GPT-5.6 Sol подключили к лаборатории для калибровки сверхпроводниковых qubits

AI-агент получил доступ к настоящему эксперименту

Исследователи MIT Engineering Quantum Systems Group подключили GPT-5.6 Sol через Codex к программному контуру лаборатории сверхпроводниковых qubits. Агент работал не с готовым набором ответов: он выбирал параметры измерения, управлял hardware через внутренний orchestration software, анализировал полученные данные и решал, уточнить измерение или сохранить результат для следующего этапа.

Экспериментальная установка делает такую работу возможной программно. После изготовления, упаковки и охлаждения chip до милликельвиновых температур внутри dilution refrigerator сигналы формируются комнатной электроникой и идут к квантовым circuits по кабелям. Возвратившийся отклик усиливается, оцифровывается и анализируется. Каждое измерение даёт параметры, от которых зависят последующие шаги: resonance frequencies, pulse amplitudes и decay times.

Skills описывали не только команды, но и физические ошибки

Агент запускался в Codex app и получал доступ к Jupyter через простой внутренний MCP MIT. Ему были доступны measurement parameters, программы, plots, raw data, logs, база измерений и исходный код orchestration software. Исследователи также подготовили measurement-specific skills: шаблоны запуска и анализа, prerequisites, советы по подбору параметров, признаки успешного и проваленного результата и типичные физические причины ошибок.

На подготовку подходящего контекста ушло несколько месяцев итераций. Это важная часть результата: general-purpose model не была просто подключена к прибору без ограничений и документации. Автономность возникла из комбинации модели, инструментального доступа, описания chip design, экспериментального контекста и узких процедурных skills. Лабораторные notes агент сохранял в Markdown, а работу проводил через существующий software layer, не обходя его прямыми командами к оборудованию.

Шесть resonators и сорок целевых измерений

Проверка проходила на ранее не измерявшемся chip с шестью несвязанными qubits: четырьмя fixed-frequency и двумя tunable. Получив только проектные ориентиры, агент обнаружил все шесть readout resonators и подобрал исходные мощности импульсов. Затем он провёл стандартную последовательность для fixed-frequency qubits: нашёл переходные частоты, откалибровал управляющие и readout pulses и измерил время сохранения квантового состояния.

В техническом case study указано, что для четырёх fixed-frequency qubits было намечено 40 измерений; исследователям пришлось вмешаться и улучшить только четыре. Для первого qubit агент полностью автономно получил набор calibration results, включая spectroscopy, Power Rabi, оптимизацию readout, T1, T2, echo, resonator chi shift и оценку effective qubit temperature. Это демонстрация на стандартном calibration workflow, а не на произвольном новом физическом эксперименте.

Слабый сигнал показал границу автономности

С tunable qubit результат оказался сложнее. Вдали от максимальной частоты signal-to-noise ratio ухудшался из-за особенностей chip. Агент сначала нашёл спектр, но не смог без существенных подсказок сойтись к удовлетворительному результату. В одной из итераций он ошибочно признал измерение приемлемым; исследователь указал на вероятный выход спектра за границу диапазона и предложил параметры для более чистого scan.

Финальное измерение содержало физически неоднозначные особенности: неизвестный mode crossing около 4,8 GHz, появление второго перехода и необъяснённую асимметрию. Здесь недостаточно проверить fit формальным правилом. Нужно решить, влияет ли эффект на цель эксперимента и можно ли вообще установить его причину. Авторы прямо связывают этот эпизод с ограничением текущих agents: на ясных данных они следуют workflow уверенно, но неоднозначные физические результаты всё ещё требуют опыта человека.

Ночная работа экономит внимание, но не время прибора

После ручной помощи с tunable qubit агент успешно завершил остальные calibration measurements в zero-flux point, а затем наблюдал автоматизированный цикл. Он шёл 12 часов ночью, выполнил 200 измерений и программно пропускал неудачные точки; после завершения агент отдельно исследовал несколько сбоев. Такой режим освобождает исследователя от постоянного наблюдения и позволяет использовать лабораторию вне рабочего времени.

Однако authors не утверждают, что agent всегда быстрее специалиста. По их наблюдениям, даже успешный AI нередко дольше опытного исследователя ищет правильные параметры, а сами последовательные измерения по несколько минут остаются bottleneck — swarm нельзя просто распараллелить на одном hardware. Практический выигрыш состоит в экономии человеческого внимания, параллельном написании и проверке control code и увеличении throughput при одновременном измерении нескольких chips, а не в отмене физической длительности эксперимента.