MITのEQuS(Engineering Quantum Systems Group)の大学院生であるBeatriz Yankelevichは、自身の実験の作業の流れをAIが合理化できるかを探るため、Codexに組み込んだGPT-5.6 Solを使用しました。量子コンピューティングは、量子力学の固有の性質を使って情報を処理する新しい技術で、いつの日か複雑な物質や分子をより良くシミュレートできる可能性があります。実験を調整するラボソフトウェアにCodexを接続したことで、Codexは測定を実行し、結果を解析し、次に何を試すかを決められるようになりました。

量子プロセッサは、従来のプロセッサとは異なり、量子ビット(qubit)で構成されています。MITのEQuS(Engineering Quantum Systems Group)は超伝導量子ビット(superconducting qubits)を研究しています。超伝導量子ビットは、原子のように特定のエネルギー準位しか取れないため、人工原子(artificial atoms)と呼ばれることが多いです。これらの量子ビットは、希釈冷凍機(dilution refrigerator)と呼ばれる特殊な装置の内部で絶対零度近くまで冷却されます。超伝導量子ビットは、演算を高速に行い、マイクロ波信号で精密に制御でき、なじみのある製造技術で作ってチップ上に配置できます。

量子ビットの実験の準備と実行には数か月かかることがあり、数百から数千回の予備的な測定が必要になる場合があります。この種の作業はAIが支援できると見込まれています。超伝導量子ビットのチップが作製・パッケージ化・冷却された後は、研究者はソフトウェアだけを通じてそのチップとやり取りします。Yankelevichの実験はAIエージェントの自然な試験の場になっています。

GPT-5.6 Solを実験用のラボソフトウェアに接続し、量子ビットチップ上の定型測定を実行・改良させたことで、Yankelevichは実験設計とデータ解析に集中できるようになりました。当面の利点は、Codexのエージェントを使うと、研究者が常時監督しなくても、実験の解析と測定を着実に進められることです。Yankelevichは、GPT-5.6 Solが定型の測定ワークフローを自律的に完了できることが多く、大幅な時間の節約になり、常時監督しなくても実験を走らせられることを見いだしました。これにより、結果の解析、実験の設計、研究の次のステップの計画により多くの時間を割けるようになりました。

キャリブレーションの測定とAI活用の狙い

マイクロ波パルスは、超伝導量子ビットをエネルギー準位の間で動かし、その量子状態を調べます。研究者は量子ビットチップに送るパルス列を設計・較正し、戻ってきた信号をデジタル化して解析します。超伝導量子ビットの測定からは、量子ビットを正確に制御できるようにする共鳴周波数、量子ビットが量子情報を保持する時間、計算の実行に必要な設定が分かります。量子ビットのキャリブレーション(calibration)には一連の相互依存する測定が必要で、各結果が次に行うことを左右します。量子ビットの特性はときどきドリフトし、予期しない物理的挙動が一貫しない結果を招くことがあります。経験のある研究者はこうした変化を認識し、発生時に適応できます。

ソフトウェア制御、繰り返しの測定、適応的な意思決定が組み合わさっていることから、量子ビットのキャリブレーションはAIエージェントにとって魅力的なユースケースでもあります。Beatriz Yankelevichは、EQuS(Engineering Quantum Systems Group)が製造プロセスのベンチマークに日常的に使う標準タイプの、未較正の6量子ビットチップで、GPT-5.6 Solが測定を実行する能力を試しました。Yankelevichは、各実験の実行方法と評価方法を説明する測定ごとのスキルをCodexに与えました。GPT-5.6 Solは、そのスキルとチップの設計目標を使って測定パラメータを選び、ハードウェアを操作し、得られたデータを解析したうえで、測定を改良するか、次の測定で使うために結果を保存しました。

信号が弱い場合の課題と定型作業での成果

一方で、いくつかの課題も明らかになりました。GPT-5.6 Solは、実験の信号が弱い場合やノイズが多い場合に、適切な測定パラメータを見つけるのに時間がかかり、経験のある研究者の助言を必要とすることもありました。この結果は、現在のエージェントは明確に定義された実験ワークフローを扱えるものの、曖昧な物理的結果の解釈については依然として課題であることを示唆しています。

信号が明瞭なとき、Codexは研究者の介入をほとんど要さずに標準的な一連の測定を完了しました。Codexは量子ビットの遷移周波数を特定し、量子ビットの制御と読み出しに使うパルスを較正し、量子ビットが量子情報を保持する時間を求めました。定型的なチップの特性評価(chip characterization)は、比較的明確に定まったワークフローに従います。EQuS(Engineering Quantum Systems Group)は製造プロセスのベンチマークに使う標準タイプの量子ビットチップ（6量子ビットチップなど）を多数製造しており、研究者がそれぞれの特性評価に数日かかることがあります。同グループは現在、定型測定の処理にエージェントを日常的に使い、研究者が他の作業に集中できるようにしています。

経験豊富な研究者は、最適なキャリブレーション設定を現在のAIモデルより速く見つけられる場合があります。ただし、キャリブレーションの各ステップの監視に費やしていた時間を節約できるため、研究者は他の作業に集中できます。

複数エージェントの運用と新規実験への応用

測定・理論・チップ設計という自身の仕事の複数の部分でエージェントを導く基盤を構築しており、それが成果を出し始めているとYankelevichは述べています。複数のagentに異なる問題を同時に扱わせており、自身は結果の解釈、実験の考案、agentの次のステップの計画、読み書きといった、より高次の作業に時間の大半を使っているといいます。Yankelevichによれば、夜間や自分がクリーンルームで作業している間に、エージェントに何時間も測定を実行させておくことができ、スマートフォンから状況を確認し、修正が必要なときや別の方向を探りたいときにエージェントを誘導できるとのことです。

MITのEngineering Quantum Systems Group (EQuS)の大学院生であるBeatriz Yankelevichは、比較的明確なワークフローに従う定型的なチップの特性評価とは異なり、新規の実験(novel experiments)では、Codex agentsに、より狭い実験上の目標(narrower experimental goals)を割り当てています。その際Yankelevichは、制御・解析・シミュレーション用の新しいコードをエージェントが書き、修正し、テストする能力により大きく頼っています。

agentをラボに直接接続することで、研究グループはコードを修正し、実際の測定に対してテストを行い、より長い区間の作業を自律的に完了させることができます。