Haiqu præsenterer AgenticOS for at holde AI-drevet kvanteforskning på sporet

En videnskabelig beregning kan køre perfekt og stadig besvare det forkerte spørgsmål. Hvis en AI‑agent stille ændrer et molekyls geometri eller fjerner elektroner fra en simulering, kan fungerende kode og en overbevisende graf skjule et ødelagt eksperiment.

Det er det problem, Haiqu adresserer med sin 7. oktober‑meddelelse om AgenticOS, et system der koordinerer teams af specialiserede AI‑agenter på tværs af kvanteforskningsprojekter. Platformen er designet til at føre en idé gennem litteraturgennemgang, matematisk analyse, eksperimentdesign og -udførelse, samtidig med at videnskabelige antagelser holdes tilgængelige for forskere til at inspicere og godkende.

Tilgængelig nu for virksomheders F&D‑teams efter anmodning, bygger AgenticOS på Haiqu’s platform, som blev annonceret i maj. Dens centrale påstand er, at nyttig videnskabelig automatisering kræver en måde at bevare eksperimentets betydning gennem alle faser af arbejdet.

Omformning af et forskningsspørgsmål til en gennemgåelig arbejdsproces

Ifølge Haiqu’s AgenticOS produktside kan brugere starte med et spørgsmål, papirer, data eller en eksisterende idé. Systemet hjælper med at fastlægge mål, begrænsninger og succeskriterier og organiserer derefter undersøgelsen i en forskningsgraf. Noder repræsenterer teams af videnskabelige agenter med afhængigheder, beslutninger og forskningsartefakter, der forbinder arbejdet.

Forskere kan undersøge output, kommentere på antagelser, omdirigere et modul og godkende vigtige beslutninger, før efterfølgende opgaver fortsætter. Systemet trækker på en vidensbase inden for kvanteteori, algoritmer og industriapplikationer samt projektets accepterede beslutninger og artefakter.

Den struktur er vigtig, fordi et forskningsprojekt kan fejle længe før den endelige beregning. Valg af en tilnærmelse ændrer, hvad der modelleres; tab af en tidligere begrænsning kan gøre senere resultater uforenelige. En synlig arbejdsproces giver forskere steder, hvor de kan opfange disse ændringer i stedet for at forsøge at rekonstruere dem ud fra et færdigt svar.

I meddelelsen siger Haiqu, at agenterne håndterer litteraturgennemgang, afledninger fra første principper, kvante‑gennemførlighedsanalyse og resultatkontrol. Validering kombinerer klassiske grundlinjer, tests, kritiker‑agenter og menneskelig gennemgang med formel verifikation. Videnskabsfolk bestemmer, hvilke antagelser der er låst, hvor autonomt arbejde er passende, og hvilke trin der kræver godkendelse.

Medstifter og CTO Mykola Maksymenko sagde, at systemet er beregnet til at reducere den arbejdsindsats, der kræves for at omsætte en lovende forskningsidé til et eksperiment, så forskere kan bruge mere tid på at vælge og undersøge de rette spørgsmål.

En kemisk test afslører forskellen mellem kode og videnskab

Haiqu’s kemisk case study undersøger protonoverførsel i Zundel‑kationen, H₅O₂⁺: to vandmolekyler, der deler en ekstra proton. Opgaven var at beregne energibarrieren, mens den proton bevæger sig mellem dem, under en fast videnskabelig opsætning.

Ti selvstændige AI‑kørsler modtog den samme brief. Alle leverede fungerende kode, men fire udelod nødvendige elektroner, og andre ændrede geometrien eller protonens bane. AgenticOS bevarede den aftalte protokol, inklusive alle 20 elektroner og en fast oxygen‑oxygen‑afstand.

Dens simulerede prøvebaserede kvante‑diagonaliserings‑ (SQD) beregning producerede en barriere på 554,8 millielectronvolt, versus en reference på 574,3 millielectronvolt fra fuld konfigurationsinteraktion — omkring en forskel på 3,4 %. SQD kombinerer sampling af elektronkonfigurationer med en klassisk energiberegning.

Disse tal beskriver én udvalgt molekylmodel. Referencen er præcis inden for modellens beregningsantagelser; resultatet fastslår ikke universel nøjagtighed eller kvantefordel. Den mere umiddelbart relevante konklusion er, at bevarelsen af protokollen gjorde beregningen meningsfuld at sammenligne.

Haiqu siger, at arbejdet blev accepteret på en NeurIPS 2026‑workshop med fokus på AI for videnskabelig opdagelse. Det forbliver en virksomhedens rapporterede demonstration snarere end en bred uafhængig benchmark for forskningspålidelighed.

Fra en kontrolleret simulering til kvantehardware

Meddelelsen beskriver også et separat eksperiment, der involverer Hubbard‑modellen, en ramme for at studere interagerende elektroner. Haiqu undersøgte en dopet, frustreret todimensionel version med diagonal hopping, relevant for forskning i kobberbaserede højtemperatur‑superledere.

AgenticOS udviklede et eksperiment på et tre‑på‑tre‑gitter og kørte det på en IBM‑kvantecomputer. Det lille gitter tillod sammenligning med en eksakt klassisk løsning. Haiqu rapporterer en cirka 75 % reduktion i kredsløbsdybde og en foreslået kalibrering, der justerede hardware‑outputtet med en fejlfri udførelse af den samme metode.

Kredsløbsdybde måler lagene af operationer, der er nødvendige for at udføre en kvantekreds. At reducere den kan hjælpe på nutidens støjende processorer, hvor fejl akkumuleres under beregningen. Enighed med en ideel udførelse er nyttig evidens for metoden og hardware‑arbejdsprocessen, men det betyder ikke, at eksperimentet har løst superledning eller overgået klassisk beregning i den skala.

Software‑stakken bag agenterne

AgenticOS ligger over Haiqus kvante‑softwareinfrastruktur. Meddelelsen beskriver SDK’en som leverer dataindlæsning, kredsløbskomprimering og fejlmitigering, mens Haiqu Runtime håndterer udførelse på simulatorer og kvanteprocessorer.

Haiqus academic platform page tilføjer praktiske detaljer: forskere kan bringe Qiskit‑kode ind i SDK’en, spore jobs og bevare backends, kalibreringsinformation, tilfældige frø og kompileringsindstillinger. Disse optegnelser hjælper teams med at reproducere et eksperiment og forstå, hvorfor to udførelser afviger.

Platformen estimerer også kvantebehandlingsomkostninger før udførelse og bruger batch‑ og cache‑metoder til at reducere unødvendige kørsel. Sådanne funktioner forbinder agent‑arbejdsflowet med de operationelle begrænsninger i et reelt forskningsbudget.

Enterprise‑teams kan anmode om adgang til AgenticOS. Akademiske forskere kan ansøge om gratis platformadgang gennem Haiqus Academic Program og søge AWS‑kreditter til klassiske og kvante‑arbejdsbelastninger; virksomheden bemærker, at kreditter kræver godkendelse og ikke er garanteret.

For forskningsteams er den lovende del af meddelelsen kontinuiteten mellem spørgsmål, antagelser, kode og beviser. Hurtigere beregninger er kun værdifulde, når forskere kan fastslå, hvad der faktisk er beregnet. AgenticOS gør dette krav til en central del af sin tilgang til AI‑assisteret kvanteforskning.