GPT‑5.6 Sol 如何帮助运行量子计算实验
将 GPT‑5.6 Sol 连接到实验室软件，以运行并优化量子芯片上的常规测量，这让 Beatriz Yankelevich 得以专注于实验设计和数据分析。
量子计算是一项新兴技术，利用量子力学的独特性质来处理信息。有朝一日，它或许能更好地模拟复杂材料和分子。与传统处理器不同，量子处理器由量子比特（qubit）构建而成。准备和运行量子比特实验可能需要数月时间，并需要数百到数千次初步测量——而 AI 正有望在这方面提供帮助。
Beatriz Yankelevich 是麻省理工学院工程量子系统组（EQuS）的研究生，她将 GPT‑5.6 Sol 接入 Codex，以探索 AI 能否简化她的实验工作流程。该麻省理工学院团队研究超导量子比特，这些量子比特在被称为稀释制冷机的专用设备内被冷却至接近绝对零度。这些量子比特能快速执行操作，通过微波信号被精确控制，并且可以使用熟悉的制造技术制造，还能排列在芯片上。
一旦超导量子比特芯片被制造、封装并冷却，研究人员便完全通过软件与其交互，这使得 Yankelevich 的实验成为 AI 智能体的天然试验场。将 Codex 连接到协调实验的实验室软件后，它便能运行测量、分析结果，并决定下一步尝试什么。Yankelevich 发现，GPT‑5.6 Sol 常常能够自主完成常规测量工作流程，为她节省了大量时间，并使实验无需持续监督即可运行。这让她得以腾出更多时间来分析结果、设计实验，并规划研究的后续步骤。
一块已封装的量子比特芯片（左）位于一台打开的稀释制冷机（右）内。图片来源：EQuS 团队
协调相互依赖的测量
超导量子比特常被称为人造原子，因为与原子一样，它们只能占据特定的能级。微波脉冲使量子比特在这些能级之间移动，并探测其量子态。研究人员设计并校准发送到芯片的脉冲序列，然后对返回的信号进行数字化和分析。这些测量揭示了每个量子比特的共振频率，从而使研究人员能够精确控制量子比特；还揭示了量子比特能保持量子信息多长时间；以及执行计算所需的设置。
校准量子比特需要一系列相互依赖的测量，每个结果都会影响接下来发生的事。量子比特的特性有时会发生漂移，而意外的物理行为可能导致结果不一致。经验丰富的研究人员能够识别这些变化，并在其发生时做出调整。这种软件控制、重复测量和自适应决策的结合，也使量子比特校准成为 AI 智能体极具吸引力的用例。
Yankelevich 测试了 GPT‑5.6 Sol 在一枚未校准的六量子比特芯片上运行测量的能力，这种芯片是 EQuS 常用于基准测试其制造工艺的标准类型之一。她为 Codex 提供了针对具体测量的技能，说明如何运行和评估每项实验。利用这些技能和芯片的设计目标，GPT‑5.6 Sol 选择了测量参数、操作硬件、分析所得数据，然后要么改进测量，要么保存结果以供下一次测量使用。
当信号清晰时，Codex 在研究人员极少干预的情况下完成了一套标准测量序列。它识别了量子比特的跃迁频率，校准了用于控制和读取它的脉冲，并确定了量子比特保持量子信息的时间。
GPT‑5.6 Sol 自主完成的一个量子比特的一组校准测量。图片来源：EQuS 团队
GPT‑5.6 Sol 自主完成的一个量子比特的一组校准测量。图片来源：EQuS 团队
GPT‑5.6 Sol 自主完成的一个量子比特的一组校准测量。图片来源：EQuS 团队
当实验信号微弱或噪声较大时，GPT‑5.6 Sol 遇到了更多困难。在这些情况下，它需要更长时间才能找到合适的测量参数，有时还需要经验丰富的研究人员提供指导。结果表明，当前的智能体可以处理定义明确的实验工作流程，但解读模糊的物理结果仍然是一项挑战。
EQuS 制造许多这类标准芯片，每枚芯片可能需要研究人员花费数天来表征。该团队现在定期使用智能体处理常规测量，让研究人员能够专注于其他工作。
“我可以让智能体在夜间或我在洁净室工作时连续运行测量数小时，”Yankelevich 说。“我可以用手机查看，看看它们做了什么，如果有需要修复的地方，或者我想探索不同的方向，就可以引导它们。”
GPT‑5.6 Sol 在一次校准运行中的思维链摘录。图片来源：EQuS 团队
与研究人员并肩工作
直接优势在于，Codex 智能体可以帮助研究人员在实验分析和测量方面稳步推进，而无需持续监督。经验丰富的研究人员可能仍然能够比当前 AI 模型更快地确定最佳校准设置。但是，通过节省以前用于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。
常规芯片表征遵循一套相对明确的工作流程。对于新颖的实验，Yankelevich 会给 Codex 智能体分配更窄的实验目标，同时更多地依赖它们编写、修改和测试用于控制、分析与仿真的新代码的能力。将智能体直接连接到实验室，使团队能够修改代码、用真实测量数据对其进行测试，并自主完成更长时间段的工作。
“我已经构建了基础设施，引导智能体参与我工作的多个环节——测量、理论和芯片设计——现在它真的开始见效了，”Yankelevich 说。“我可以让多个智能体同时处理不同的问题，而我把大部分时间花在更高层次的工作上——解读结果、设计实验、为智能体规划下一步、阅读和写作。”
- 2026
- Codex