4 сентября 2026 года исследователи MIT и OpenAI подготовили описание агентной калибровки сверхпроводящих кубитов. Агент на GPT-5.6 Sol через Codex выполнял измерения на реальном оборудовании, анализировал данные и менял следующие шаги через лабораторное программное обеспечение.
Агент не изготавливал квантовый процессор
Сначала люди создают чип, устанавливают его в корпус, подключают и охлаждают. После этого значительная часть эксперимента управляется программно. Измерительная электроника подаёт импульсы и считывает ответ, а результаты помогают выбрать параметры следующих измерений.
Именно к этой части подключили агента. Он работал с уже существующим контуром управления группы EQuS, а не произвольно управлял любым лабораторным прибором по текстовой просьбе.
В описанном эксперименте использовался ещё не калиброванный чип из шести несвязанных кубитов. Агент нашёл шесть резонаторов и подходящие начальные мощности импульсов считывания. Такой результат относится к конкретному набору измерений, а не доказывает автономность всей квантовой лаборатории.
Как был устроен доступ
Агент работал через Jupyter notebook и внутренний Jupyter MCP. Ему были доступны параметры измерений, программы, графики, сырые данные, журналы и база результатов. Он также мог вести заметки в Markdown.
Важной частью подготовки стал контекст: устройство установки, проект чипа, исходный код управляющего ПО и инструкции для отдельных измерений. В таких инструкциях описывались предварительные калибровки, выбор параметров, причины неудач и примеры удачных и неудачных графиков.
Это не мелкая деталь настройки. Если агент не знает, какие измерения должны предшествовать текущему, внешне правдоподобный запуск может дать бессмысленный результат. Доступ к оборудованию без контекста не равен умению провести эксперимент.
Почему одного удачного графика недостаточно
Параметры физических систем меняются, измерения шумят, а похожая форма сигнала может иметь разные причины. Поэтому анализ включает выбор модели, оценку результата и при необходимости повтор с другими параметрами.
Для переноса идеи в другую лабораторию нужно отдельно проверить границы доступа и допустимые действия. Нужны журналы, сохранение исходных данных и возможность остановить неудачную последовательность. Ответ языковой модели не должен подменять измеренный результат.
Кейс показывает полезный способ автоматизации: агент берёт на себя часть программно управляемых измерений, получая подготовленные инструкции и наблюдаемый результат каждого шага. Его ценность в связи кода, данных и обратной связи, а не в обещании заменить всю экспериментальную работу.
Общий взгляд на исследовательских агентов разобран в статье про внутреннюю работу OpenAI.
