MIT研究者ベアトリス・ヤンケレヴィッチはGPT-5.6 Solを何に使ったのか？

未較正の6量子ビットチップでの測定実行、量子ビットの較正、結果の分析、実験の改良をCodexと組み合わせて自律的に行った。

GPT-5.6 Solは実験タスクでどの程度の性能を発揮したか？

明確で定型的な作業では優れた性能を示し、標準的な測定手順をほぼ人手なしで完了。シグナルが微弱・ノイズが多い場合には時間がかかり、誘導が必要だった。

大規模言語モデルロボティクスOpenAI Blog8時間前2026年9月9日 6:002分で読める

何が起きたか
MIT研究者ベアトリス・ヤンケレヴィッチが、GPT-5.6 SolとCodexを用い、未較正の6量子ビットチップで測定を自律的に実行。標準的な手順をほぼ人手なしで完了した。
なぜ重要か
従来は数カ月と数百～数千回の測定を要した較正作業をAIエージェントが肩代わりし、ヤンケレヴィッチは実験設計など高次元の業務に時間を割けるようになった。
注目点
GPT-5.6 Solは微弱・ノイズ混入シグナルでは苦戦し、誘導が必要な場合があった。新規実験での有用性は、曖昧な物理結果の解釈ができるかにかかっている。

誰に効くか反復的な較正・特性評価に携わる量子計算研究者は、定型作業をAIエージェントに委ねられる。一方、ノイズの多いデータや新規セットアップを扱う実験家は、AIを導く人間の専門知識が引き続き必要となる。

こういう要約が、毎朝あなたのメールに届きます。

背景と解説

量子計算実験は通常、数カ月の準備と数千回の予備測定を伴う。ヤンケレヴィッチの成果は、AIエージェントが定義済みの較正ルーチンを処理できることを示しており、研究ワークフローの自律化への第一歩となる。

MITのグループは標準チップで製造プロセスを評価するため、特性評価は反復作業となる。Codexを実験室ソフトウェアに接続すれば、エージェントは研究者が別の作業をしている間や夜間に測定を実行できる。ヤンケレヴィッチもスマートフォンから遠隔で確認している。

試金石は、AIが曖昧な物理結果を解釈できるかだ。現行モデルはノイズ混入シグナルでは依然課題があり、新規・複雑な実験では経験豊富な研究者が不可欠。不確実性への対応力が向上すれば、実験作業のより大きな部分をAIが担えるようになる。

よくある質問

MIT研究者ベアトリス・ヤンケレヴィッチはGPT-5.6 Solを何に使ったのか？: 未較正の6量子ビットチップでの測定実行、量子ビットの較正、結果の分析、実験の改良をCodexと組み合わせて自律的に行った。
GPT-5.6 Solは実験タスクでどの程度の性能を発揮したか？: 明確で定型的な作業では優れた性能を示し、標準的な測定手順をほぼ人手なしで完了。シグナルが微弱・ノイズが多い場合には時間がかかり、誘導が必要だった。