MIT dùng GPT-5.6 Sol và Codex để hỗ trợ hiệu chỉnh xung điều khiển qubit

TL;DR: Theo OpenAI, nhóm EQuS tại MIT đã thử dùng GPT-5.6 Sol kết hợp Codex để thực hiện một số phép đo và hiệu chuẩn qubit siêu dẫn định kỳ, giảm nhu cầu giám sát liên tục nhưng vẫn cần chuyên gia hỗ trợ khi tín hiệu yếu hoặc nhiễu.

Beatriz Yankelevich, nghiên cứu sinh tại Engineering Quantum Systems Group (EQuS) thuộc MIT, đã kết nối Codex với phần mềm vận hành phòng thí nghiệm để thử rút gọn các bước thí nghiệm máy tính lượng tử. Trong một số quy trình lặp lại, hệ thống có thể chạy phép đo, phân tích dữ liệu thu về và chọn bước đo tiếp theo dựa trên hướng dẫn đã được cung cấp.

Thử nghiệm tập trung vào qubit siêu dẫn, một loại bit lượng tử được làm lạnh đến gần độ không tuyệt đối trong thiết bị gọi là dilution refrigerator. Sau khi chip được chế tạo, đóng gói và làm lạnh, việc tương tác với chip diễn ra qua phần mềm. Theo OpenAI, điều này tạo điều kiện để Codex tham gia vào các khâu đo đạc và phân tích có quy trình xác định.

Hiệu chuẩn qubit đòi hỏi nhiều phép đo liên tiếp

Qubit siêu dẫn thường được gọi là “nguyên tử nhân tạo” vì chúng chỉ tồn tại ở các mức năng lượng nhất định. Nhà nghiên cứu dùng xung vi sóng để chuyển qubit giữa các mức năng lượng, điều khiển trạng thái và đọc tín hiệu phản hồi.

Để điều khiển qubit chính xác, nhóm nghiên cứu cần xác định tần số chuyển mức, hiệu chỉnh xung điều khiển và xung đọc, đồng thời đo thời gian qubit giữ được thông tin lượng tử. Các phép đo này phụ thuộc lẫn nhau: kết quả của bước trước sẽ ảnh hưởng đến tham số cần chọn ở bước sau.

Việc chuẩn bị và vận hành thí nghiệm qubit có thể cần hàng trăm đến hàng nghìn phép đo sơ bộ. Với các chip tiêu chuẩn do EQuS chế tạo để đánh giá quy trình sản xuất, quá trình đặc trưng hóa một chip có thể mất vài ngày làm việc của nhà nghiên cứu.

Khó khăn là đặc tính của qubit đôi khi bị trôi, trong khi các hiện tượng vật lý bất ngờ có thể tạo ra kết quả thiếu nhất quán. Những tình huống này đòi hỏi đánh giá thực nghiệm để xác định nên thay đổi tham số, kiểm tra lại phép đo hay xem xét một hiện tượng khác.

Codex được hướng dẫn để vận hành chuỗi đo chuẩn

Yankelevich thử GPT-5.6 Sol trên một chip sáu qubit chưa hiệu chuẩn, thuộc loại chip mà EQuS thường dùng để benchmark quy trình chế tạo. Cô cung cấp cho Codex các hướng dẫn riêng cho từng phép đo, gồm cách vận hành và đánh giá thí nghiệm, cùng các mục tiêu thiết kế của chip.

Theo OpenAI, dựa trên các hướng dẫn này, GPT-5.6 Sol có thể chọn tham số đo, vận hành phần cứng, phân tích dữ liệu, rồi tinh chỉnh phép đo hoặc lưu kết quả cho bước tiếp theo. Khi tín hiệu rõ ràng, hệ thống thường hoàn thành chuỗi đo chuẩn với ít can thiệp từ nhà nghiên cứu.

Các tác vụ được nêu gồm tìm tần số chuyển mức của qubit, hiệu chỉnh xung dùng để điều khiển và đọc qubit, và xác định thời gian qubit duy trì thông tin lượng tử. Đây là những thông số cơ bản cần có trước khi tiếp tục các thí nghiệm hoặc vận hành tính toán trên chip.

Một chip qubit đã được đóng gói (bên trái) nằm bên trong một tủ lạnh pha loãng đang mở (bên phải)

Tín hiệu mơ hồ vẫn là giới hạn đáng kể

Kết quả thử nghiệm không cho thấy hệ thống có thể thay thế hoàn toàn nhà thực nghiệm. Khi tín hiệu yếu hoặc nhiễu, GPT-5.6 Sol mất nhiều thời gian hơn để tìm tham số đo phù hợp và đôi lúc cần nhà nghiên cứu giàu kinh nghiệm hướng dẫn.

OpenAI cho biết kết quả này gợi ý rằng các hệ thống hiện tại phù hợp hơn với workflow được xác định rõ. Việc diễn giải một kết quả vật lý mơ hồ vẫn là thách thức, đặc biệt khi chưa rõ nguyên nhân đến từ nhiễu đo, thiết lập chưa phù hợp hay hành vi vật lý cần nghiên cứu thêm.

Với các thí nghiệm mới, Yankelevich cho biết cô giao cho Codex những mục tiêu hẹp hơn. Nhóm cũng dùng hệ thống này để hỗ trợ viết, sửa và kiểm thử mã phục vụ điều khiển thiết bị, phân tích và mô phỏng, sau đó kiểm tra các thay đổi bằng dữ liệu đo thực tế.

Vì sao đáng chú ý?

Nhóm EQuS hiện thường xuyên dùng hệ thống này cho các phép đo định kỳ, theo OpenAI. Lợi ích trước mắt là giảm thời gian theo dõi các vòng lặp vận hành lặp lại, để nhà nghiên cứu tập trung hơn vào phân tích kết quả, thiết kế thí nghiệm và lập kế hoạch nghiên cứu.

Yankelevich cho biết cô có thể để hệ thống chạy đo nhiều giờ qua đêm hoặc trong khi làm việc khác, sau đó kiểm tra tiến độ từ điện thoại và điều chỉnh nếu cần. Trường hợp này cho thấy AI có thể hữu ích trong phòng thí nghiệm khi được đặt trong quy trình rõ ràng và có người chịu trách nhiệm giám sát các kết quả không chắc chắn.

• Nguồn chính thức: How GPT-5.6 Sol helps run quantum computing experiments — OpenAI — 09/09/2026