- GPT-5.6 SolをCodex経由で実験室ソフトに接続し、超伝導量子ビットの測定を自動化
- 信号が明瞭な定型ワークフローはほぼ自律的に完了。設計目標と測定スキルを与えて実行
- 信号が弱い・ノイズが多い場合はパラメータ探索に時間がかかり、助言が必要なことも
何が報告されたのか
OpenAIは2026年9月8日、MITのEngineering Quantum Systems Group(EQuS)に所属する大学院生Beatriz Yankelevich氏が、GPT-5.6 SolをCodexと組み合わせて量子チップの測定に活用した事例を公開した。同氏はGPT-5.6 SolをCodex経由で、実験を統括する実験室ソフトウェアに接続し、測定の実行・結果の解析・次に何を試すかの判断までを任せられるかを検証した。その結果、定型的な測定ワークフローであれば多くの場合自律的に完了でき、研究者が常時監視しなくても実験を進められることが分かったという。
EQuSが研究対象としているのは超伝導量子ビットで、絶対零度近くまで冷却した希釈冷凍機の中で動作させる。チップを製造・実装・冷却した後は、研究者はソフトウェアを通じてのみ量子ビットとやり取りするため、AIエージェントの検証対象として適していたと記事は説明している。
なぜ較正がAI向きなのか
超伝導量子ビットは「人工原子」とも呼ばれ、原子と同じように特定のエネルギー準位しか取れない。マイクロ波パルスで準位間を遷移させ、返ってくる信号をデジタル化して解析することで、共鳴周波数や量子情報を保持できる時間、計算に必要な設定値などが明らかになる。
こうした較正は、前の測定結果が次の測定内容を決める相互依存の連続であり、量子ビットの性質が時折ドリフトしたり、予期しない物理挙動で結果が不安定になったりする。経験ある研究者はその変化に気づいて方針を変えるが、ソフトウェアによる制御・繰り返し測定・適応的な判断という組み合わせは、AIエージェントに向いた用途だという。
どこまでできて、どこで詰まるか
Yankelevich氏は未較正の6量子ビットチップを使い、各実験の実行方法と評価方法を説明する「測定スキル」をCodexに与えた。GPT-5.6 Solはチップの設計目標とスキルをもとに測定パラメータを選び、ハードウェアを操作し、得られたデータを解析したうえで、測定をやり直すか次の測定に結果を引き継ぐかを判断した。信号が明瞭な場合、Codexは遷移周波数の特定、制御・読み出し用パルスの較正、量子情報の保持時間の測定までを、研究者の介入をほとんど要さずに完了したという。
一方、信号が弱い、あるいはノイズが多い場合には、適切な測定パラメータを見つけるまでに時間がかかり、経験ある研究者の助言が必要になることもあった。記事は、現行のエージェントは明確に定義された実験ワークフローは扱えるが、曖昧な物理結果の解釈は依然として課題だと結論づけている。
研究者の働き方は変わるか
EQuSは同種の標準チップを多数製造しており、1枚の特性評価には研究者が数日を要する。同グループは現在、定型的な測定を日常的にエージェントに任せ、研究者は他の作業に時間を割けるようになったとしている。Yankelevich氏は、夜間やクリーンルームでの作業中にもエージェントに測定を走らせ、携帯端末から進捗を確認して方向を修正できると述べている。
新規の実験では、Codexエージェントに狭い範囲の実験目標を与えつつ、制御・解析・シミュレーション用のコードを書き、修正し、実際の測定に対して検証する能力に頼る形で活用している。ただし記事は、経験ある研究者の方が現行のAIモデルより適切な較正設定を速く見つけられる場合があることも認めている。
| 項目 | 信号が明瞭なとき | 信号が弱い・ノイズが多いとき |
|---|---|---|
| 測定パラメータの選択 | 設計目標とスキルをもとに自律的に選択 | 適切な値を見つけるまでに時間がかかる |
| 研究者の介入 | ほとんど不要 | 経験ある研究者の助言が必要なことがある |
| 作業の完遂 | 標準的な測定シーケンスを完了 | 解釈が難しく、自律的な完遂が困難 |
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.
携帯から進捗を確認し、彼らが何をしたかを見て、修正が必要なときや別の方向を試したいときに指示を出せます。
今後の見通し
今回の事例は、AIエージェントが研究実験の定型作業を任せられる段階に来ていることを示す一方、曖昧な物理結果の解釈には限界があることも示している。EQuSはすでに日常的にエージェントを較正に使っているとされるが、時間削減量などの定量的な評価や、他グループでの再現報告は今回の記事では示されていない。今後、弱い信号やノイズの多い条件での性能がどこまで改善するか、新規実験の設計やコード生成にどこまで踏み込めるかが明らかになれば、適用範囲を判断しやすくなる。研究室外の産業用途への展開は現時点では明らかではない。
日本の開発者・IT企業にとっての意味
この事例は、AIエージェントを対話相手ではなく、装置を直接操作する実行主体として組み込むパターンが研究現場で機能し始めたことを示している。日本のIT企業にとっての示唆は、測定機器や検査装置など、ソフトウェア経由で操作できるハードウェアの自動化にエージェントを応用できる可能性だ。特に、前の結果が次の手順を決める相互依存的な定型作業は、人手を介さず回せる余地が大きい。ただし対象は研究室内の6量子ビットチップの較正であり、量産ラインや品質保証など要求水準の異なる現場にそのまま当てはまるとは限らない。曖昧な入力をどう扱うかという課題も共通して残る。装置制御のAPI整備や、人間が途中で介入できる仕組みの用意が、実務での導入可否を左右するとみられる。
気になる点
- 信号が弱い、ノイズが多い実験でもエージェントに任せられますか
- 任せられる範囲は限られます。原文では、信号が弱い・ノイズが多い場合、適切な測定パラメータを見つけるまで時間がかかり、経験ある研究者の助言が必要になることがあったとされています。明確に定義された定型ワークフローは自律的に進められますが、曖昧な物理結果の解釈は現行エージェントの課題とされています。
- Codexを実験装置に接続するには何が必要ですか
- 原文で示されているのは、各測定の実行方法と評価方法を説明する「測定スキル」をCodexに与え、チップの設計目標と組み合わせて使う方法です。Codexは実験を統括する実験室ソフトウェアに接続され、測定の実行・解析・次の判断を担いました。接続に必要なAPI仕様など具体的な実装手順は原文では公表されていません。
- 導入コストや日本での利用可否は分かりますか
- GPT-5.6 SolやCodexの価格、利用可能な地域、研究用途の条件について、原文には記載がありません。現時点では公表されていないため判断できません。分かるのは、MITのEQuSがGPT-5.6 SolとCodexを組み合わせ、超伝導量子ビットの定型測定に日常的に使っているという事実です。
用語解説
- 量子ビット(qubit)
- 量子情報の基本単位。0と1の重ね合わせ状態を取れるため、従来のビットとは異なる計算が可能になる。
- 超伝導量子ビット
- 超伝導回路で作る量子ビット。絶対零度近くに冷却して使い、マイクロ波で制御する。既存の製造技術を応用できる。
- 希釈冷凍機
- 超伝導量子ビットを極低温に保つ冷凍装置。記事では絶対零度近くまで冷却する装置として説明されている。
- 較正(キャリブレーション)
- 共鳴周波数や制御パルス、読み出し条件などを測定して設定値を決める作業。相互依存する測定の連続になる。
- Codex
- OpenAIのコーディング向けツール。記事では実験室ソフトウェアに接続し、測定の実行・解析やコードの作成を担う主体として使われている。
- AIエージェント
- 目標を与えると、ツールやソフトウェアを自ら操作して複数ステップの作業を進めるAI。ここでは実験装置の操作を任されている。
出典
How GPT-5.6 Sol helps run quantum computing experiments
https://openai.com/index/codex-quantum-computing-experiments
AI導入も顧問も、お任せください
何から手をつけるか、どこまでAIに任せるか。自社の業務に合わせて整理し、導入から運用まで伴走します。相談だけでも構いません。
AI導入について相談する