Haiqu представляє AgenticOS, щоб підтримати AI‑орієнтовані квантові дослідження в правильному напрямку

Науковий розрахунок може працювати бездоганно, але все одно відповідати на неправильне питання. Якщо AI‑агент тихо змінює геометрію молекули або видаляє електрони з симуляції, працюючий код і переконливий графік можуть приховати зламаний експеримент.

Саме цю проблему Haiqu намагається вирішити у своєму анонсі AgenticOS від 7 жовтня — системі, яка координує команди спеціалізованих AI‑агентів у квантових дослідних проектах. Платформа розроблена для того, щоб вести ідею через огляд літератури, математичний аналіз, розробку та виконання експерименту, зберігаючи наукові припущення доступними для перевірки та затвердження дослідниками.

Тепер доступний за запитом командам корпоративних R&D, AgenticOS базується на платформі Haiqu, анонсованій у травні. Основна ідея полягає в тому, що корисна наукова автоматизація потребує способу зберігати значення експерименту на кожному етапі роботи.

Перетворення дослідного питання на перевірний робочий процес

Згідно зі сторінка продукту AgenticOS Haiqu, користувачі можуть розпочати з питання, статей, даних або існуючої ідеї. Система допомагає встановити цілі, обмеження та критерії успішності, а потім організовує дослідження у вигляді графа досліджень. Вузли представляють команди наукових агентів, з залежностями, рішеннями та дослідницькими артефактами, що зв’язують роботу.

Дослідники можуть переглядати результати, коментувати припущення, перенаправляти модуль і затверджувати важливі рішення перед тим, як виконуються наступні завдання. Система спирається на базу знань з квантової теорії, алгоритмів та промислових застосувань, а також на затверджені рішення та артефакти проєкту.

Ця структура важлива, оскільки дослідний проєкт може зазнати невдачі задовго до остаточного розрахунку. Вибір апроксимації змінює те, що моделюється; втрата раннього обмеження може зробити подальші результати несумісними. Видимий робочий процес дає вченим можливість виявляти такі зміни, замість того щоб намагатися відтворити їх з готової відповіді.

У анонсі Haiqu зазначає, що агенти виконують огляд літератури, виведення з перших принципів, аналіз квантової здійсненності та перевірку результатів. Валідація поєднує класичні базові лінії, тести, критичні агенти та людський перегляд, з формальною верифікацією. Науковці визначають, які припущення є фіксованими, де доречна автономна робота і які кроки потребують затвердження.

Співзасновник і технічний директор Mykola Maksymenko зазначив, що система призначена скоротити трудові витрати, необхідні для перетворення перспективної дослідної ідеї в експеримент, дозволяючи вченим приділяти більше уваги вибору та дослідженню правильних питань.

Хімічний тест виявляє різницю між кодом і наукою

У хімічне дослідження Haiqu розглядає перенесення протону в іоні Зунделя, H₅O₂⁺: два молекули води, що ділять зайвий протон. Завданням було обчислити енергетичний бар’єр під час переміщення протону між ними за фіксованих наукових умов.

Десять окремих запусків AI отримали одне й те саме завдання. Усі створили працюючий код, але чотири виключили необхідні електрони, а інші змінили геометрію або шлях протону. AgenticOS зберіг узгоджений протокол, включаючи всі 20 електронів та фіксовану відстань між атомами кисню.

Його симульований метод вибіркової квантової діагоналізації (SQD) дав бар’єр у 554,8 мілліелектронвольт, у порівнянні з еталоном повної конфігураційної взаємодії 574,3 мілліелектронвольт — різниця приблизно 3,4 %. SQD поєднує вибірку електронних конфігурацій з класичним розрахунком енергії.

Ці цифри описують одну обрану молекулярну модель. Еталон є точним в межах обчислювальних припущень цієї моделі; результат не підтверджує універсальної точності чи квантової переваги. Найбільш актуальним висновком є те, що збереження протоколу зробило розрахунок придатним для порівняння.

Haiqu повідомляє, що робота була прийнята на воркшоп NeurIPS 2026, присвячений AI у наукових відкриттях. Це залишається демонстрацією, повідомленою компанією, а не широким незалежним бенчмарком надійності досліджень.

Від контрольованої симуляції до квантового обладнання

У анонсі також описується окремий експеримент з використанням моделі Губерта, структури для вивчення взаємодіючих електронів. Haiqu досліджував домішкову, фрустровану двовимірну версію з діагональним переходом, що має значення для досліджень міднозалежних високотемпературних надпровідників.

AgenticOS розробив експеримент на сітці три на три і запустив його на квантовому комп’ютері IBM. Невелика сітка дозволила порівняти результати з точним класичним рішенням. Haiqu повідомляє про приблизне скорочення глибини схеми на 75 % та запропоновану калібрування, що узгодило вихід обладнання з безпомилковим виконанням того самого методу.

Глибина схеми вимірює кількість шарів операцій, необхідних для виконання квантової схеми. Її зменшення може допомогти на сьогоднішніх шумних процесорах, де помилки накопичуються під час обчислень. Узгодженість з ідеальним виконанням є корисним доказом щодо методу та робочого процесу обладнання, проте це не означає, що експеримент вирішив проблему надпровідності або перевищив класичні обчислення на цьому масштабі.

Програмний стек за агентами

AgenticOS розташований над квантовою програмною інфраструктурою Haiqu. У оголошенні SDK описується як такий, що забезпечує завантаження даних, стискання схем та пом’якшення помилок, тоді як Haiqu Runtime керує виконанням на симуляторах і квантових процесорах.

Haiqu’s сторінка академічної платформи додає практичні деталі: дослідники можуть переносити код Qiskit у SDK, відстежувати завдання та зберігати бекенди, дані калібрування, випадкові зерна та налаштування компіляції. Ці записи допомагають командам відтворювати експеримент і розуміти, чому два виконання різняться.

Платформа також оцінює витрати на квантову обробку до виконання та використовує пакетну обробку і кешування, щоб зменшити непотрібні запуски. Такі можливості пов’язують робочий процес агента з операційними обмеженнями реального дослідницького бюджету.

Команди підприємств можуть запросити доступ до AgenticOS. Академічні дослідники можуть подати заявку на безкоштовний доступ до платформи через Академічну програму Haiqu та отримати кредити AWS для класичних і квантових навантажень; компанія зазначає, що кредити потребують схвалення і не гарантуються.

Для дослідницьких команд обіцяюча частина оголошення — це безперервність між питанням, припущеннями, кодом і доказами. Швидші обчислення цінні лише тоді, коли вчені можуть визначити, що саме було обчислено. AgenticOS робить цю вимогу центральною частиною свого підходу до AI‑допоміжних квантових досліджень.