhetnek önállóan.

Yankelevich az OpenAI közlése szerint azt mondta: „Infrastruktúrát építettem, hogy ügynököket vezessek a munkám több részén keresztül, a mérésen, az elméleten és a chiptervezésen, és ez most igazán kezd megtérülni. Több ügynök dolgozhat egyszerre különböző problémákon, én pedig az időm nagy részét magasabb szintű munkával töltöm: eredmények értelmezésével, kísérletek kitalálásával, az ügynökök következő lépéseinek megtervezésével, olvasással és írással.”