Die Forschung am Quantencomputing gilt als eine der aufregendsten technologischen Revolutionen unserer Zeit. Doch die Vorbereitung und Durchführung von Qubit-Experimenten ist extrem zeitaufwändig und erfordert oft Tausende Vorabmessungen über mehrere Monate. Ein Team am MIT hat nun gezeigt, wie die KI GPT-5.6 Sol in Verbindung mit Codex Routineaufgaben in der Quantenforschung weitgehend autonom übernehmen kann. Das Ergebnis: Forschende gewinnen wertvolle Zeit für strategische Analysen und die Entwicklung neuer Experimente.
Die Herausforderung: Monatelange Qubit-Experimente
Quantencomputer nutzen die einzigartigen Eigenschaften der Quantenmechanik zur Informationsverarbeitung. Im Gegensatz zu herkömmlichen Prozessoren arbeiten sie mit sogenannten Qubits, die deutlich komplexere Berechnungen ermöglichen könnten. Die Vorbereitung und das Ausführen von Experimenten mit diesen Qubits ist jedoch äußerst aufwändig und erfordert Hunderte bis Tausende Vorabmessungen. Dieser monatelange Aufwand ist ein Hauptgrund dafür, dass die Wissenschaft auf KI-Unterstützung setzt.
GPT-5.6 Sol als digitale Laborhilfe
Beatriz Yankelevich, Doktorandin in der Engineering Quantum Systems Group (EQuS) am MIT, nutzte GPT-5.6 Sol gekoppelt mit Codex, um ihren experimentellen Arbeitsablauf zu optimieren. Die Forschungsgruppe untersucht supraleitende Qubits, die in speziellen Geräten namens Dilution Refrigerators auf Temperaturen nahe dem absoluten Nullpunkt abgekühlt werden. Diese Qubits arbeiten schnell, lassen sich präzise mit Mikrowellensignalen steuern und können mit vertrauten Fertigungstechniken auf einem Chip angeordnet werden.
Vollständig softwarebasierte Steuerung
Sobald ein supraleitender Qubit-Chip hergestellt, verpackt und gekühlt ist, erfolgt die Interaktion ausschließlich über Software. Diese digitale Schnittstelle machte Yankelevichs Experimente zu einem idealen Testfeld für KI-Agenten. Durch die Verbindung von Codex mit der Laborsoftware konnte die KI Messungen durchführen, Ergebnisse analysieren und eigenständig über den nächsten Schritt entscheiden. GPT-5.6 Sol vermochte dabei Routine-Messabläufe oft vollständig autonom zu absolvieren und sparte der Forschenden so erhebliche Zeit.
Kalibrierung durch ineinandergreifende Messungen
Supraleitende Qubits werden oft als künstliche Atome bezeichnet, da sie – wie echte Atome – nur bestimmte Energieniveaus einnehmen können. Mikrowellenpulse bewegen die Qubits zwischen diesen Niveaus und ermöglichen die Abfrage ihres Quantenzustands. Forschende entwickeln und kalibrieren die Pulsssequenzen, digitalisieren die zurückkehrenden Signale und werten sie aus. Diese Messungen enthüllen die Resonanzfrequenzen jedes Qubits, dessen Fähigkeit zur Speicherung quantenmechanischer Information sowie die Einstellungen für Berechnungen.
Die Kalibrierung erfordert eine Reihe voneinander abhängiger Messungen, bei denen jedes Ergebnis den nächsten Schritt beeinflusst. Qubit-Eigenschaften können driftieren und unerwartetes physikalisches Verhalten zu inkonsistenten Resultaten führen. Erfahrene Forschende erkennen solche Veränderungen und passen ihre Vorgehensweise an. Genau diese Kombination aus Softwaresteuerung, wiederholten Messungen und adaptiver Entscheidungsfindung macht die Qubit-Kalibrierung zu einem überzeugenden Anwendungsfall für KI-Agenten.
Praxistest an einem Sechs-Qubit-Chip
Yankelevich testete die Fähigkeiten von GPT-5.6 Sol an einem unkalibrierten Sechs-Qubit-Chip eines Standardtyps, den EQuS regelmäßig zur Bewertung des Fertigungsprozesses nutzt. Sie stattete Codex mit spezifischen Fähigkeiten aus, die erklärten, wie jede Messung durchgeführt und bewertet wird. Basierend auf diesen Skills und den Designdaten des Chips wählte GPT-5.6 Sol Messparameter, bediente die Hardware, analysierte die Daten und verfeinerte entweder die Messung oder speicherte das Ergebnis für den nächsten Schritt.
Autonome Erfolge und aktuelle Grenzen
Bei klaren Signalen schloss Codex eine Standardsequenz von Messungen mit minimaler menschlicher Intervention ab. Es identifizierte die Übergangsfrequenzen des Qubits, kalibrierte die Steuer- und Lesepulse und bestimmte die Kohärenzzeit. Schwieriger wurde es, wenn die experimentellen Signale schwach oder verrauscht waren. In diesen Fällen benötigte GPT-5.6 Sol länger, um geeignete Parameter zu finden, und manchmal kam es auf die Anleitung erfahrener Forschender an. Die Ergebnisse zeigen, dass aktuelle Agenten klar definierte Abläufe bewältigen können, die Interpretation mehrdeutiger physikalischer Resultate jedoch noch eine Herausforderung darstellt.
Neue Arbeitsweise: Forscher und Agenten im Team
Da EQuS viele dieser Standardchips fertigt, von denen jeder mehrere Tage zur Charakterisierung beanspruchen kann, setzt die Gruppe Agenten nun regelmäßig für Routine-Messungen ein. „Ich kann Agenten über viele Stunden hinweg über Nacht oder während ich im Reinraum arbeite Messungen durchführen lassen“, sagt Yankelevich. „Ich kann vom Smartphone aus nachsehen, was sie gemacht haben, und sie steuern, wenn etwas korrigiert werden muss oder ich eine andere Richtung einschlagen möchte.“
Der unmittelbare Vorteil liegt auf der Hand: Codex-Agenten ermöglichen es Forschenden, kontinuierlich Fortschritte bei der experimentellen Analyse zu erzielen, ohne jeden Schritt persönlich überwachen zu müssen. Erfahrene Wissenschaftlerinnen und Wissenschaftler finden möglicherweise weiterhin schneller die beste Kalibrierung als aktuelle KI-Modelle. Doch durch die eingesparte Zeit, die bisher für die ständige Überwachung nötig war, können sie sich auf höherwertige Aufgaben konzentrieren.
Infrastruktur für mehrere parallele Agenten
Für neuartige Experimente weist Yankelevich den Codex-Agenten engere Ziele zu und nutzt dabei stärker deren Fähigkeit, neuen Code für Steuerung, Analyse und Simulation zu schreiben, zu modifizieren und zu testen. Die direkte Verbindung der Agenten mit dem Labor ermöglicht es der Gruppe, Code anhand realer Messungen zu überprüfen und längere Arbeitsphasen autonom abzuschließen. „Ich habe Infrastruktur aufgebaut, um Agenten durch verschiedene Teile meiner Arbeit zu führen – Messung, Theorie und Chip-Design – und jetzt zahlt sich das wirklich aus“, erklärt sie. „Ich kann mehrere Agenten gleichzeitig an unterschiedlichen Problemen arbeiten lassen und verbringe die meiste Zeit mit höherwertiger Arbeit – Ergebnisse interpretieren, Experimente entwerfen, nächste Schritte planen, Lesen und Schreiben.“
Fazit: KI als Laborassistent der Zukunft
Der Einsatz von GPT-5.6 Sol und Codex im MIT-Labor zeigt, wie KI-Agenten die Quantencomputing-Forschung konkret voranbringen können. Routinecharakterisierungen und standardisierte Kalibrierungen lassen sich weitgehend automatisieren, während menschliche Expertise dort eingesetzt wird, wo sie am meisten zählt: bei der Interpretation komplexer Phänomene und der strategischen Planung neuer Forschungsschritte. Diese symbiotische Zusammenarbeit zwischen Mensch und Maschine könnte den Weg zu leistungsfähigeren Quantencomputern erheblich beschleunigen.
