天津
编辑丨%
量子计算作为一项新兴技术，利用量子力学的独特特性来处理信息。它未来可能会更好地模拟复杂的材料和分子。但对于真正做实验的研究人员来说，其中有相当一部分工作其实非常重复——一次又一次地调整参数、运行测量、分析信号，再根据结果决定下一次该怎么测。
直到这部分工作被交给 AI。
OpenAI 最近介绍了一项实验案例：MIT 工程量子系统研究组（EQuS）的研究生 Beatriz Yankelevich 将 GPT-5.6 Sol 通过 Codex 接入实验室软件，让 AI 直接到参与量子芯片的测量、参数调整和下一步实验决策当中。结果显示，在流程明确、信号清晰的常规实验中，AI 已经能够自主完成相当一部分工作。
图示：一个封装的量子芯片与一个开放式稀释冰箱。图源：EQuS 集团
协调测量
Yankelevich 所在的团队主要研究超导量子比特。这些量子比特被放置在稀释制冷机中，冷却到接近绝对零度，再通过微波信号对其进行控制。这些微波信号将量子比特在特定能级之间移动，并探测其量子态。
这些发射到芯片上的脉冲序列需要研究人员的校准，而校准又需要一系列相互依赖的测量，每个结果都会影响后续的处理。有经验的研究人员能够辨别发生漂移的量子比特的状态，或者异常实验信号，这种软控与重复测量决策的场景尤其适合 AI 介入。
为了测试 GPT-5.6 的测量能力，Yankelevich 通过 Codex 为实验提供了相应的测量专项技能，告诉系统不同实验应该如何运行、怎样判断结果，并提供芯片的设计目标。之后，GPT-5.6 Sol 可以根据实验目标选择测量参数，控制实验硬件，分析返回的数据，然后决定下一步应该怎么做。
在未校准的六量子比特芯片上，Codex 在几乎没有研究人员干预的情况下完成了标准测量序列。它识别了量子比特的跃迁频率，校准用于控制和读取的脉冲，并确定量子比特保持量子信息的时间。
图示：一组由 GPT-5.6 Sol 自主完成的单个量子比特校准测量。图源：EQuS 集团
实验中，信号强度与噪声大小会对 GPT-5.6 Sol 的处理产生较大影响。在低信号强度或是大噪声的环境下，找到合适的测量参数需要更久，有时还需要研究人员指导。
图示：摘录自校准运行中的 GPT-5.6 Sol 思维链。图源：EQuS 集团
与研究者共事
Codex 的直接优势在于无需持续监督的情况下，其稳步推进实验分析和测量。有经验的研究人员仍可能比现有 AI 模型更快地识别最佳校准设置。但通过节省之前监控校准过程每一步的时间，研究人员可以专注于其他工作。
对于新颖实验，Yankelevich 赋予 Codex 智能体更狭窄的实验目标，同时更充分地利用它们编写、修改和测试新代码的能力，以实现控制、分析和仿真。通过直接将智能体连接到实验室，团队可以自主修改代码、将其与真实测量进行测试，并完成周期更长的工作。
https://openai.com/index/codex-quantum-computing-experiments/
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
