Haiqu presenterar AgenticOS för att hålla AI-drivet kvantforskning på rätt spår

En vetenskaplig beräkning kan köras felfritt och ändå besvara fel fråga. Om en AI‑agent tyst ändrar en molekyls geometri eller tar bort elektroner från en simulering, kan fungerande kod och en övertygande graf dölja ett trasigt experiment.

Det är det problem som Haiqu riktar in sig på med sin 7 oktober‑annonsering av AgenticOS, ett system som samordnar team av specialiserade AI‑agenter över kvantforskningsprojekt. Plattformen är utformad för att föra en idé genom litteraturgenomgång, matematisk analys, experimentdesign och genomförande samtidigt som vetenskapliga antaganden hålls tillgängliga för forskare att granska och godkänna.

Tillgänglig nu för företags‑F&U‑team på begäran, bygger AgenticOS på Haiqus plattform som annonserades i maj. Dess centrala påstående är att användbar vetenskaplig automatisering kräver ett sätt att bevara experimentets innebörd genom varje steg i arbetet.

Omvandla en forskningsfråga till ett granskningsbart arbetsflöde

Enligt Haiqus AgenticOS produktsida kan användare börja med en fråga, artiklar, data eller en befintlig idé. Systemet hjälper till att fastställa mål, begränsningar och framgångskriterier, och organiserar sedan undersökningen i ett forskningsgraf. Noder representerar team av vetenskapliga agenter, med beroenden, beslut och forskningsartefakter som kopplar ihop arbetet.

Forskare kan granska resultat, kommentera antaganden, omdirigera en modul och godkänna viktiga beslut innan efterföljande uppgifter fortsätter. Systemet drar nytta av en kunskapsbas för kvantteori, algoritmer och industriella tillämpningar, tillsammans med projektets accepterade beslut och artefakter.

Den strukturen är viktig eftersom ett forskningsprojekt kan misslyckas långt innan den slutliga beräkningen. Att välja en approximation förändrar vad som modelleras; att förlora en tidigare begränsning kan göra senare resultat oförenliga. Ett synligt arbetsflöde ger forskare möjlighet att fånga dessa förändringar, istället för att försöka rekonstruera dem från ett färdigt svar.

I tillkännagivandet säger Haiqu att agenterna hanterar litteraturgenomgång, förstahandsderiveringar, kvantgenomförbarhetsanalys och resultatkontroll. Validering kombinerar klassiska referensramar, tester, kritikeragenter och mänsklig granskning, med formell verifiering. Forskare bestämmer vilka antaganden som är låsta, var autonomt arbete är lämpligt och vilka steg som kräver godkännande.

Medgrundare och CTO Mykola Maksymenko sade att systemet är avsett att minska den arbetsinsats som krävs för att omvandla en lovande forskningsidé till ett experiment, vilket gör det möjligt för forskare att ägna mer uppmärksamhet åt att välja och undersöka rätt frågor.

Ett kemitest avslöjar skillnaden mellan kod och vetenskap

Haiqus kemisk fallstudie undersöker protonöverföring i Zundel‑katjonen, H₅O₂⁺: två vattenmolekyler som delar en extra proton. Uppgiften var att beräkna energibarriären när den protonen rör sig mellan dem, under en fast vetenskaplig uppställning.

Tio fristående AI‑körningar fick samma uppdrag. Alla producerade fungerande kod, men fyra uteslöt nödvändiga elektroner, och andra ändrade geometrin eller protonens bana. AgenticOS bevarade det överenskomna protokollet, inklusive alla 20 elektroner och en fast syre‑syre‑separation.

Dess simulerade provbaserade kvantdiagonaliserings‑ (SQD) beräkning gav en barriär på 554,8 millielektronvolt, jämfört med en full konfigurationsinteraktions‑referens på 574,3 millielektronvolt — ungefär en skillnad på 3,4 %. SQD kombinerar provtagning av elektroniska konfigurationer med en klassisk energiberäkning.

Dessa siffror beskriver en vald molekylmodell. Referensen är exakt inom modellens beräkningsantaganden; resultatet fastställer inte universell noggrannhet eller kvantfördel. Det mer omedelbart relevanta fyndet är att bevarandet av protokollet gjorde beräkningen meningsfull att jämföra.

Haiqu säger att arbetet accepterades på en NeurIPS‑2026‑workshop med fokus på AI för vetenskaplig upptäckt. Det förblir en företagsrapporterad demonstration, snarare än en bred oberoende benchmark för forskningspålitlighet.

Från en kontrollerad simulering till kvantmaskinvara

Tillkännagivandet beskriver också ett separat experiment som involverar Hubbard‑modellen, ett ramverk för att studera interagerande elektroner. Haiqu undersökte en dopad, frustrerad tvådimensionell version med diagonal hoppning, relevant för forskning om kopparbaserade högtemperatur‑supraledare.

AgenticOS utvecklade ett experiment på ett tre‑på‑tre‑rutnät och körde det på en IBM‑kvantdator. Det lilla rutnätet möjliggjorde jämförelse med en exakt klassisk lösning. Haiqu rapporterar en ungefärlig 75 % minskning av kretsdjupet och en föreslagen kalibrering som justerade hårdvaruutdata med en felfri körning av samma metod.

Kretsdjup mäter antalet lager av operationer som krävs för att köra en kvantkrets. Att minska det kan hjälpa på dagens brusiga processorer, där fel ackumuleras under beräkningen. Överensstämmelse med en idealisk körning är användbar bevisning om metoden och hårdvaru‑arbetsflödet, men det betyder inte att experimentet har löst supraledning eller överträffat klassisk beräkning i den skalan.

Mjukvarustacken bakom agenterna

AgenticOS ligger ovanpå Haiqus kvantprogramvaruinfrastruktur. Tillkännagivandet beskriver SDK:n som att den tillhandahåller datainläsning, kretskomprimering och felreducering, medan Haiqu Runtime hanterar körning på simulatorer och kvantprocessorer.

Haiqus akademisk plattformsida ger praktiska detaljer: forskare kan föra in Qiskit‑kod i SDK:n, spåra jobb och bevara backends, kalibreringsinformation, slumpfrön och kompileringsinställningar. Dessa register hjälper team att reproducera ett experiment och förstå varför två körningar skiljer sig.

Plattformen uppskattar också kvantbearbetningskostnader innan körning och använder batchning och cachning för att minska onödiga körningar. Sådana funktioner kopplar agentarbetsflödet till de operativa begränsningarna i en verklig forskningsbudget.

Företagsteam kan begära åtkomst till AgenticOS. Akademiska forskare kan ansöka om gratis plattformsåtkomst via Haiqus Academic Program och söka AWS‑krediter för klassiska och kvantrelaterade arbetsbelastningar; företaget påpekar att krediterna kräver godkännande och inte är garanterade.

För forskarteam är den lovande delen av tillkännagivandet kontinuiteten mellan fråga, antaganden, kod och bevis. Snabbare beräkningar är värdefulla endast när forskare kan fastställa vad som faktiskt beräknades. AgenticOS gör detta krav till en central del av sitt tillvägagångssätt för AI‑assisterad kvantforskning.