GPT-5.6 Sol, 6큐비트 칩 교정 40건 중 36건 자율 수행…실험실로 들어간 Codex

40개 측정 중 연구자가 손을 댄 것은 4개뿐이었다. GPT-5.6 Sol을 연결한 Codex가 MIT의 미교정 6큐비트 칩을 직접 측정하고, 데이터를 해석해 다음 조건을 바꾸며, 결과를 교정 데이터베이스에 저장했다. OpenAI가 9월 8일 공개한 사례는 코딩 에이전트가 분석 보조를 넘어 실제 실험 장비의 반복 작업을 닫힌 고리로 수행한 장면을 보여준다.

초전도 큐비트 칩은 제작·패키징·냉각이 끝나면 대부분 소프트웨어로 다룬다. 극저온 냉동기 안의 칩에 마이크로파 펄스를 보내고 돌아온 신호를 분석해 공진 주파수, 제어 펄스, 양자 상태 유지 시간을 찾아낸다. 각 측정 결과가 다음 측정의 범위와 조건을 결정하고, 물리적 특성은 시간에 따라 흔들릴 수 있다. 새 다중 큐비트 실험에는 수개월과 수천 번의 사전 측정이 들기도 해, 명확한 구간을 자동화했을 때 절약되는 연구 시간이 크다.

MIT Engineering Quantum Systems Group은 Codex 앱에 자체 Jupyter MCP를 붙였다. 별도의 전용 에이전트 프레임워크 없이 측정 매개변수·프로그램·그래프·원시 데이터·로그·데이터베이스와 장비 제어 코드에 접근하게 했다. 연구진은 수개월 동안 장비 구성, 칩 설계, 측정별 실행·판정법을 스킬 문서로 다듬었다. 즉 범용 모델을 실험실에 놓기만 한 결과가 아니라, 전문가 지식을 실행 가능한 문맥으로 정리한 뒤 GPT-5.6 Sol의 Ultra 추론 수준에 제공한 실험이다.

에이전트는 먼저 큰 배경 변동 속에서 6개의 공진기 후보를 찾아 약 7.2920GHz에서 7.7520GHz 사이에 배정했다. 이후 각 공진기를 확대해 2차원 전력·주파수 스윕을 수행하고, 사용 가능한 읽기 전력을 약 -31~-34dBm 범위에서 골랐다. 고해상도 재측정과 피팅을 거쳐 주파수·선폭·전력을 저장한 뒤 고정 주파수 큐비트 4개의 전이 에너지, Rabi 제어, 읽기 조건, T1·T2 결맞음 시간 등을 이어서 측정했다. 기술 사례 보고서에 따르면 목표 측정 40건 중 36건은 완전 자율로 끝났다.

성공 범위에는 분명한 경계가 있다. 신호가 선명하고 절차가 표준화됐을 때는 측정 순서를 거의 개입 없이 마쳤지만, 신호가 약하거나 잡음이 큰 경우에는 적절한 범위를 찾는 데 오래 걸렸고 숙련 연구자의 안내가 필요했다. 연구진도 경험 많은 사람이 최적 교정값을 더 빨리 찾을 수 있다고 인정한다. 이번 자료는 한 연구실의 비교적 단순한 칩에 대한 사례 연구이며, 다양한 장비와 새로운 물리 현상에서 일반화된 성능을 입증한 대규모 벤치마크는 아니다.

그럼에도 연구 자동화의 실질적인 기준점은 바뀌었다. 이 시스템은 논문을 요약하거나 코드를 제안하는 데서 멈추지 않고, 실제 하드웨어의 상태를 읽고 다음 행동을 선택했다. 연구자는 에이전트를 밤새 측정에 투입하고 휴대전화로 진행 상황을 확인하며, 낮에는 해석과 새 실험 설계에 집중할 수 있다고 설명했다. 앞으로 볼 것은 자율 수행률 하나보다 실패 감지와 안전한 중단, 장비별 스킬의 재사용성, 모호한 신호에서 인간에게 넘기는 기준이다. 실험실 에이전트의 가치는 사람을 없애는 데 있지 않고 값비싼 장비의 대기 시간과 연구자의 반복 노동을 줄이는 데 있다.