2026年9月8日——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，未来或许能更好地模拟复杂材料和分子。与传统处理器不同，量子处理器由量子比特（qubit）构成。准备和运行量子比特实验可能需要数月时间，并且需要开展数百到数千次前期测量——而这正是人工智能已准备好提供帮助的领域。

麻省理工学院工程量子系统研究组（EQuS）研究生Beatriz Yankelevich使用接入Codex的GPT‑5.6 Sol，探索AI能否精简她的实验工作流程。该研究组研究的是超导量子比特——这类量子比特在名为稀释制冷机的专用设备中被冷却到接近绝对零度。这些量子比特运算速度快，可通过微波信号精确控制，并且能够利用人们熟知的制造工艺制成，排列在芯片上。

超导量子比特芯片一旦完成制造、封装和冷却，研究人员便完全通过软件与其交互，这让Yankelevich的实验成为AI智能体的天然测试平台。将Codex连接到协调实验的实验室软件后，它就能运行测量、分析结果，并决定接下来该尝试什么。Yankelevich发现，GPT‑5.6 Sol通常可以自主完成常规测量流程，为她节省大量时间，也让实验无需持续人工监控即可进行。这使她得以将更多时间用于分析结果、设计实验，以及规划研究的后续步骤。

协调相互关联的测量

超导量子比特常被称为人造原子，因为它们与原子一样只能占据特定的能级。微波脉冲使量子比特在这些能级之间移动，并对其量子态进行探测。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。这些测量可揭示每个量子比特的共振频率（这些频率使研究人员能够精确控制量子比特）、量子比特保留量子信息的时间，以及执行计算所需的各项设置。

校准量子比特需要一系列相互关联的测量，每一项结果都会影响下一步的操作。量子比特的性质偶尔会发生漂移，意想不到的物理行为也可能导致结果不一致。经验丰富的研究人员能够识别这些变化，并在出现时做出调整。软件控制、重复测量和自适应决策相结合，也使量子比特校准成为AI智能体的一个很有价值的应用场景。

Yankelevich在一块未校准的六量子比特芯片上测试了GPT‑5.6 Sol运行测量的能力——这是EQuS定期用于为其制造工艺进行基准测试的标准芯片类型之一。她向Codex提供了测量专用的技能说明，解释如何运行和评估每项实验。借助这些技能以及芯片的设计指标，GPT‑5.6 Sol能够选择测量参数、操作硬件、分析所得数据，然后要么优化测量方案，要么将结果保存下来供下一次测量使用。

当信号清晰时，Codex几乎无需研究人员干预即可完成一系列标准测量。它能识别量子比特的跃迁频率，校准用于控制和读取量子比特的脉冲，并确定量子比特保留量子信息的时间。

当实验信号较弱或噪声较大时，GPT‑5.6 Sol会遇到更多困难。在这种情况下，它找到合适测量参数的时间更长，有时还需要经验丰富的研究人员提供指导。结果表明，当前的AI智能体能够处理定义清晰的实验流程，但解读含义不明确的物理结果仍然是一项挑战。

EQuS制造了许多这类标准芯片，每颗芯片的表征工作可能都需要研究人员花费数天时间。如今，该研究组已定期使用智能体处理常规测量，让研究人员得以专注于其他工作。

“在夜间或我在洁净室工作时，我可以让智能体连续数小时运行测量，”Yankelevich说，“我随时可以通过手机查看进度，了解它们做了什么。如果某个环节需要修正，或者我想探索另一个方向，也可以对它们进行引导。”

与研究人员协同工作

最直接的优势在于，Codex智能体可以帮助研究人员在实验分析和测量方面稳步推进，而无需持续的人工监督。经验丰富的研究人员或许仍能比当前的AI模型更快地确定最佳校准设置。但由于节省了以往用于监控校准流程每一步的时间，研究人员可以将精力投入到其他工作中。

常规芯片表征遵循相对明确的工作流程。对于新颖的实验，Yankelevich会给Codex智能体设定范围更小的实验目标，同时更侧重发挥它们为控制、分析和模拟等任务编写、修改和测试新代码的能力。将智能体直接连接到实验室，使研究组可以修改代码、用真实测量数据对代码进行验证，并自主完成更长时间段的工作。

“我已经搭建了基础设施，用来引导智能体处理我工作中的多个环节——测量、理论、芯片设计——如今这些投入真的开始产生回报了，”Yankelevich说，“我可以同时让多个智能体处理不同的问题，而将自己大部分时间投入更高层次的工作——解读结果、设计实验、规划智能体的后续步骤、阅读和写作。”