量子计算实验的日常是大量重复测量：制备和运行量子比特实验可能需要数月时间，并要完成数百到数千次初步测量。MIT 的 EQuS 小组研究超导量子比特，这类芯片被冷却到接近绝对零度，用微波信号精确控制。研究生 Beatriz Yankelevich 尝试让 AI 接管这部分繁琐流程。

她把 GPT-5.6 Sol 与 Codex 结合，连接到协调实验的实验室软件，让代理自己去运行测量、分析结果并决定下一步尝试什么。测试对象是一个尚未校准的六量子比特芯片，属于 EQuS 常用作制造流程基准的标准型号。Yankelevich 给 Codex 提供了每个测量环节的具体技能说明，模型据此选择测量参数、操作硬件、分析数据，再决定是调整测量还是把结果用于下一步。

当信号清晰时，Codex 能在很少人工干预下完成一整条标准测量序列：识别量子比特的跃迁频率，校准控制和读取脉冲，并确定量子比特保留量子信息的时间。但当信号弱或噪声大时，GPT-5.6 Sol 会花更长时间找到合适的测量参数，有时需要经验丰富的研究人员介入。这提示当前 AI 代理能处理定义清楚的实验流程，但对模糊物理结果的解读仍是短板。

EQuS 现在会定期让 agent 处理常规的芯片表征测量。每个标准芯片原本要研究人员花几天时间。代理可以连续数小时自主运行，Yankelevich 说，她能在夜间或在洁净室工作时让代理运行测量，用手机查看进展并随时调整方向。她同时运行多个 agent 处理不同问题，自己把时间花在解读结果、设计实验和规划下一步上。

对于更全新的实验，她会给 agent 更窄的目标，更多依赖它们编写、修改和测试控制、分析与模拟代码的能力，并让代码与真实测量对照。按她的说法，为测量、理论和芯片设计搭建的引导 agent 基础设施已开始产生回报：她可以做更高层次的工作，比如解读结果、设计实验、规划后续步骤，以及读写。