MIT用GPT-5.6 Sol实现量子芯片自动校准

量子计算通过量子比特处理信息，未来有望破解复杂材料与分子模拟难题。但在超导量子芯片正式运行前，研究人员往往需要耗费数月时间，进行成百上千次精细的前期校准与测量。如今，AI 智能体正在改变这一流程。

MIT 工程量子系统小组（EQuS）研究人员 Beatriz Yankelevich 近期将 GPT-5.6 Sol 接入 Codex 编程环境，尝试利用 AI 简化量子实验工作流。

超导量子比特需要在稀释制冷机中冷却至接近绝对零度，并通过微波信号精确控制。由于芯片封装冷却后完全通过软件控制，这为测试 AI 智能体提供了理想环境。将 Codex 接入实验室调度软件后，AI 即可直接发送测量指令、分析返回数据，并自主规划下一步实验操作。

自适应闭环测量

超导量子比特也被称为“人造原子”。研究人员通过向芯片发送微波脉冲序列，读取返回的数字信号，以确定量子比特的共振频率、控制参数及信息相干时间。这类校准属于环环相扣的链式任务，且物理特性易受环境漂移影响，极度依赖自适应决策。

Yankelevich 在一块未经校准的六量子比特芯片上测试了 GPT-5.6 Sol 的实操能力。她为智能体配置了各项测量模块的操作规范，GPT-5.6 Sol 则根据芯片目标自主选择参数、调用硬件并分析数据。

测试显示，在信号清晰的标准流程中，Codex 几乎无需人工干预即可自主完成跃迁频率测定、控制脉冲校准与相干时间测量。但当信号较弱或存在噪声干扰时，模型需要更长时间寻找合适参数，偶尔仍需研究人员介入指导。

释放高阶科研精力

尽管经验丰富的专家在单点优化速度上依然更胜一筹，但智能体的最大价值在于承揽重复性劳动。

目前，EQuS 小组已常态化部署该方案。研究人员无需时刻守在实验设备前，智能体可在夜间或科研人员进入洁净室时连续运行数小时。研究人员通过手机即可查看进度，并在必要时调整探索方向。

对于非标准化实验，智能体还能编写、调试用于硬件控制与模拟的新代码。这让科研人员得以从繁重的常规表征工作中抽身，将时间集中于更高维度的理论探索、数据解读与实验设计。