OpenAI's AI-agent kalibreert kwantumchip van MIT bijna zelfstandig

Onderzoekers van het Engineering Quantum Systems Group van het Massachusetts Institute of Technology (MIT) hebben een AI-agent losgelaten op een van hun eigen qubit-chips. Promovenda Beatriz Yankelevich liet het model GPT-5.6 Sol, aangestuurd via OpenAI's programmeertool Codex, een ongekalibreerde chip met zes supergeleidende qubits doorlichten. Volgens een blogpost van OpenAI voerde de AI zelfstandig metingen uit, koos het instellingen, bediende het laboratoriumapparatuur en besliste het op basis van de resultaten wat de volgende stap moest zijn.

Supergeleidende qubits zijn piepkleine elektrische circuits die tot vlak bij het absolute nulpunt worden afgekoeld. Voordat onderzoekers ermee kunnen rekenen, moet een chip eerst uitgebreid worden gekalibreerd: soms honderden tot duizenden metingen die stuk voor stuk van elkaar afhankelijk zijn. Voor een standaardchip van de MIT-groep kost dat een onderzoeker normaal gesproken al snel enkele dagen werk.

Van frequenties tot geheugentijd

De AI-agent moest eerst de exacte werkfrequenties van elke qubit vinden. Qubits gedragen zich als kunstmatige atomen die alleen specifieke energieniveaus kunnen aannemen; microgolfpulsen sturen ze tussen die niveaus. Vervolgens kalibreerde het systeem de signalen om de qubits aan te sturen en uit te lezen, en mat het hoelang elke qubit zijn kwantuminformatie kon vasthouden. Die laatste eigenschap is een directe graadmeter voor de kwaliteit van een chip, omdat qubits hun kwantumtoestand na verloop van tijd altijd verliezen door verstoringen uit hun omgeving.

Yankelevich gaf de agent van tevoren gedetailleerde instructies, door OpenAI 'skills' genoemd, die uitleggen hoe een meting moet worden uitgevoerd en beoordeeld. Met die instructies en de technische specificaties van de chip kon GPT-5.6 Sol zelf bepalen of een resultaat bruikbaar was of dat een meting herhaald moest worden.

Goed bij duidelijke signalen, minder bij ruis

Zolang de meetsignalen scherp en eenduidig waren, rondde de agent de standaardreeks metingen grotendeels zelfstandig af. Bij zwakke of ruizige signalen had het systeem meer tijd nodig en moest een ervaren onderzoeker soms bijspringen. Chips kunnen namelijk in de loop van de tijd verschuiven in hun eigenschappen, en defecten of storingen kunnen metingen vertekenen. Mensen herkennen zulke situaties vaak intuïtief; de AI-agent bleek daar nog minder goed in.

Volgens OpenAI is het doel niet dat de agent sneller kalibreert dan een ervaren onderzoeker, dat kan een mens nu vaak nog beter. De winst zit in het wegnemen van uren toezicht op routinewerk, zodat onderzoekers zich kunnen richten op het ontwerpen van nieuwe experimenten en het interpreteren van resultaten. Yankelevich laat inmiddels meerdere agents tegelijk aan verschillende taken werken, van metingen tot theorie en chipontwerp, terwijl zij zelf vooral plant, leest en schrijft.