Haiqu, AI 기반 양자 연구를 지속적으로 진행하도록 AgenticOS를 공개

과학적 계산이 완벽하게 실행되더라도 잘못된 질문에 대한 답을 줄 수 있습니다. AI 에이전트가 몰래 분자의 기하구조를 바꾸거나 시뮬레이션에서 전자를 빼버리면, 작동하는 코드와 설득력 있는 그래프가 깨진 실험을 숨길 수 있습니다.

이것이 Haiqu가 10월 7일 발표한 AgenticOS를 통해 해결하려는 문제입니다. AgenticOS는 양자 연구 프로젝트 전반에 걸쳐 특화된 AI 에이전트 팀을 조정하는 시스템입니다. 이 플랫폼은 아이디어를 문헌 검토, 수학적 분석, 실험 설계 및 실행 단계까지 진행하면서, 연구자들이 검토하고 승인할 수 있도록 과학적 가정을 유지하도록 설계되었습니다.

기업 R&D 팀이 요청하면 지금 바로 이용할 수 있는 AgenticOS는 5월에 발표된 Haiqu의 플랫폼을 기반으로 합니다. 핵심 주장은 유용한 과학 자동화는 작업의 모든 단계에서 실험의 의미를 보존할 수 있는 방법이 필요하다는 것입니다.

연구 질문을 검토 가능한 워크플로우로 전환하기

Haiqu의 AgenticOS 제품 페이지에 따르면, 사용자는 질문, 논문, 데이터 또는 기존 아이디어로 시작할 수 있습니다. 시스템은 목표, 제약 조건 및 성공 기준을 설정하도록 돕고, 조사 작업을 연구 그래프로 조직합니다. 노드는 과학 에이전트 팀을 나타내며, 의존성, 결정 및 연구 산출물이 작업을 연결합니다.

연구자들은 출력물을 검토하고, 가정에 대해 의견을 달며, 모듈을 재지정하고, 하위 작업이 진행되기 전에 중요한 결정을 승인할 수 있습니다. 이 시스템은 양자 이론, 알고리즘 및 산업 적용 사례에 대한 지식베이스와 프로젝트에서 승인된 결정 및 산출물을 활용합니다.

그 구조가 중요한 이유는 연구 프로젝트가 최종 계산에 도달하기 훨씬 전에 실패할 수 있기 때문입니다. 근사 방법을 선택하면 모델링 대상이 바뀌며, 초기 제약 조건을 잃으면 이후 결과를 비교할 수 없게 됩니다. 가시적인 워크플로우는 과학자들에게 이러한 변화를 포착할 수 있는 지점을 제공하여, 완성된 답변에서 재구성하려는 시도를 줄여줍니다.

발표에서 Haiqu는 에이전트가 문헌 검토, 일차 원리 유도, 양자 타당성 분석 및 결과 검증을 수행한다고 밝혔습니다. 검증은 고전적인 기준선, 테스트, 비평 에이전트 및 인간 검토를 공식 검증과 결합합니다. 과학자들은 어떤 가정이 고정되어야 하는지, 자율 작업이 적합한 영역은 어디인지, 어떤 단계가 승인을 필요로 하는지를 결정합니다.

공동 설립자이자 CTO인 Mykola Maksymenko는 이 시스템이 유망한 연구 아이디어를 실험으로 전환하는 데 필요한 노동을 줄이는 것을 목표로 하며, 과학자들이 올바른 질문을 선택하고 조사하는 데 더 많은 주의를 기울일 수 있게 한다고 말했습니다.

화학 테스트가 코드와 과학의 차이를 드러낸다

Haiqu의 화학 사례 연구는 Zundel 양이온(H₅O₂⁺)에서의 양성자 전달을 조사합니다: 두 개의 물 분자가 추가 양성자를 공유합니다. 이 작업은 고정된 과학적 설정 하에서 양성자가 두 분자 사이를 이동할 때의 에너지 장벽을 계산하는 것이었습니다.

동일한 과제를 받은 독립형 AI 실행 10개가 모두 작업 코드를 생성했지만, 네 개는 필요한 전자를 제외했으며, 나머지는 기하구조나 양성자 경로를 변경했습니다. AgenticOS는 20개의 전자와 고정된 산소–산소 거리 등을 포함한 합의된 프로토콜을 유지했습니다.

시뮬레이션된 샘플 기반 양자 대각화(SQD) 계산은 554.8 밀리전자볼트의 장벽을 산출했으며, 이는 574.3 밀리전자볼트의 전체 구성 상호작용 기준값과 비교해 약 3.4% 차이입니다. SQD는 전자 구성 샘플링을 고전적인 에너지 계산과 결합합니다.

이 수치는 하나의 선택된 분자 모델을 설명합니다. 해당 모델의 계산 가정 내에서는 기준값이 정확하지만, 결과가 보편적인 정확성이나 양자 우위를 입증하는 것은 아닙니다. 보다 즉각적으로 중요한 발견은 프로토콜을 유지함으로써 계산을 비교할 수 있게 의미 있게 만들었다는 점입니다.

Haiqu는 이 작업이 과학적 발견을 위한 AI에 초점을 맞춘 NeurIPS 2026 워크숍에서 채택되었다고 말합니다. 이는 광범위한 독립적인 연구 신뢰성 벤치마크라기보다 회사가 보고한 시연에 불과합니다.

제어된 시뮬레이션에서 양자 하드웨어로

발표에서는 또한 상호작용 전자를 연구하기 위한 프레임워크인 Hubbard 모델을 활용한 별도 실험을 설명합니다. Haiqu는 대각선 홉핑을 포함한 도핑되고 좌절된 2차원 버전을 조사했으며, 이는 구리 기반 고온 초전도체 연구와 관련이 있습니다.

AgenticOS는 3×3 그리드 실험을 개발하고 이를 IBM 양자 컴퓨터에서 실행했습니다. 작은 그리드는 정확한 고전 솔루션과의 비교를 가능하게 했습니다. Haiqu는 회로 깊이가 약 75% 감소했으며, 동일한 방법의 오류 없는 실행과 하드웨어 출력을 맞추는 보정안을 제시했다고 보고했습니다.

회로 깊이는 양자 회로를 실행하는 데 필요한 연산 층 수를 측정합니다. 이를 줄이면 오류가 누적되는 오늘날의 노이즈가 많은 프로세서에서 도움이 될 수 있습니다. 이상적인 실행과의 일치는 방법론 및 하드웨어 워크플로우에 대한 유용한 증거이지만, 실험이 초전도성을 해결했거나 해당 규모에서 고전 컴퓨팅을 능가했다는 의미는 아닙니다.

에이전트를 지원하는 소프트웨어 스택

AgenticOS는 Haiqu의 양자 소프트웨어 인프라 위에 위치합니다. 발표에서는 SDK가 데이터 로드, 회로 압축 및 오류 완화를 제공한다고 설명하고, Haiqu Runtime은 시뮬레이터와 양자 프로세서에서 실행을 관리합니다.

Haiqu의 학술 플랫폼 페이지는 실용적인 세부 정보를 추가합니다: 연구자들은 Qiskit 코드를 SDK에 가져오고, 작업을 추적하며 백엔드, 보정 정보, 랜덤 시드 및 컴파일 설정을 보존할 수 있습니다. 이러한 기록은 팀이 실험을 재현하고 두 실행이 왜 다른지 이해하는 데 도움이 됩니다.

이 플랫폼은 실행 전에 양자 처리 비용을 추정하고 배치 및 캐싱을 사용하여 불필요한 실행을 줄입니다. 이러한 기능은 에이전트 워크플로를 실제 연구 예산의 운영 제약과 연결합니다.

기업 팀은 AgenticOS 접근을 요청할 수 있습니다. 학술 연구자들은 Haiqu의 Academic Program을 통해 무료 플랫폼 접근을 신청하고 고전 및 양자 워크로드에 대한 AWS 크레딧을 요청할 수 있습니다; 회사는 크레딧이 승인되어야 하며 보장되지 않는다고 밝혔습니다.

연구팀에게 이번 발표의 기대되는 부분은 질문, 가정, 코드 및 증거 사이의 연속성입니다. 더 빠른 계산은 과학자들이 실제로 무엇이 계산되었는지를 판단할 수 있을 때만 가치가 있습니다. AgenticOS는 이 요구사항을 AI 지원 양자 연구 접근 방식의 핵심 요소로 만듭니다.