AI houdt lasers van quantumcomputer automatisch in het gareel

Quantumcomputers met neutrale atomen zijn afhankelijk van lasers die uiterst nauwkeurig zijn afgesteld. Een kleine afwijking kan al voldoende zijn om berekeningen stil te leggen. Een met AI ontwikkelde regelaar kan een significante bijdrage leveren aan het lasersysteem weer correct af te stellen.

In de quantumcomputers van QuEra worden individuele neutrale atomen gebruikt als qubits. Lasers dienen daarbij onder meer om de atomen vast te houden, te positioneren en hun quantumtoestand te manipuleren. Dat stelt hoge eisen aan de stabiliteit van de optische systemen. In de praktijk kunnen laserparameters echter langzaam verschuiven, bijvoorbeeld door veranderingen in temperatuur of andere omgevingsinvloeden. Zodra zo’n drift te groot wordt, moet het systeem opnieuw worden gekalibreerd. Dat vraagt normaal gesproken om gespecialiseerde kennis en handmatige aanpassingen.

Met het toenemende aantal qubits wordt dat een steeds groter praktisch probleem. Een quantumcomputer bestaat immers uit veel onderling afhankelijke subsystemen die allemaal binnen nauwe toleranties moeten blijven functioneren. QuEra onderzocht daarom of een AI-systeem een deel van dit onderhoud kan overnemen. Daarbij werd Claude ingezet bij het ontwikkelen van software die rechtstreeks met de hardware kan communiceren en afwijkingen kan corrigeren.

De onderzoekers brachten verschillende soorten storingen aan in het lasersysteem. Vervolgens moest de regelaar zelfstandig bepalen welke instellingen moesten worden aangepast om het systeem weer binnen het juiste werkgebied te krijgen. In totaal lukte dat bij 695 van de 700 tests, een succespercentage van ongeveer 99,3 procent. Het herstel nam daarbij seconden in beslag, terwijl een specialist voor vergelijkbare handmatige correcties minuten nodig kan hebben.

Repareren en stabiel houden

QuEra wil de aanpak uitbreiden naar andere onderdelen van zijn quantumcomputers. Daarmee ontstaat uiteindelijk een systeem waarin AI een deel van het dagelijkse hardwarebeheer uitvoert, terwijl menselijke specialisten zich kunnen richten op complexere problemen.

De proef past bovendien binnen een bredere ontwikkeling waarbij taalmodellen niet alleen tekst of software verwerken, maar rechtstreeks apparatuur kunnen bedienen. Daarvoor worden gestandaardiseerde interfaces ontwikkeld waarmee AI-systemen bijvoorbeeld meetinstrumenten, microscopen, robotarmen en andere laboratoriumapparatuur kunnen aansturen.