Haiqu presenta AgenticOS para mantener la investigación cuántica impulsada por IA en marcha

Un cálculo científico puede ejecutarse perfectamente y aun así responder a la pregunta equivocada. Si un agente de IA modifica silenciosamente la geometría de una molécula o elimina electrones de una simulación, el código funcional y un gráfico convincente pueden ocultar un experimento fallido.

Ese es el problema que Haiqu aborda con su anuncio del 7 de octubre de AgenticOS, un sistema que coordina equipos de agentes de IA especializados en proyectos de investigación cuántica. La plataforma está diseñada para llevar una idea desde la revisión bibliográfica, el análisis matemático, el diseño y la ejecución del experimento, manteniendo las hipótesis científicas disponibles para que los investigadores las inspeccionen y aprueben.

Disponible ahora para equipos de I&D empresariales bajo solicitud, AgenticOS se basa en la plataforma de Haiqu anunciada en mayo. Su propuesta central es que la automatización científica útil necesita una forma de preservar el significado del experimento en cada etapa del trabajo.

Convertir una pregunta de investigación en un flujo de trabajo revisable

Según la página del producto AgenticOS de Haiqu, los usuarios pueden comenzar con una pregunta, artículos, datos o una idea existente. El sistema ayuda a establecer objetivos, limitaciones y criterios de éxito, y luego organiza la investigación en un grafo de investigación. Los nodos representan equipos de agentes científicos, con dependencias, decisiones y artefactos de investigación que conectan el trabajo.

Los investigadores pueden examinar los resultados, comentar las suposiciones, redirigir un módulo y aprobar decisiones importantes antes de que continúen las tareas posteriores. El sistema se basa en una base de conocimientos de teoría cuántica, algoritmos y aplicaciones industriales, junto con las decisiones y artefactos aceptados del proyecto.

Esa estructura es importante porque un proyecto de investigación puede fallar mucho antes de su cálculo final. Elegir una aproximación cambia lo que se está modelando; perder una limitación anterior puede hacer que los resultados posteriores sean incomparables. Un flujo de trabajo visible brinda a los científicos puntos donde detectar esos cambios, en lugar de intentar reconstruirlos a partir de una respuesta final.

En el anuncio, Haiqu afirma que los agentes se encargan de la revisión bibliográfica, derivaciones de primeros principios, análisis de viabilidad cuántica y verificación de resultados. La validación combina referencias clásicas, pruebas, agentes críticos y revisión humana, con verificación formal. Los científicos determinan qué suposiciones están fijadas, dónde es apropiado el trabajo autónomo y qué pasos requieren aprobación.

El cofundador y director de tecnología Mykola Maksymenko dijo que el sistema está destinado a reducir el trabajo necesario para convertir una idea de investigación prometedora en un experimento, permitiendo a los científicos dedicar más atención a seleccionar e investigar las preguntas correctas.

Una prueba de química revela la diferencia entre código y ciencia

El estudio de caso de química de Haiqu examina la transferencia de protones en el catión Zundel, H₅O₂⁺: dos moléculas de agua que comparten un protón adicional. La tarea consistía en calcular la barrera de energía mientras ese protón se desplaza entre ellas, bajo una configuración científica fija.

Diez ejecuciones independientes de IA recibieron el mismo encargo. Todas produjeron código funcional, pero cuatro excluyeron electrones requeridos, y otras alteraron la geometría o la trayectoria del protón. AgenticOS preservó el protocolo acordado, incluyendo los 20 electrones y una separación fija oxígeno‑oxígeno.

Su cálculo de diagonalización cuántica basada en muestras simuladas, o SQD, produjo una barrera de 554,8 milielectronvoltios, frente a una referencia de interacción de configuración completa de 574,3 milielectronvoltios, aproximadamente una diferencia del 3,4 %. SQD combina el muestreo de configuraciones electrónicas con un cálculo de energía clásico.

Esos números describen un modelo molecular seleccionado. La referencia es exacta dentro de las suposiciones computacionales de ese modelo; el resultado no establece una precisión universal ni una ventaja cuántica. El hallazgo más relevante de inmediato es que preservar el protocolo hizo que el cálculo fuera significativo para comparar.

Haiqu afirma que el trabajo fue aceptado en un taller de NeurIPS 2026 centrado en IA para el descubrimiento científico. Sigue siendo una demostración reportada por la empresa, más que un amplio benchmark independiente de la fiabilidad de la investigación.

De una simulación controlada al hardware cuántico

El anuncio también describe un experimento separado que involucra el modelo de Hubbard, un marco para estudiar electrones interaccionantes. Haiqu investigó una versión dopada y frustrada en dos dimensiones con salto diagonal, relevante para la investigación de superconductores de alta temperatura basados en cobre.

AgenticOS desarrolló un experimento en una cuadrícula de tres por tres y lo ejecutó en una computadora cuántica de IBM. La pequeña cuadrícula permitió la comparación con una solución clásica exacta. Haiqu informa una reducción aproximada del 75 % en la profundidad del circuito y una calibración propuesta que alineó la salida del hardware con una ejecución sin errores del mismo método.

La profundidad del circuito mide las capas de operaciones necesarias para ejecutar un circuito cuántico. Reducirla puede ayudar en los procesadores ruidosos actuales, donde los errores se acumulan durante el cálculo. La coincidencia con una ejecución ideal es una evidencia útil sobre el método y el flujo de trabajo del hardware, pero no implica que el experimento haya resuelto la superconductividad o superado la computación clásica a esa escala.

La pila de software detrás de los agentes

AgenticOS se sitúa por encima de la infraestructura de software cuántico de Haiqu. El anuncio describe el SDK como que proporciona carga de datos, compresión de circuitos y mitigación de errores, mientras que Haiqu Runtime gestiona la ejecución en simuladores y procesadores cuánticos.

Haiqu’s página de la plataforma académica añade detalles prácticos: los investigadores pueden llevar código Qiskit al SDK, rastrear trabajos y conservar backends, información de calibración, semillas aleatorias y configuraciones de compilación. esos registros ayudan a los equipos a reproducir un experimento y a entender por qué dos ejecuciones difieren.

La plataforma también estima los costos de procesamiento cuántico antes de la ejecución y utiliza el procesamiento por lotes y el almacenamiento en caché para reducir ejecuciones innecesarias. Estas capacidades conectan el flujo de trabajo del agente con las limitaciones operativas de un presupuesto de investigación real.

Los equipos empresariales pueden solicitar acceso a AgenticOS. Los investigadores académicos pueden solicitar acceso gratuito a la plataforma a través del Programa Académico de Haiqu y buscar créditos de AWS para cargas de trabajo clásicas y cuánticas; la empresa señala que los créditos requieren aprobación y no están garantizados.

Para los equipos de investigación, la parte prometedora del anuncio es la continuidad entre la pregunta, las suposiciones, el código y la evidencia. Los cálculos más rápidos son valiosos solo cuando los científicos pueden determinar qué se calculó realmente. AgenticOS convierte ese requisito en una parte central de su enfoque para la investigación cuántica asistida por IA.