[論文レビュー] Agents for self-driving laboratories applied to quantum computing

Shuxiang Cao, Zijian Zhang+6 more|arXiv (Cornell University)|Dec 10, 2024

Scientific Computing and Data Management被引用数 6

ひとこと要約

tldr: 論文は k-agents を紹介する。知識ベースのマルチエージェントフレームワークで、LLMベースのエージェントを用いて実験室の実験を自動化し、超伝導量子処理器の較正と動作を実証し、閉ループフィードバックによるエンタングル状態を生成する。

ABSTRACT

Fully automated self-driving laboratories are promising to enable high-throughput and large-scale scientific discovery by reducing repetitive labour. However, effective automation requires deep integration of laboratory knowledge, which is often unstructured, multimodal, and difficult to incorporate into current AI systems. This paper introduces the k-agents framework, designed to support experimentalists in organizing laboratory knowledge and automating experiments with agents. Our framework employs large language model-based agents to encapsulate laboratory knowledge including available laboratory operations and methods for analyzing experiment results. To automate experiments, we introduce execution agents that break multi-step experimental procedures into agent-based state machines, interact with other agents to execute each step and analyze the experiment results. The analyzed results are then utilized to drive state transitions, enabling closed-loop feedback control. To demonstrate its capabilities, we applied the agents to calibrate and operate a superconducting quantum processor, where they autonomously planned and executed experiments for hours, successfully producing and characterizing entangled quantum states at the level achieved by human scientists. Our knowledge-based agent system opens up new possibilities for managing laboratory knowledge and accelerating scientific discovery.

研究の動機と目的

• マルチモーダルで動的な知識を伴う実験室の自動化の課題を動機づけ、対処する。
• ファインチューニングなしで実験室の知識をエージェントベースのシステムに組み込むための k-agents フレームワークを提案する。
• エージェント駆動のワークフローを用いて、超伝導量子処理器の自動較正と動作を実証する。
• 知識、翻訳、検査、実行エージェントが閉ループの実験計画と実行を可能にする事例を示す。

提案手法

• 自然語を介して実験室の知識を伝達する知識エージェントを定義する。
• 自然言語の指示を実行可能なコードに変換するコード翻訳エージェントと手順翻訳エージェントを実装する。
• 実験結果を分析し自然言語のレポートを生成する検査エージェントを導入する。
• 手順をエージェントベースの状態機械に分解し、複数段階の実験を調整する実行エージェントを開発する。
• 標準的な RAG 法と比較した翻訳精度のベンチマークを行い、例示的な図を用いて視覚検査の有効性を評価する。
• このフレームワークを適用して、16量子ビット超伝導プロセッサの単一量子ビットおよび二量子ビットゲートの較正を自動化し、トモグラフィーによるGHZ状態を生成する。

実験結果

リサーチクエスチョン

• RQ1 知識ベースのマルチエージェント・システムは、広範なファインチューニングを必要とせず、長期的でマルチモーダルな実験室ワークフローをどのように自動化できるか？
• RQ2 LLMベースのエージェントは、自然言語の実験指示を実行可能な実験室アクションへ効果的に翻訳できるか？
• RQ3 閉ループのエージェントベースの状態機械は、超伝導量子処理器のスケーラブルで自律的な較正と動作を実現するか？
• RQ4 検査エージェント（特に視覚的な例を用いた場合）の実験成功の判断に与える影響は何か？
• RQ5 このようなフレームワークは人間の専門家に匹敵する忠実度を用いたエンタングル状態の生成と定量化をどの程度達成できるか？

主な発見

• GPT-4o はテスト対象モデルの中で最も高い翻訳精度を達成し、精度は 97% であった。
• 本システムは、16-量子ビットプロセッサ上での単一量子ビットパラメータの完全自動再較正と、二量子ビット SIzzle ゲートパラメータの自動発見を実現した。
• 検査エージェントは例示図を用いた視覚検査タスクにおいて実験成功の判定で最良の性能を示した。
• ワークフローは最大で3時間実行され、最大100件の実験を探索し、最適な SIzzle ゲートパラメータを特定するために最大20の駆動周波数を試した。
• 人間指示による GHZ 状態トモグラフィーは、密度行列の忠実度 83.83% をもたらした。
• 検証済みの単一量子ビットでのランダム化ベンチマークは、ゲート忠実度 99.869% ± 0.013% を達成した。