Haiqu Luncurkan AgenticOS untuk Menjaga Penelitian Kuantum Berbasis AI Tetap pada Jalurnya

Sebuah perhitungan ilmiah dapat berjalan sempurna namun tetap menjawab pertanyaan yang salah. Jika sebuah agen AI diam-diam mengubah geometri molekul atau menghilangkan elektron dari simulasi, kode yang berfungsi dan grafik yang meyakinkan dapat menyembunyikan eksperimen yang rusak.

Itulah masalah yang ditargetkan Haiqu dengan pengumuman AgenticOS pada 7 Oktober, sebuah sistem yang mengkoordinasikan tim agen AI khusus di seluruh proyek penelitian kuantum. Platform ini dirancang untuk membawa sebuah ide melalui tinjauan literatur, analisis matematis, perancangan dan pelaksanaan eksperimen sambil menjaga asumsi ilmiah tetap tersedia bagi peneliti untuk memeriksa dan menyetujui.

Tersedia sekarang untuk tim R&D perusahaan atas permintaan, AgenticOS dibangun di atas platform Haiqu yang diumumkan pada bulan Mei. Gagasan utamanya adalah bahwa otomatisasi ilmiah yang berguna memerlukan cara untuk mempertahankan makna eksperimen di setiap tahap pekerjaan.

Mengubah Pertanyaan Penelitian menjadi Alur Kerja yang Dapat Ditinjau

Menurut halaman produk AgenticOS Haiqu, pengguna dapat memulai dengan sebuah pertanyaan, makalah, data, atau ide yang sudah ada. Sistem ini membantu menetapkan tujuan, batasan, dan kriteria keberhasilan, kemudian mengatur penyelidikan ke dalam grafik riset. Node mewakili tim agen ilmiah, dengan ketergantungan, keputusan, dan artefak riset yang menghubungkan pekerjaan.

Peneliti dapat memeriksa output, mengomentari asumsi, mengarahkan ulang sebuah modul, dan menyetujui keputusan penting sebelum tugas-tugas hilir berlanjut. Sistem ini memanfaatkan basis pengetahuan tentang teori kuantum, algoritma, dan aplikasi industri, bersama dengan keputusan dan artefak proyek yang telah diterima.

Struktur itu penting karena sebuah proyek penelitian dapat gagal jauh sebelum perhitungan akhir. Memilih sebuah pendekatan mengubah apa yang dimodelkan; kehilangan batasan sebelumnya dapat membuat hasil selanjutnya tidak dapat dibandingkan. Alur kerja yang terlihat memberi para ilmuwan tempat untuk menangkap perubahan tersebut, alih-alih mencoba merekonstruksi mereka dari jawaban yang sudah selesai.

Dalam pengumuman tersebut, Haiqu menyatakan bahwa agen-agen menangani tinjauan literatur, derivasi prinsip pertama, analisis kelayakan kuantum, dan pemeriksaan hasil. Validasi menggabungkan baseline klasik, pengujian, agen kritikus, dan tinjauan manusia, dengan verifikasi formal. Ilmuwan menentukan asumsi mana yang dikunci, di mana pekerjaan otonom tepat, dan langkah mana yang memerlukan persetujuan.

Co-founder dan CTO Mykola Maksymenko mengatakan sistem ini dimaksudkan untuk mengurangi tenaga kerja yang diperlukan untuk mengubah ide penelitian yang menjanjikan menjadi sebuah eksperimen, memungkinkan ilmuwan mengalokasikan lebih banyak perhatian untuk memilih dan menyelidiki pertanyaan yang tepat.

Uji kimia mengungkap perbedaan antara kode dan ilmu

Haiqu’s studi kasus kimia meneliti transfer proton dalam kation Zundel, H₅O₂⁺: dua molekul air yang berbagi proton tambahan. Tugasnya adalah menghitung hambatan energi saat proton tersebut berpindah di antara keduanya, dalam pengaturan ilmiah yang tetap.

Sepuluh eksekusi AI mandiri menerima brief yang sama. Semua menghasilkan kode yang berfungsi, tetapi empat mengeluarkan elektron yang diperlukan, dan yang lain mengubah geometri atau jalur proton. AgenticOS mempertahankan protokol yang disepakati, termasuk semua 20 elektron dan jarak oksigen–oksigen yang tetap.

Perhitungan diagonalasi kuantum berbasis sampel (SQD) yang disimulasikannya menghasilkan hambatan sebesar 554.8 mili-elektronvolt, dibandingkan dengan referensi interaksi konfigurasi penuh sebesar 574.3 mili-elektronvolt—sekitar selisih 3.4%. SQD menggabungkan sampling konfigurasi elektronik dengan perhitungan energi klasik.

Angka-angka tersebut menggambarkan satu model molekul terpilih. Referensi tersebut tepat dalam asumsi komputasi model itu; hasilnya tidak menetapkan akurasi universal atau keunggulan kuantum. Temuan yang lebih langsung relevan adalah bahwa mempertahankan protokol membuat perhitungan menjadi bermakna untuk dibandingkan.

Haiqu mengatakan pekerjaan tersebut diterima di workshop NeurIPS 2026 yang berfokus pada AI untuk penemuan ilmiah. Ini tetap merupakan demonstrasi yang dilaporkan oleh perusahaan, bukan benchmark independen yang luas tentang keandalan penelitian.

Dari Simulasi Terkontrol ke Perangkat Keras Kuantum

Pengumuman tersebut juga menggambarkan eksperimen terpisah yang melibatkan model Hubbard, sebuah kerangka kerja untuk mempelajari elektron yang berinteraksi. Haiqu menyelidiki versi dua dimensi yang doped, frustrated dengan hopping diagonal, yang relevan dengan penelitian tentang superkonduktor suhu tinggi berbasis tembaga.

AgenticOS mengembangkan sebuah eksperimen pada grid tiga-per-tiga dan menjalankannya pada komputer kuantum IBM. Grid kecil tersebut memungkinkan perbandingan dengan solusi klasik yang tepat. Haiqu melaporkan pengurangan kedalaman sirkuit sekitar 75% dan kalibrasi yang diusulkan yang menyelaraskan output perangkat keras dengan eksekusi bebas error dari metode yang sama.

Kedalaman sirkuit mengukur lapisan operasi yang diperlukan untuk mengeksekusi sebuah sirkuit kuantum. Menguranginya dapat membantu pada prosesor berisik saat ini, di mana kesalahan terakumulasi selama komputasi. Kesepakatan dengan eksekusi ideal merupakan bukti berguna tentang metode dan alur kerja perangkat keras, namun tidak berarti eksperimen tersebut telah memecahkan masalah superkonduktivitas atau melampaui komputasi klasik pada skala tersebut.

Tumpukan Perangkat Lunak di Balik Agen

AgenticOS berada di atas infrastruktur perangkat lunak kuantum Haiqu. Pengumuman tersebut menjelaskan bahwa SDK menyediakan pemuatan data, kompresi sirkuit, dan mitigasi kesalahan, sementara Haiqu Runtime mengelola eksekusi pada simulator dan prosesor kuantum.

Haiqu’s halaman platform akademik menambahkan detail praktis: peneliti dapat membawa kode Qiskit ke dalam SDK, melacak pekerjaan, dan menyimpan backend, informasi kalibrasi, seed acak, serta pengaturan kompilasi. Catatan tersebut membantu tim mereproduksi eksperimen dan memahami mengapa dua eksekusi berbeda.

Platform tersebut juga memperkirakan biaya pemrosesan kuantum sebelum eksekusi dan menggunakan batch serta caching untuk mengurangi run yang tidak perlu. Kemampuan semacam itu menghubungkan alur kerja agen dengan kendala operasional dari anggaran riset yang nyata.

Tim perusahaan dapat meminta akses AgenticOS. Peneliti akademik dapat mengajukan akses platform gratis melalui Program Akademik Haiqu dan mencari kredit AWS untuk beban kerja klasik dan kuantum; perusahaan mencatat bahwa kredit memerlukan persetujuan dan tidak dijamin.

Bagi tim riset, bagian yang menjanjikan dari pengumuman ini adalah kesinambungan antara pertanyaan, asumsi, kode, dan bukti. Perhitungan yang lebih cepat hanya berharga ketika ilmuwan dapat menentukan apa yang sebenarnya dihitung. AgenticOS menjadikan persyaratan itu sebagai bagian sentral dari pendekatannya terhadap riset kuantum berbantu AI.