Haiqu представляет AgenticOS, чтобы поддерживать AI‑управляемые квантовые исследования в нужном русле

Научный расчёт может работать безупречно и всё равно отвечать не на тот вопрос. Если AI‑агент тихо меняет геометрию молекулы или удаляет электроны из симуляции, рабочий код и убедительный график могут скрыть испорченный эксперимент.

Это та проблема, которую Haiqu решает в своём объявлении от 7 октября о AgenticOS — системе, координирующей команды специализированных AI‑агентов в квантовых исследовательских проектах. Платформа предназначена для продвижения идеи через обзор литературы, математический анализ, проектирование и выполнение экспериментов, при этом сохраняя научные предположения доступными для проверки и одобрения исследователями.

Сейчас доступна по запросу для команд корпоративных N&D, AgenticOS построена на платформе Haiqu, объявленной в мае. Её центральное утверждение состоит в том, что полезная научная автоматизация требует способа сохранять смысл эксперимента на каждом этапе работы.

Преобразование исследовательского вопроса в проверяемый рабочий процесс

Согласно AgenticOS страница продукта, пользователи могут начать с вопроса, статей, данных или существующей идеи. Система помогает установить цели, ограничения и критерии успеха, затем организует исследование в виде исследовательского графа. Узлы представляют команды научных агентов, с зависимостями, решениями и исследовательскими артефактами, связывающими работу.

Исследователи могут просматривать результаты, комментировать предположения, перенаправлять модуль и одобрять важные решения до того, как продолжатся последующие задачи. Система опирается на базу знаний по квантовой теории, алгоритмам и отраслевым приложениям, а также на принятые в проекте решения и артефакты.

Эта структура важна, потому что исследовательский проект может провалиться задолго до окончательного расчёта. Выбор приближения меняет то, что моделируется; потеря раннего ограничения может сделать последующие результаты несравнимыми. Видимый рабочий процесс предоставляет учёным места для отслеживания этих изменений, вместо попыток восстановить их из готового ответа.

В объявлении Haiqu сообщает, что агенты выполняют обзор литературы, выводы из первых принципов, анализ квантовой реализуемости и проверку результатов. Валидация сочетает классические базовые линии, тесты, критических агентов и человеческую проверку, с формальной верификацией. Учёные определяют, какие предположения фиксированы, где уместна автономная работа и какие шаги требуют утверждения.

Со‑основатель и технический директор Mykola Maksymenko сказал, что система предназначена для снижения трудозатрат, необходимых для превращения перспективной исследовательской идеи в эксперимент, позволяя учёным уделять больше внимания выбору и изучению правильных вопросов.

Химический тест раскрывает разницу между кодом и наукой

В кейс-исследование по химии Haiqu рассматривает перенос протона в катионе Зунделя, H₅O₂⁺: две молекулы воды, разделяющие дополнительный протон. Задача заключалась в расчёте энергетического барьера при перемещении этого протона между молекулами при фиксированных научных условиях.

Десять независимых запусков AI получили одинаковое задание. Все они создали рабочий код, но четыре исключили необходимые электроны, а остальные изменили геометрию или путь протона. AgenticOS сохранил согласованный протокол, включая все 20 электронов и фиксированное расстояние между атомами кислорода.

Её симулированный расчёт квантовой диагонализации на основе выборки (SQD) дал барьер в 554,8 миллиэлектронвольт, по сравнению с эталоном полного конфигурационного взаимодействия в 574,3 миллиэлектронвольт — разница около 3,4 %. SQD сочетает выборку электронных конфигураций с классическим расчётом энергии.

Эти цифры описывают одну выбранную молекулярную модель. Эталон точен в рамках вычислительных предположений этой модели; результат не подтверждает универсальную точность или квантовое преимущество. Более актуальный вывод состоит в том, что сохранение протокола сделало расчёт значимым для сравнения.

Haiqu сообщает, что работа была принята на воркшоп NeurIPS 2026, посвящённый AI в научных открытиях. Это остаётся демонстрацией, представленной компанией, а не широким независимым бенчмарком надёжности исследований.

От контролируемой симуляции к квантовому оборудованию

В объявлении также описывается отдельный эксперимент с моделью Хаббарда, рамкой для изучения взаимодействующих электронов. Haiqu исследовал лёгированную, фрустрированную двумерную версию с диагональным переходом, актуальную для исследований медно‑основных сверхпроводников высокой температуры.

AgenticOS разработал эксперимент на решётке 3 × 3 и запустил его на квантовом компьютере IBM. Небольшая решётка позволила сравнить результаты с точным классическим решением. Haiqu сообщает о приблизительном снижении глубины цепи на 75 % и предложенной калибровке, которая согласовала выход оборудования с безошибочным выполнением того же метода.

Глубина цепи измеряет количество слоёв операций, необходимых для выполнения квантовой схемы. Сокращение её может помочь на современных шумных процессорах, где ошибки накапливаются во время вычислений. Согласие с идеальным выполнением служит полезным доказательством эффективности метода и рабочего процесса оборудования, но это не означает, что эксперимент решил проблему сверхпроводимости или превзошёл классические вычисления в этом масштабе.

Программный стек, лежащий в основе агентов

AgenticOS располагается над квантовой программной инфраструктурой Haiqu. В объявлении говорится, что SDK обеспечивает загрузку данных, сжатие схем и снижение ошибок, в то время как Haiqu Runtime управляет выполнением на симуляторах и квантовых процессорах.

Haiqu’s страница академической платформы добавляет практические детали: исследователи могут переносить код Qiskit в SDK, отслеживать задачи и сохранять бэкенды, данные калибровки, случайные семена и параметры компиляции. Эти записи помогают командам воспроизводить эксперимент и понимать, почему два выполнения отличаются.

Платформа также оценивает затраты на квантовую обработку до выполнения и использует пакетирование и кэширование, чтобы сократить ненужные запуски. Такие возможности связывают рабочий процесс агента с операционными ограничениями реального исследовательского бюджета.

Команды предприятий могут запросить доступ к AgenticOS. Академические исследователи могут подать заявку на бесплатный доступ к платформе через Academic Program от Haiqu и запросить кредиты AWS для классических и квантовых нагрузок; компания отмечает, что кредиты требуют одобрения и не гарантированы.

Для исследовательских команд обещающей частью объявления является непрерывность между вопросом, предположениями, кодом и доказательствами. Быстрые расчёты ценны только тогда, когда учёные могут определить, что именно было вычислено. AgenticOS делает это требование центральным элементом своего подхода к AI‑ассистированным квантовым исследованиям.