AI热榜 量子计算是一种新兴技术，利用量子力学的独特性质来处理信息。
有一天它可以更好地模拟复杂的材料和分子。
与传统处理器不同，量子处理器是用量子位构建的。
准备和运行量子比特实验可能需要几个月的时间，并且需要数百到数千次初步测量，而人工智能可以帮助完成这项工作。
麻省理工学院工程量子系统组 (EQuS) 的研究生 Beatriz Yankelevich 使用 Codex 中的 GPT-5.6 Sol 来探索 AI 是否可以简化她的实验工作流程。
麻省理工学院的研究小组研究超导量子位，这些量子位在称为稀释冰箱的专用设备中冷却到接近绝对零。
这些量子位可以快速执行操作，使用微波信号进行精确控制，并且可以使用熟悉的制造技术来制造并排列在芯片上。
一旦超导量子位芯片被制造、封装和冷却，研究人员就完全通过软件与其交互，这使得扬克列维奇的实验成为人工智能代理的天然测试平台。
将 Codex 连接到协调实验的实验室软件，使其能够运行测量、分析结果并决定下一步要尝试什么。
Yankelevich 发现 GPT‑5.6 Sol 通常可以自主完成常规测量工作流程，从而节省大量时间，并允许实验在没有持续监督的情况下运行。
这让她可以腾出更多时间来分析结果、设计实验和规划研究的后续步骤。
封装好的量子位芯片（左）位于开放式稀释冰箱（右）内。
图片来源：EQuS 集团 协调相互依赖的测量 超导量子位通常被称为人造原子，因为像原子一样，它们只能占据特定的能级。
微波脉冲在这些能级之间移动量子位并探测它们的量子态。
研究人员设计并校准发送到芯片的脉冲序列，然后对返回信号进行数字化和分析。
这些测量揭示了每个量子位的共振频率，使研究人员能够准确地控制量子位；量子位保留量子信息多长时间；以及执行计算所需的设置。
校准量子位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情况。
量子位属性偶尔会发生漂移，意外的物理行为可能会导致结果不一致。
经验丰富的研究人员可以识别这些变化并在它们发生时进行调整。
软件控制、重复测量和自适应决策的结合也使量子位校准成为人工智能代理引人注目的用例。
Yankelevich 测试了 GPT-5.6 Sol 在未经校准的六量子位芯片上运行测量的能力，该芯片是 EQuS 经常用于对其制造过程进行基准测试的标准类型之一。
她向 Codex 提供了特定于测量的技能，解释了如何运行和评估每个实验。
利用这些技能和芯片的设计目标，GPT-5.6 Sol 选择测量参数、操作硬件、分析结果数据，然后完善测量或保存结果以供下次测量使用。
当信号清晰时，Codex 在几乎没有研究人员干预的情况下完成了标准的测量序列。
它识别了量子位的跃迁频率，校准了用于控制和读取量子位的脉冲，并确定了量子位保留量子信息的时间。
一个量子位的一组校准测量，由 GPT-5.6 Sol 自主完成。
图片来源：EQuS 集团
🔗 原始来源
如果你要核对细节，可以再看原文： Hacker News AI原文链接