GPT-5.6 Sol 如何辅助量子计算实验

GPT-5.6 Sol 如何助力运行量子计算实验

把 GPT‑5.6 Sol 接入实验室软件，让它运行并优化量子芯片上的常规测量。Beatriz Yankelevich 就能专心做实验设计和数据分析了。

量子计算是一项新兴技术，靠量子力学的独特性质来处理信息。它将来或许能更好地模拟复杂的材料和分子。跟传统处理器不一样，量子处理器的基本单元是量子比特（qubit）。准备和运行一次量子比特实验，往往要花上几个月，还得先做几百到上千次前置测量。这部分工作，正好是 AI 大有可为的地方。

Beatriz Yankelevich 是 MIT 工程量子系统组（Engineering Quantum Systems Group，EQuS）的研究生。她用上 GPT‑5.6 Sol，再把它接到 Codex 上，想看看 AI 能不能把实验流程理顺。EQuS 主要研究超导量子比特（superconducting qubit）。这种比特被冷却到接近绝对零度，放进一种叫稀释制冷机（dilution refrigerator）的专用设备里。它们运算速度很快，能用微波信号精确控制，还能用成熟的工艺造出来，集成在芯片上。

超导量子比特芯片一旦做好、封装好、冷却好，研究人员跟它打交道的唯一方式就是软件。这让 Yankelevich 的实验成了 AI 智能体（agent）的天然试验田。把 Codex 接到协调实验的实验室软件上，它就能运行测量、分析结果，再决定下一步该做什么。Yankelevich 发现，GPT‑5.6 Sol 大多时候能自己跑完整套常规测量流程，给她省下不少时间，实验也不用一直有人盯着。这样一来，她就能腾出手来，花更多时间分析结果、设计实验、规划下一步的研究。

一颗封装好的量子比特芯片（左），放在打开的稀释制冷机（右）里。图片来源：EQuS 组

协调相互依赖的测量任务

超导量子比特常被叫做「人造原子」（artificial atom）。原因很简单，跟真正的原子一样，它们只能待在特定的能级上。微波脉冲能让量子比特在能级之间跳转，也能用来探测量子态。研究人员先设计并校准好发给芯片的脉冲序列，再把返回的信号数字化、做分析。这些测量能告诉我们每个量子比特的共振频率。有了这些频率，就能精确地控制量子比特。还能知道量子比特能把量子信息保留多久，以及执行计算时需要哪些设置。

校准量子比特要做一连串相互依赖的测量，每跑一步，结果都会决定下一步怎么走。量子比特的特性偶尔会漂移，一些意料之外的物理现象也可能让结果前后对不上。有经验的研究人员能看出这些变化，随时调整。软件控制、反复测量、自适应决策，这三样凑在一起，让量子比特校准成了 AI 智能体非常对口的用武之地。

Yankelevich 找了一块没校准过的六量子比特芯片来测 GPT‑5.6 Sol。这种芯片是 EQuS 的标配之一，专门用来评估其制备工艺。她给 Codex 配了一组专门针对测量的技能（skill），告诉它每种实验怎么跑、怎么评估。拿到这些技能和芯片的设计目标之后，GPT‑5.6 Sol 会自己挑选测量参数、操作硬件、分析数据，然后决定是把这次测量再调细一点，还是把结果存下来给下一步用。

信号清晰的时候，Codex 基本不用人插手就能跑完一整套标准测量。它会识别出量子比特的跃迁频率，校准用来控制和读取的脉冲，再测出量子比特保留量子信息的时长。

GPT‑5.6 Sol 自主完成的一套单量子比特校准测量。图片来源：EQuS 组

GPT‑5.6 Sol 自主完成的一套单量子比特校准测量。图片来源：EQuS 组

GPT‑5.6 Sol 自主完成的一套单量子比特校准测量。图片来源：EQuS 组信号弱或者噪声大的时候，GPT‑5.6 Sol 就要吃力些。找合适的测量参数会花更长时间，有时还得请有经验的科研人员来把把关。这说明，现阶段的智能体对付流程清晰的实验已经够用，但碰到模棱两可的物理结果，还是会卡壳。

EQuS 平时要造不少这种标准芯片，每一块拿出来表征都得花上研究人员好几天。现在他们已经常态化地用上智能体来处理常规测量了，让大家腾出手来做别的事。

「我可以让智能体在夜里，或者当我在超净间（cleanroom）忙的时候，连续跑好几个小时的测量，」Yankelevich 说，「我用手机就能查看进展，看看它们做了什么。要是有需要修复的地方，或者想换个方向探索，我就能引导它们。」

摘自一次校准运行的 GPT‑5.6 Sol 思维链（chain-of-thought）。图片来源：EQuS 组

跟研究人员并肩干活

眼下最直接的好处是，Codex 智能体能帮研究人员在没人盯着的情况下，把实验分析和测量一步步往前推。有经验的研究人员挑出最佳校准设置可能还是比当前的 AI 模型更快。但光是省掉逐环节盯着校准的时间，研究人员就能去做别的事了。

常规的芯片表征流程已经比较成熟。至于更新颖的实验，Yankelevich 会给 Codex 智能体更聚焦的小目标，同时更看重它们写、改、测试新代码的能力，不管是用来控制、分析还是仿真。智能体直接接入实验室之后，整个组就能改代码、拿真实测量来验证，然后一气呵成地推进更长的任务。

「我已经搭好了一套基础设施，让智能体把我工作里的好几个环节都串起来，测量、理论、芯片设计全都包进去。现在这套东西开始真正见效了，」Yankelevich 说，「我可以同时让好几个智能体处理不同的问题，自己则把大部分时间花在更高层的工作上，比如解读结果、设计实验、给智能体规划下一步，还有读论文和写作。」