OpenAI y el MIT anuncian que la IA logra tomar el control de una computadora cuántica

Just now, OpenAI announced in conjunction with MIT: AI has successfully taken control of a quantum computer!

En un informe conjunto titulado “Estudio de caso: Calibración de agentes para qubits superconductores”, investigadores del Grupo de Sistemas de Ingeniería Cuántica (EQuS) del MIT confirmaron que los agentes de IA, impulsados por GPT-5.6 Sol y Codex, ya pueden ejecutar experimentos de computación cuántica de extremo a extremo de forma autónoma.

Es decir, GPT-5.6 Sol puede realizar experimentos físicos de forma autónoma.

Durante este proceso, la IA logró la operación autónoma del experimento de computación cuántica, el análisis de resultados y la calibración de los qubits.

Desde la liberación de pulsos de microondas desde el hardware del laboratorio de control, hasta la lectura y procesamiento de grandes volúmenes de datos complejos, y la adaptación dinámica del siguiente plan experimental según los resultados, la IA opera las 24 horas del día, los 7 días de la semana.

Aunque los físicos aún no corren el riesgo de perder sus empleos, las reglas del juego en la investigación científica han sido completamente reescritas en este momento.

IA para la ciencia ha pasado de la "asistencia con datos" a la "investigación automatizada".

Los modelos grandes actúan como cerebro científico para coordinar directamente el hardware experimental, rompiendo por completo el cuello de botella de eficiencia en la física fundamental.

En el futuro, la barrera fundamental de la ciencia de vanguardia será la «IA superinteligente + laboratorios sin humanos»; ¡en el ámbito de la ciencia rigurosa, la IA comienza a implementarse de verdad!

This marks the real-world application of AI in hardcore scientific fields.

En la realidad, fabricar y controlar una computadora cuántica es un proceso extremadamente difícil.

En el grupo de sistemas cuánticos de ingeniería del MIT, la estudiante de doctorado Beatriz Yankelevich conectó GPT-5.6 Sol al marco de agentes autónomos de Codex y realizó algo audaz: ¡conectó directamente la API de IA al sistema de control del hardware del laboratorio!

Después de varios meses de iteración, los investigadores dotaron a la IA de un "contexto experimental": alimentaron a GPT-5.6 con detalles del equipo experimental, diagramas de diseño de chips, habilidades de medición específicas (incluyendo código plantilla, causas comunes de fallos físicos y ejemplos de gráficos de éxito y fracaso).

Una experiencia de automatización en bucle cerrado de IA sin precedentes ha comenzado oficialmente.

Para probar los límites de la IA, el equipo de investigación asignó a GPT-5.6 una tarea exigente: un chip nuevo con 6 qubits superconductores que nunca antes había sido medido.

Cuatro de ellos son qubits de frecuencia fija y dos son qubits de frecuencia ajustable. Los parámetros del chip son completamente desconocidos; la IA debe explorar por sí misma los parámetros físicos reales según los objetivos de diseño.

Desde software de control de hardware hasta fuentes de señales de microondas y tarjetas de adquisición de datos, todo está abierto a la IA.

Los investigadores inyectaron en Codex «paquetes de habilidades profesionales» diseñados para escenarios de medición específicos, indicándole la lógica física y los criterios de evaluación de cada prueba cuántica.

Luego, el ser humano soltó las manos.

En la pantalla, la «cadena de pensamiento» de GPT-5.6 Sol fluye como un río.

Realizó una serie de operaciones de física en bucle que ponen los pelos de punta, sin intervención humana en tiempo real.

1. Inferir parámetros automáticamente: según los objetivos de diseño del chip, planificar automáticamente la frecuencia, la potencia y el ancho de los pulsos de microondas para la primera medición;

2. Programación de hardware subyacente: llamada directa al software de control para manipular el hardware y emitir secuencias de pulsos de microondas hacia el chip en el interior de la máquina de refrigeración por dilución;

3. Retroalimentación y reducción de ruido de datos: recibir las débiles señales reflejadas de estados cuánticos, y realizarles limpieza digital, ajuste y transformada de Fourier;

4. Iteración adaptativa de decisión: Si la señal es perfecta, extraiga automáticamente la frecuencia de resonancia del qubit y guárdela en la base de datos como referencia para la próxima medición; si los datos son anómalos, ajuste inmediatamente los límites de medición y comience un nuevo ciclo de prueba y error para optimizar.

Desde la identificación de la frecuencia de transición de los qubits, la calibración de los pulsos de microondas para control y lectura, hasta la medición final del tiempo de coherencia, es decir, cuánto tiempo se mantiene la información cuántica, todo el proceso estándar de medición en física se ejecutó completamente de forma autónoma por IA.

En 40 mediciones complejas dirigidas a qubits de frecuencia fija, la IA gestionó completamente la mayoría de forma autónoma, y los investigadores humanos solo intervinieron cuatro veces.

Esta es una demostración de nivel de libro de texto de «operación autónoma» de la IA en la vanguardia de la física.

Para comprender la magnitud del avance de GPT-5.6 Sol, primero debemos desvelar el velo frío y fascinante de la computación cuántica: ¿por qué calibrar chips cuánticos hace sufrir a los físicos más destacados del mundo?

En las computadoras clásicas, el estado de un transistor es extremadamente binario: o bien 0 o bien 1, inamovible.

But in the world of superconducting quantum computing, qubits are called "artificial atoms".

They use superconducting Josephson junctions to construct nonlinear discrete energy levels.

Para hacer que estos "átomos artificiales" obedezcan, los científicos deben utilizar pulsos de microondas precisos hasta el nivel de nanosegundos o picosegundos para invertir los estados cuánticos entre diferentes niveles de energía, logrando así la operación de puertas lógicas cuánticas.

Pero los "átomos artificiales" son demasiado frágiles, demasiado nerviosos.

Primero, la coherencia es extremadamente frágil.

Señales electromagnéticas de ruido extremadamente débiles en el entorno, o incluso derivas de temperatura de unos pocos milikelvins (mK) en el refrigerador de dilución, pueden provocar la «descoherencia» de los qubits, haciendo que la información cuántica, preparada con tanto esfuerzo, colapse instantáneamente en ruido.

Y el "desplazamiento de parámetros" también es un desafío.

Las propiedades físicas de los qubits nunca son constantes inmutables. Debido a defectos materiales a nivel microscópico y fluctuaciones en sistemas de dos niveles, la frecuencia de resonancia medida en el chip ayer puede haber derivado hoy.

Además, múltiples factores en el estudio dependen de manera multifacética y están interconectados.

Para realizar un cálculo preciso, primero debes encontrar la frecuencia de resonancia de cada qubit; una vez encontrada la frecuencia, debes calibrar las oscilaciones de Rabi para determinar la amplitud del pulso; luego, mide las franjas de Ramsey para corregir con precisión la fase; a continuación, mide el tiempo de relajación energética $$T_$$ y el tiempo de decoherencia de fase $$T_$$…

Los datos del paso anterior son un requisito previo absoluto para el siguiente paso. Si hay un pequeño error sistemático en el paso previo, todas las mediciones posteriores se vuelven inválidas.

El equipo EQuS del MIT enfrenta diariamente un entorno experimental extremo: los chips cuánticos se colocan dentro de un gran cilindro llamado «refrigerador de dilución», donde la temperatura se reduce a niveles asombrosos de milikelvins (cercanos al cero absoluto, más frío que el espacio exterior).

Una vez que el paquete del chip se enfría, los humanos ya no pueden tocarlo manualmente; toda la interacción debe realizarse a través de software.

Los investigadores programan secuencias de pulsos de microondas en una computadora a temperatura ambiente, envían estos pulsos a través de un cable coaxial hasta el interior de la nevera, donde interactúan con los circuitos cuánticos del chip, y luego amplifican, digitalizan y devuelven las débiles señales reflejadas al mundo real para su análisis.

El día a día del laboratorio EQuS del MIT consiste en producir frecuentemente diversos chips cuánticos estándar para pruebas de referencia.

Sin embargo, en la realidad, caracterizar completamente un solo chip a menudo requiere que un estudiante de posgrado en física altamente capacitado permanezca junto al equipo durante días y noches consecutivos, realizando cientos o miles de mediciones y ajustes manuales interconectados.

Este es un secreto abierto en la comunidad de física: los físicos cuánticos contemporáneos a menudo dedican más del 70% de su juventud a trabajos experimentales repetitivos conocidos como «tornillos de ajuste».

Y ahora, GPT-5.6 Sol ha roto este impasse.

Según los detalles revelados por OpenAI y el MIT, esta prueba no fue un "macro automatizado" preprogramado, sino un juego dinámico de alta inteligencia.

Ante este chip de 6 qubits no calibrado, GPT-5.6 Sol demostró una «intuición física» y una «toma de decisiones adaptativa» extremadamente humanas:

Cuando la señal cuántica está en un estado de alta relación señal-ruido y características distintivas, el rendimiento de Codex es perfecto.

Primero emite una señal de barrido de ancho de banda, capturando con precisión el hueco de resonancia en la reflexión de la cavidad causado por transiciones de niveles cuánticos en un fondo de ruido, luego reduce automáticamente la ventana de barrido para bloquear con alta precisión la frecuencia de transición del qubit.

Luego, pasa sin interrupciones al control en el dominio del tiempo, ajusta con precisión la relación entre la amplitud del pulso y el ángulo de inversión, calibra los pulsos de lectura y control, y finalmente mide la ventana de tiempo durante la cual el qubit mantiene su estado coherente.

El proceso fluye sin interrupciones, sin necesidad de intervención humana.

En las capturas de pantalla de la documentación técnica lanzada por OpenAI, la cadena de pensamiento de GPT-5.6 Sol muestra su proceso de razonamiento. Frente a una curva senoidal amortiguada con fluctuaciones, se habla a sí misma internamente:

El residuo de ajuste actual es demasiado grande, posiblemente debido al desplazamiento de la referencia de fase de desmodulación, lo que provoca la mezcla de componentes I/Q... Primero necesito realizar el desenredado de fase; si el residuo aún no disminuye por debajo del umbral, debo aumentar el desajuste de microondas en 5 MHz y volver a escanear...

Este tipo de corrección y toma de decisiones basada en la «comprensión del significado físico» es precisamente la barrera que los programas de script tradicionales no podían superar.

Por supuesto, el informe oficial también muestra límites técnicos extremadamente reales:

Cuando la señal se vuelve débil o está saturada de ruido de fondo físico, GPT-5.6 Sol comienza a parecer «torpe».

En las regiones de borde con baja relación señal-ruido, el modelo de IA necesita probar repetidamente los parámetros, lo que hace que el tiempo consumido aumente exponencialmente; a veces, cuando los chips físicos exhiben fenómenos físicos inesperados, la IA cae en errores de interpretación y no puede realizar una atribución precisa, lo que finalmente requiere la intervención manual de investigadores experimentados.

OpenAI afirma abiertamente en su informe: los agentes de IA actuales pueden ejecutar con extrema estabilidad flujos de trabajo estándar bien definidos, pero la intuición de los científicos de élite sigue siendo irremplazable al interpretar resultados complejos altamente ambiguos y llenos de anomalías físicas.

Pero incluso así, ya ha logrado el salto más difícil de la historia humana: redimir por completo a los científicos de las tareas rutinarias y aburridas.

Pero tras la introducción de GPT-5.6 Sol y Codex, las relaciones de producción en el laboratorio se reestructuraron por completo:

Ascenso de rol: el ser humano se enfoca en el diseño de alto nivel (soluciones, mecanismos, planificación integral), desligándose de la configuración de parámetros de bajo nivel.

Coordinación de múltiples agentes: construir tres puestos de IA en teoría, control y simulación, trabajando en paralelo.

Autoevolución en tiempo real: Codex se encarga de la ejecución táctica; tras generar el código, se implementa directamente en chips cuánticos reales, realizando depuración inversa en tiempo real basada en retroalimentación física, formando un bucle extremadamente rápido.

Este superciclo cerrado de «deducción teórica - diseño de simulación - control de hardware físico - ajuste de datos - optimización iterativa» ha reducido drásticamente el ciclo de investigación, que antes se medía en «semanas», a horas e incluso minutos.

This is an dimensional upgrade to the entire paradigm of experimental physics work.

Hoy, OpenAI aparece en los principales medios internacionales: afirman haber logrado un importante avance matemático en el «problema del milenio», demostrando las ecuaciones de Navier–Stokes.

La certificación de OpenAI realmente indica que existen ciertos fluidos que, aunque inicialmente son completamente normales, alcanzan velocidad infinita en un tiempo finito bajo las ecuaciones de Navier-Stokes.

En otras palabras, en algunos casos, esta ecuación puede no reflejar confiablemente la realidad física.

Esta es la primera vez que la IA resuelve realmente un problema matemático del nivel de la «hipótesis de Riemann». Este problema no solo es famoso por su gran dificultad, sino también por sus amplias aplicaciones.

Las ecuaciones de Navier-Stokes se pueden utilizar para simular el clima, las corrientes oceánicas, el flujo de agua en tuberías, el movimiento de estrellas en galaxias, el flujo de aire alrededor de perfiles aerodinámicos, y también para diseñar aeronaves y vehículos, estudiar la circulación sanguínea, diseñar centrales eléctricas, analizar efectos de contaminación, entre otros.

Pero otro matemático, Tristan Buckmaster, planteó dudas, afirmando que OpenAI, al enterarse de su investigación y la de su colaborador Levent Alpöge de Anthropic, publicó apresuradamente lo que llamaban «solución».

Tristan Buckmaster también afirmó que OpenAI intentó excluir al investigador de Anthropic, Levent Alpöge, de la autoría del artículo.

OpenAI dice que solo resolvieron el problema de singularidad de la ecuación de Euler, mientras que ellos resolvieron la ecuación de Navier-Stokes.

Buckmaster dijo que estaban a un paso de resolver las ecuaciones de Navier-Stokes y, para no ser precedidos, publicaron sus resultados apresuradamente antes que OpenAI.

Según se informa, OpenAI utilizó 10,000 agentes, ejecutó durante 88 horas y consumió 130 mil millones de tokens.

Otto también indicó que los enfoques de ambas partes parecen ser diferentes, pero admitió que efectivamente recibió un estímulo de Anthropic: "Realmente intentamos esta dirección porque la semana pasada circuló un rumor en internet de que el modelo de Anthropic había resuelto un problema del milenio, y nos preguntamos si nuestro modelo también podría hacerlo."

Algunos usuarios de internet bromeaban:

Se dice que Anthropic descubrió un superconductor a temperatura ambiente, espero que ningún competidor vuelva a perder 88 horas y 10,000 agentes post-Astra para publicar notas.

Ultraman respondió: "let’s try" (esperen para ver).

La gente exclamó: "¡Las matemáticas están acabadas!", y estalló la verdadera crisis de supervivencia de las matemáticas.

Pero siempre que se trata del mundo físico, los grandes modelos suelen parecer "desarmados".

Pero este anuncio de OpenAI rompió por completo la barrera entre el mundo virtual y el físico.

La IA realmente ha entrado en el mundo físico humano para experimentar.

Referencias:

https://cdn.openai.com/pdf/case-study-agentic-calibration-of-superconducting-qubits.pdf

https://openai.com/index/codex-quantum-computing-experiments/

https://x.com/anabology/status/2097450250067689558

https://x.com/LuminaBench/status/2097421659552518226?s=20

Este artículo proviene del canal de WeChat "Nueva Inteligencia", autor: Apocalipsis de la IA; editor: Aeneas David