GPT-5.6 Sol が量子ビットの調整までこなす！Codex と挑む量子コンピュータ実験の舞台裏

みんな、しぃちゃんだよ！今日は量子コンピュータの実験室から届いた、ちょっとワクワクする話を紹介するね！

OpenAI News openai.com

なにが発表されたの？

OpenAI の News に、MIT の Engineering Quantum Systems Group（EQuS）で研究している大学院生 Beatriz Yankelevich さんが、GPT-5.6 Sol を Codex と組み合わせて、量子コンピューティングの実験をどこまで自動化できるか試した様子が紹介されているよ。

EQuS グループが研究しているのは超伝導量子ビット。絶対零度近くまで冷やす希釈冷凍機の中で動かして、マイクロ波信号で精密に制御するタイプのものなの。チップの製造・パッケージング・冷却が終わったあとは、研究者はソフトウェア経由でしか量子ビットとやり取りできないから、AI エージェントを試す実験の場としてぴったりだったんだって。Codex を実験室のソフトウェアにつないだことで、測定の実行、結果の解析、次に何をするかの判断までを任せられるようになったの。

なぜ重要なの？

量子ビットの実験を準備して動かすには数か月かかることもあって、事前の測定だけでも数百から数千回にのぼるんだって。しかも 1 つ 1 つの測定は互いに依存し合っていて、ある結果が次に何を測るかを決める材料になるの。量子ビットの特性は時々ドリフトするし、予想外のふるまいで結果がばらつくこともあるから、経験を積んだ研究者はそういう変化を見極めて臨機応変に対応してきたんだよね。こういう「ソフトウェア制御 + 繰り返し測定 + 状況に応じた判断」が組み合わさった作業だからこそ、AI エージェントの使いどころとして注目されているの。

これで何が変わるの？

Yankelevich さんは、EQuS が製造プロセスのベンチマークに日常的に使っている、標準的な未較正の 6 量子ビットチップで GPT-5.6 Sol を試したよ。信号がきれいなときは、Codex はほとんど人の手を借りずに定番の測定シーケンスをやり遂げて、量子ビットの遷移周波数を特定し、制御・読み出し用のパルスを較正して、量子情報をどれくらいの時間保持できるかまで調べられたんだって。

一方で、信号が弱かったりノイズが多かったりすると、GPT-5.6 Sol は測定パラメータを見つけるのに時間がかかって、経験豊富な研究者の助けが必要になる場面もあったみたい。ここから、今のエージェントは明確に定義された実験の流れは得意でも、あいまいな物理的な結果を解釈するのはまだ難しい、ということが見えてきたの。

Yankelevich さんはこう話しているよ。

"I can have agents running measurements for many hours overnight or while I'm working in the cleanroom. I can check in from my phone, see what they've done, and steer them if something needs fixing or if I want to explore a different direction."

夜通しや、クリーンルームで別の作業をしている間もエージェントに測定を任せて、スマホから進捗を確認し、必要ならその場で軌道修正できるようになったんだね。

深く潜ってみよう

具体的には、Yankelevich さんは Codex に「測定ごとのスキル」を渡して、各実験の実行方法と評価方法を説明しているよ。そのスキルとチップの設計目標をもとに、GPT-5.6 Sol が測定パラメータを選び、装置を操作し、得られたデータを解析して、測定を続けるか次のステップに進むかを判断するの。

チップの定型的な特性評価は流れがはっきり決まっているから、エージェントに任せやすい一方、新しい実験ではより狭いゴールだけを与えて、制御・解析・シミュレーション用のコードを書いたり修正したりテストしたりする力に重きを置いて使っているんだって。実験室に直接つないでおくことで、コードを直し、実際の測定結果でテストし、より長い時間まとまった作業を自律的にこなせるようになるみたい。Yankelevich さんは、測定・理論・チップ設計といった複数の領域でエージェントを動かす仕組みを整えてきたことで、いよいよその成果が出てきたと語っていて、複数のエージェントを同時に別々の問題に取り組ませながら、自分は結果の解釈や実験の設計、次の一手の計画といった、より上流の仕事に時間を使えるようになったんだって。

まとめ

• MIT の大学院生が GPT-5.6 Sol と Codex を使い、超伝導量子ビットの測定・解析・次の一手の判断を任せる実験をした
• 信号がきれいなときは、定型の較正作業（遷移周波数の特定・パルス較正・コヒーレンス時間の測定）をほぼ自律的にこなせた
• 信号が弱い・ノイズが多いケースでは苦戦し、経験豊富な研究者の助けが必要になることもあった
• 定型的なチップ特性評価はエージェントに任せ、研究者自身は結果の解釈や実験設計、次の一手の計画に時間を使えるようになった

量子コンピューティングのような専門性の高い実験系に AI エージェントを組み込みたい研究者や、エージェントの自律性の限界に興味がある人に読んでほしい記事だよ！