W skrócie
- Paryski start-up Pasqal opracował autonomicznego agenta AI, który tłumaczy polecenia w języku naturalnym na kod wykonywany na komputerach kwantowych.
- Zastosowanie podejścia vibe coding pozwala pojedynczym badaczom realizować eksperymenty kwantowe, które wcześniej wymagały zaangażowania całych zespołów specjalistów.
- Mimo wysokiej sprawności sztuczna inteligencja wciąż wymaga nadzoru ludzi, ponieważ zdarza jej się popełniać błędy.
- Więcej podobnych informacji znajdziesz na stronie głównej serwisu, otwiera się w nowym oknie
Vibe coding wkracza na komputery kwantowe
Autonomiczny agent AI potrafi tworzyć i wykonywać kod na komputerach kwantowych, znacznie ułatwiając pracę naukowcom. System opracowany przez paryski start-up Pasqal przekłada polecenia w języku naturalnym na gotowy program, testuje go na wirtualnym symulatorze i wysyła na jednostki przetwarzania kwantowego (QPU, procesory zasilające komputery kwantowe) zlokalizowane m.in. w Arabii Saudyjskiej czy Kanadzie.
Próg wejścia w dziedzinie obliczeń kwantowych od zawsze był wyjątkowo wysoki i wymagał specjalistycznej wiedzy z zakresu fizyki i informatyki. Zastosowanie podejścia określanego jako "vibe coding" (w którym sztuczna inteligencja pisze kod programistyczny w oparciu o polecenia człowieka wydane zwykłym językiem) pozwala badać właściwości materiałów czy reakcje chemiczne bez konieczności ręcznego wklepywania linijek kodu.
Nowa technologia pozwala pojedynczym badaczom realizować zadania, które dotychczas wymagały zaangażowania całych zespołów eksperckich, choć do poprawnego działania wciąż wymaga nadzoru ze strony specjalistów. "Mogę to robić samemu, z własnej kanapy w Dallas w Teksasie" - chwali się Christophe Jurczak, współzałożyciel Pasqal i współautor jednego z badań.
Zobacz również:
Agent AI wyręcza ludzkich programistów maszyn kwantowych
Tradycyjny proces programowania maszyn kwantowych opiera się na skomplikowanym przekładaniu koncepcji naukowych na język zrozumiały dla sprzętu. Praca ta wymaga zaawansowanej wiedzy zarówno z zakresu symulowanych zjawisk fizycznych, jak i samej architektury kwantowej. Wykorzystanie dużych modeli językowych (LLM), takich jak Claude od Anthropic, pozwala uprościć ten etap poprzez zaznajomienie sztucznej inteligencji ze specyfikacją techniczną urządzeń.
Systemy te są wykorzystywane głównie do usprawniania symulacji kwantowych, które służą do odzwierciedlania zachowań złożonych układów fizycznych, np. katalizatorów czy materiałów o niespotykanych właściwościach magnetycznych. Obliczenia tego typu szybko przeciążają klasyczne komputery.
W ramach sprawdzianu możliwości agenta AI naukowcy z firmy Pasqal poddali go trzem próbom. Wybrali publikacje naukowe opisujące zjawiska fizyczne możliwe do zreprodukowania na komputerze kwantowym i polecili narzędziu przygotowanie oraz wykonanie odpowiedniego kodu. Dwa przypadki dotyczyły symulacji materiałów, w których atomowe poziomy energii zachowują się jak miniaturowe magnesy zmieniające orientację pod wpływem sąsiadów. Zanim kod trafi na fizyczne procesory, agent najpierw weryfikuje jego działanie na wirtualnych symulatorach uruchamianych na tradycyjnym sprzęcie.
Główny dyrektor ds. technologii w Pasqal, Loïc Henriet, wyjaśnia, że ten kluczowy etap przejścia z teorii na praktykę wymagał dotąd zespołu o unikalnych kompetencjach. Agent wykazał jednak pełne zrozumienie ograniczeń sprzętowych. W jednej z prób podstępnie zlecono mu zadanie zbyt skomplikowane dla maszyn dostępnych w chmurze, a ten zamiast halucynować, poprawnie odrzucił polecenie, uzasadniając niemożliwość jego realizacji.
Ludzie nadal muszą korygować błędy sztucznej inteligencji
Mimo wysokiej sprawności agentyczna sztuczna inteligencja nadal wymaga wsparcia ze strony człowieka, aby osiągnąć precyzyjne i fizycznie poprawne rezultaty. W trakcie testów agent popełnił błędy polegające na doborze nieodpowiedniej zmiennej pomiarowej w jednym z eksperymentów, a także na postawieniu błędnej, choć brzmiącej logicznie, diagnozy sprzętowej w innym. Usterki te zostały wykryte wyłącznie dzięki weryfikacji przeprowadzonej przez ludzkich ekspertów.
Automatyzacja procesu pozwala jednak skrócić czas prowadzenia badań z kilku dni do kilkunastu godzin. "Ich podejście wygląda bardzo ciekawie" - skomentowała Federica Surace, badaczka informatyki kwantowej z Trinity College w Dublinie. Dodała ona, że automatyzacja przejścia od koncepcji do sprzętu kwantowego "mogłaby zmienić sposób, w jaki prowadzi się badania w tej dziedzinie".
Jeszcze trzy lata temu nie byłoby to możliwe
Nad podobnymi rozwiązaniami pracują również inne zespoły badawcze na świecie. Nouhaila Innan z New York University w Abu Zabi współtworzy specjalnie przystosowaną wersję otwartego modelu LLaMa od Meta AI, która potrafi generować kod kwantowy, choć nie posiada jeszcze funkcji jego samoczynnego uruchamiania. Z kolei Masaki Shiraishi z Waseda University w Tokio wraz z zespołem stworzył oprogramowanie automatyzujące elementy pracy z komputerami kwantowymi bez udziału zewnętrznych modeli LLM, a obecnie rozwija system dedykowany algorytmom.
Potencjał automatyzacji potwierdzają również dodatkowe badania, w których wykorzystano drugiego agenta AI do przeanalizowania bazy 633 publikacji naukowych z serwisu arXiv, dotyczących tablic atomów Rydbergowskich. Z analizy wynika, że blisko 50 proc. z nich dałoby się wdrożyć i przeprowadzić jako eksperymenty na dzisiejszych, istniejących procesorach kwantowych (QPU).
Równolegle rozwijane są struktury oparte na protokole MCP (Model Context Protocol), które pozwalają agentom LLM interpretować polecenia w języku naturalnym i zarządzać złożonymi zasobami, takimi jak jednostki QPU czy klastry superkomputerowe HPC. Narzędzia te integrują interfejsy takie jak OpenQASM czy CUDA-Q, umożliwiając wykonywanie podstawowych operacji kwantowych oraz zdalną współpracę z emulatorami sprzętowymi.
Zarządzanie infrastrukturą przez AI pozwala odciążyć naukowców i skupić się na warstwie koncepcyjnej badań. Badacze podkreślają, że współczesne modele językowe stanowią potężne wsparcie w ich pracy. "Gdyby spróbować to zrobić zaledwie 3 lata temu, wymagałoby to ogromnego wysiłku" - tłumaczy Mario Krenn, fizyk z Uniwersytetu w Tybindze.
Źródła:
- Castelvecchi D. AI tool lets researchers 'vibe code' in the quantum realm. Nature (2026). DOI: 10.1038/d41586-026-02495-4
- Dalyac C., Dauphin A., Henriet L., Jurczak Ch. Lowering the implementation barrier of neutral-atom quantum computing with agentic workflows. arXiv (2026). DOI: 10.48550/arXiv.2607.25834
- Shiraishi M., Hamamura I., Ishigaki T., Kadowaki T. A Model Context Protocol Server for Quantum Execution in Hybrid Quantum-HPC Environments. arXiv (2026). DOI: 10.48550/arXiv.2604.08318
