OpenAI联合MIT：AI自主完成量子比特全流程校准
nashnova research
OpenAI与MIT联合证实，由GPT-5.6 Sol与Codex驱动的AI智能体已能端到端自主运行量子计算实验——40项校准任务中人类仅介入4次，实验周期从数周压缩至小时级，科研人力有望从重复调参中释放。
这块芯片有多"陌生"，AI要做什么？
测试对象是一块全新的超导芯片，含6个量子比特（4个固定频率、2个可调频率），所有物理参数完全未知。
这意味着→ AI不是在"跑已知脚本"，而是要像一个物理系新生一样，从零摸清芯片的每一个特征。
具体流程：AI直接调用实验室控制软件，向置于毫开尔文级稀释制冷机（把温度降到接近绝对零度的装置）中的芯片发射微波脉冲，再对返回信号做数字化处理与拟合。
40项任务只介入4次——AI怎么做到的？
在针对固定频率量子比特的40项日常测量任务中，AI自主完成绝大部分，人类研究员仅介入4次。
关键步骤分三段：先用宽带扫频信号捕捉谐振腔（量子比特的"信号入口"）的反射凹陷 → 锁定量子比特跃迁频率 → 切换到时域控制完成脉冲标定，最终测定量子比特相干时间（量子比特能保持量子状态的时长，越长越有用）。
用大白话说＝ 过去一个训练有素的物理系研究生要连续守在仪器旁好几天，手工做成百上千次测量；现在AI 7×24小时连续运行，把"周级别"的迭代压缩到"小时乃至分钟"。
AI凭什么能做"物理判断"，而不只是跑脚本？
OpenAI公开的思维链记录显示，GPT-5.6 Sol能识别拟合残差（实验数据与理论模型的偏差）偏大的原因，并据此决定执行相位解缠绕或调整微波失谐量重新扫描。
这意味着→ AI在做基于物理含义的分支决策——"这个偏差可能是相位跳变导致的，我换个方法再试"，而非"脚本报错，停下来等人"。
研究人员还为Codex注入了"专业技能包"：每种量子测试的物理逻辑、评估标准、模板代码以及成功与失败的图表样例——这相当于给AI一套带判断力的实验手册。
AI的边界在哪里？科学家还不能被替代吗？
低信噪比边缘区域是当前瓶颈：AI需反复试探参数，耗时呈指数级上升。
当芯片出现不可预知的反常物理现象时，AI会陷入误判，仍需经验丰富的研究人员手动介入。
用大白话说＝ AI能稳定搞定"定义清晰的标准流程"，但面对高度模糊、充满物理反常的复杂结果，顶级科学家的直觉依然无可替代。
这件事对量子计算意味着什么？
量子比特校准历来是量子计算研究中最耗时的环节之一——材料缺陷与环境扰动让芯片参数持续漂移，大量科研人力被锁在重复性调参上。
这意味着→ AI接管标准校准流程后，科研人力可以转向更高层次的实验设计与机制研究。
这反映出 AI在科学实验中的角色正在从"工具"走向"初级研究员"——但能否在更复杂、更模糊的物理场景中继续扩展自主边界，是这一范式能否真正规模化的关键验证点。
市场有风险，内容仅供研究参考，不构成投资建议。