Haiqu wprowadza AgenticOS, aby utrzymać badania kwantowe napędzane AI na właściwej drodze

Obliczenie naukowe może działać perfekcyjnie i nadal odpowiadać na niewłaściwe pytanie. Jeśli agent AI cicho zmieni geometrię cząsteczki lub usunie elektrony z symulacji, działający kod i przekonujący wykres mogą ukryć zepsuty eksperyment.

To jest problem, który Haiqu stara się rozwiązać w swoim ogłoszeniu z 7 października dotyczącym AgenticOS, systemu koordynującego zespoły wyspecjalizowanych agentów AI w projektach badań kwantowych. Platforma została zaprojektowana tak, aby prowadzić pomysł przez przegląd literatury, analizę matematyczną, projektowanie i realizację eksperymentu, jednocześnie udostępniając założenia naukowe do wglądu i zatwierdzenia przez badaczy.

Dostępny już teraz dla zespołów B&R przedsiębiorstw na żądanie, AgenticOS opiera się na platformie Haiqu ogłoszonej w maju. Jego główna teza brzmi, że użyteczna automatyzacja naukowa wymaga sposobu zachowania znaczenia eksperymentu na każdym etapie pracy.

Przekształcanie pytania badawczego w przeglądalny przepływ pracy

Zgodnie ze stroną produktu AgenticOS firmy Haiqu, użytkownicy mogą rozpocząć od pytania, publikacji, danych lub istniejącej koncepcji. System pomaga ustalić cele, ograniczenia i kryteria sukcesu, a następnie organizuje badanie w grafie badawczym. Węzły reprezentują zespoły agentów naukowych, z zależnościami, decyzjami i artefaktami badawczymi łączącymi pracę.

Badacze mogą przeglądać wyniki, komentować założenia, przekierowywać moduł i zatwierdzać ważne decyzje przed kontynuacją zadań zależnych. System korzysta z bazy wiedzy o teorii kwantowej, algorytmach i zastosowaniach przemysłowych, wraz z zaakceptowanymi decyzjami i artefaktami projektu.

Ta struktura ma znaczenie, ponieważ projekt badawczy może nie powieść się długo przed ostatecznym obliczeniem. Wybór przybliżenia zmienia to, co jest modelowane; utrata wcześniejszego ograniczenia może sprawić, że późniejsze wyniki będą nieporównywalne. Widoczny przepływ pracy daje naukowcom miejsca, w których mogą wychwycić te zmiany, zamiast próbować odtworzyć je na podstawie gotowej odpowiedzi.

W ogłoszeniu Haiqu informuje, że agenci zajmują się przeglądem literatury, wyprowadzeniami od pierwszych zasad, analizą wykonalności kwantowej oraz weryfikacją wyników. Walidacja łączy klasyczne podstawy, testy, agentów krytyków i przegląd ludzki, z formalną weryfikacją. Naukowcy określają, które założenia są zamknięte, gdzie odpowiednia jest praca autonomiczna i które kroki wymagają zatwierdzenia.

Współzałożyciel i CTO Mykola Maksymenko powiedział, że system ma na celu zmniejszenie nakładu pracy potrzebnego do przekształcenia obiecującej koncepcji badawczej w eksperyment, umożliwiając naukowcom poświęcenie większej uwagi na wybór i badanie właściwych pytań.

Test chemiczny ukazuje różnicę między kodem a nauką

W studium przypadku chemii firmy Haiqu badany jest transfer protonu w kationie Zundela, H₅O₂⁺: dwa cząsteczki wody dzielące dodatkowy proton. Zadaniem było obliczenie bariery energetycznej, gdy proton przemieszcza się pomiędzy nimi, przy stałym ustawieniu naukowym.

Dziesięć niezależnych uruchomień AI otrzymało to samo zadanie. Wszystkie wygenerowały działający kod, ale cztery pominęły wymagane elektrony, a inne zmieniły geometrię lub ścieżkę protonu. AgenticOS zachował uzgodniony protokół, w tym wszystkie 20 elektronów oraz stałe odległości między atomami tlenu.

Jego symulowane obliczenie kwantowej diagonalizacji opartej na próbkach, czyli SQD, wydało barierę wynoszącą 554,8 milielektronowoltów, w porównaniu z referencyjnym pełnym interakcjonistycznym wynikiem 574,3 milielektronowolta — różnica około 3,4 %. SQD łączy próbkowanie konfiguracji elektronicznych z klasycznym obliczeniem energii.

Te liczby opisują jeden wybrany model molekularny. Referencja jest dokładna w ramach założeń obliczeniowych tego modelu; wynik nie dowodzi uniwersalnej dokładności ani przewagi kwantowej. Bardziej istotnym wnioskiem jest to, że zachowanie protokołu uczyniło obliczenie porównywalnym.

Haiqu podaje, że praca została przyjęta na warsztat NeurIPS 2026 poświęcony AI w odkrywaniu naukowym. Pozostaje to demonstracją zgłoszoną przez firmę, a nie szerokim, niezależnym benchmarkiem wiarygodności badań.

Od kontrolowanej symulacji do sprzętu kwantowego

Ogłoszenie opisuje także osobny eksperyment z udziałem modelu Hubbarda, ramy do badania oddziałujących elektronów. Haiqu zbadało domieszkowaną, sfrustrowaną dwuwymiarową wersję z przekątnym skokiem, istotną dla badań nad miedziowymi nadprzewodnikami wysokotemperaturowymi.

AgenticOS opracował eksperyment na siatce 3 × 3 i uruchomił go na kwantowym komputerze IBM. Mała siatka umożliwiła porównanie z dokładnym klasycznym rozwiązaniem. Haiqu informuje o przybliżonym 75 % zmniejszeniu głębokości obwodu oraz proponowanej kalibracji, która wyrównała wyjście sprzętu z wykonaniem tej samej metody bez błędów.

Głębokość obwodu mierzy liczbę warstw operacji potrzebnych do wykonania kwantowego obwodu. Jej redukcja może pomóc na dzisiejszych szumnych procesorach, gdzie błędy gromadzą się podczas obliczeń. Zgodność z idealnym wykonaniem jest przydatnym dowodem na skuteczność metody i przepływu pracy sprzętu, ale nie oznacza, że eksperyment rozwiązał problem nadprzewodnictwa ani nie przewyższył klasycznej informatyki w tej skali.

Stos oprogramowania stojący za agentami

AgenticOS znajduje się ponad infrastrukturą oprogramowania kwantowego Haiqu. Ogłoszenie opisuje SDK jako zapewniające ładowanie danych, kompresję obwodów i łagodzenie błędów, podczas gdy Haiqu Runtime zarządza wykonywaniem na symulatorach i procesorach kwantowych.

Haiqu’s strona platformy akademickiej dodaje praktyczne szczegóły: badacze mogą wprowadzić kod Qiskit do SDK, śledzić zadania i zachowywać backendy, informacje o kalibracji, losowe ziarna oraz ustawienia kompilacji. Te zapisy pomagają zespołom odtworzyć eksperyment i zrozumieć, dlaczego dwa uruchomienia różnią się.

Platforma również szacuje koszty przetwarzania kwantowego przed uruchomieniem i wykorzystuje grupowanie oraz buforowanie, aby zmniejszyć niepotrzebne przebiegi. Takie możliwości łączą przepływ pracy agenta z operacyjnymi ograniczeniami rzeczywistego budżetu badawczego.

Zespoły korporacyjne mogą ubiegać się o dostęp do AgenticOS. Badacze akademiccy mogą aplikować o darmowy dostęp do platformy poprzez Academic Program Haiqu oraz ubiegać się o kredyty AWS na klasyczne i kwantowe obciążenia; firma zauważa, że kredyty wymagają zatwierdzenia i nie są gwarantowane.

Dla zespołów badawczych obiecującą częścią ogłoszenia jest ciągłość pomiędzy pytaniem, założeniami, kodem a dowodami. Szybsze obliczenia są wartościowe tylko wtedy, gdy naukowcy mogą określić, co faktycznie zostało obliczone. AgenticOS czyni to wymaganie centralnym elementem swojego podejścia do badań kwantowych wspomaganych przez SI.