OpenAI聯合MIT：AI自主完成量子位元全流程校準
nashnova research
OpenAI與MIT聯合證實，由GPT-5.6 Sol與Codex驅動的AI智能體已能端到端自主運行量子計算實驗——40項校準任務中人類僅介入4次，實驗週期從數週壓縮至小時級，科研人力有望從重複調參中釋放。
這塊晶片有多「陌生」，AI要做甚麼？
測試對象是一塊全新的超導晶片，含6個量子比特（4個固定頻率、2個可調頻率），所有物理參數完全未知。
這意味著→ AI並非在「跑已知腳本」，而是要像一個物理系新生一樣，從零摸清晶片的每一個特徵。
具體流程：AI直接調用實驗室控制軟件，向置於毫開爾文級稀釋製冷機（把溫度降到接近絕對零度的裝置）中的晶片發射微波脈衝，再對返回信號做數碼化處理與擬合。
40項任務只介入4次——AI怎麼做到的？
在針對固定頻率量子比特的40項日常測量任務中，AI自主完成絕大部分，人類研究員僅介入4次。
關鍵步驟分三段：先用寬帶掃頻信號捕捉諧振腔（量子比特的「信號入口」）的反射凹陷 → 鎖定量子比特躍遷頻率 → 切換到時域控制完成脈衝標定，最終測定量子比特相干時間（量子比特能保持量子狀態的時長，越長越有用）。
簡單來說＝ 過去一個受過訓練的物理系研究生要連續守在儀器旁好幾天，手工做成百上千次測量；現在AI 7×24小時連續運行，把「週級別」的迭代壓縮到「小時乃至分鐘」。
AI憑甚麼能做「物理判斷」，而非只是跑腳本？
OpenAI公開的思維鏈記錄顯示，GPT-5.6 Sol能識別擬合殘差（實驗數據與理論模型的偏差）偏大的原因，並據此決定執行相位解纏繞或調整微波失諧量重新掃描。
這意味著→ AI在做基於物理含義的分支決策——「這個偏差可能是相位跳變導致的，我換個方法再試」，而非「腳本報錯，停下來等人」。
研究人員還為Codex注入了「專業技能包」：每種量子測試的物理邏輯、評估標準、模板代碼以及成功與失敗的圖表樣例——這相當於給AI一套帶判斷力的實驗手冊。
AI的邊界在哪裡？科學家還不能被替代嗎？
低信噪比邊緣區域是當前瓶頸：AI需反覆試探參數，耗時呈指數級上升。
當晶片出現不可預知的反常物理現象時，AI會陷入誤判，仍需經驗豐富的研究人員手動介入。
簡單來說＝ AI能穩定搞定「定義清晰的標準流程」，但面對高度模糊、充滿物理反常的複雜結果，頂級科學家的直覺依然無可替代。
這件事對量子計算意味著甚麼？
量子比特校準歷來是量子計算研究中最耗時的環節之一——材料缺陷與環境擾動令晶片參數持續漂移，大量科研人力被鎖在重複性調參上。
這意味著→ AI接管標準校準流程後，科研人力可以轉向更高層次的實驗設計與機制研究。
這反映出 AI在科學實驗中的角色正從「工具」走向「初級研究員」——但能否在更複雜、更模糊的物理場景中繼續擴展自主邊界，是這一範式能否真正規模化的關鍵驗證點。
市场有风险，内容仅供研究参考，不构成投资建议。