AI-सहायता वाले लेज़र नियंत्रण पायलट पर QuEra का 27 अगस्त का विवरण एक समर्पित टेस्टबेड पर दो अलग नतीजे बताता है। AI एजेंट ने रीलॉकिंग नियंत्रक विकसित करने और जाँचने में मदद की; उससे बनी स्वतंत्र स्क्रिप्ट मॉडल के बिना चलती है। लेज़र की फीडबैक सेटिंग ट्यून करने का अलग काम अब भी एजेंट का उपयोग करता है। यह अंतर शीर्षक की रिकवरी दर से अधिक महत्वपूर्ण है: इससे पता चलता है कि नियंत्रण-तर्क तैयार करने में मॉडल कहाँ उपयोगी था और नियमित संचालन से QuEra ने उसे कहाँ हटा दिया है।

QuEra न्यूट्रल-एटम क्वांटम कंप्यूटर बनाती है; परमाणुओं को नियंत्रित करने के लिए उनके लेज़र को सटीक आवृत्तियाँ बनाए रखनी होती हैं। लेज़र का आवृत्ति-लॉक छूटने पर तेज़ फीडबैक लूप उसे वापस नहीं ला सकते। मोड हॉप एक खास तौर पर कठिन खराबी है: लेज़र स्थिर दिख सकता है, जबकि उसकी तरंगदैर्ध्य गलत हो। सफल घोषित करने से पहले रिकवरी प्रक्रिया को मोटे नियंत्रण इतने दूर ले जाने होते हैं कि इच्छित मोड वापस मिले, महीन नियंत्रण बहाल हो और निरपेक्ष तरंगदैर्ध्य संदर्भ की जाँच हो।

बड़ा बदलाव

अपनी 27 अगस्त की इंजीनियरिंग रिपोर्टमें QuEra कहती है कि Claude ने Anthropic के Model Hardware Standard (MHS) के ज़रिये समर्पित लेज़र टेस्टबेड पर प्रयोग किए और विशिष्ट खराबी के लिए रीलॉकिंग स्क्रिप्ट बनाई। स्क्रिप्ट उपकरणों की स्थिति पढ़ती है, रिकवरी मार्ग चुनती है और कैविटी लॉक सिग्नल तथा लक्ष्य तरंगदैर्ध्य—दोनों की पुष्टि करती है। QuEra के अनुसार, तैयार स्क्रिप्ट ने सात प्रेरित व्यवधान वर्गों के 700 समयबद्ध परीक्षणों में 695 बार सही लॉक बहाल किया। कंपनी इसे स्वतंत्र उत्पादन स्क्रिप्ट बताती है, जिसके रनटाइम लूप में AI नहीं है। अलग ट्यूनिंग प्रक्रिया फीडबैक सेटिंग खोजते समय AI का उपयोग जारी रखती है। ये टेस्टबेड के नतीजे हैं; QuEra सक्रिय क्वांटम प्रोसेसर पर तैनाती को अगला कदम बताती है।

नियंत्रण पथ कैसे काम करता है

सामान्य तेज़ सर्वो लूप अब भी लेज़र को स्थिर रखने का काम करता है। QuEra नियंत्रणों की एक श्रृंखला बताती है: व्यापक रेंज वाला द्विवर्तन फ़िल्टर, अधिक महीन एटलॉन और तेज़ पीजो समायोजन। व्यवधान के बाद रीलॉकिंग प्रोग्राम उस तेज़ लूप के ऊपर काम करता है। उसे खराबी का कारण बताने वाला लेबल नहीं मिलता; वह उपकरण पढ़ता है, स्थिति वर्गीकृत करता है और रिकवरी मार्ग लागू करता है। वह सफलता तभी बताता है जब कैविटी सिग्नल लॉक दिखाए और निरपेक्ष तरंगदैर्ध्य जाँच पुष्टि करे कि लेज़र लक्ष्य पर है। दूसरी जाँच ज़रूरी है क्योंकि गलत मोड पर स्थिर लॉक झूठी रिकवरी होगा।

MHS के ज़रिये टेस्टबेड तक पहुँच लेकर प्रोग्राम विकसित करना Claude की भूमिका थी। Anthropic की 27 अगस्त की MHS रिसर्च-प्रिव्यू रिपोर्ट एक दोहरावदार विकास चक्र बताती है: एजेंट इंस्टेंस बदलाव सुझाते, कोड लिखते, उसे लेज़र पर चलाते और लॉग देखते थे। लोगों ने दायरा और सुरक्षा सीमाएँ तय कीं तथा काम की समीक्षा की। दोनों कंपनियों के अनुसार, MHS ड्राइवरों के ज़रिये डिवाइस को पढ़ने-लिखने देता है और हार्डवेयर इंटरफ़ेस पर डिवाइस द्वारा घोषित सीमाएँ, इंटरलॉक तथा आपातकालीन रोक लागू करता है। मॉडल माइक्रोसेकंड सर्वो लूप में नहीं है; QuEra कहती है कि तैयार रीलॉकर रनटाइम में मॉडल को अब नहीं बुलाता।

अलग-अलग चरणों के आँकड़े अलग हैं। Anthropic रातभर के विकास रन में लगभग छह सेकंड की रिकवरी और 96% सफलता बताती है; उसका 99.3% आँकड़ा बाद में एजेंट के बिना तैयार स्क्रिप्ट की जाँच से आया। QuEra सात व्यवधान वर्गों में प्रत्येक के 100 समयबद्ध परीक्षण बताती है: 700 में 695 लक्ष्य-लॉक रिकवरी। तरंगदैर्ध्य बचाने वाली खराबियों में 0.9–5.4 सेकंड और कठिनतम मोड हॉप में लगभग 10–14 सेकंड लगे; मानव विशेषज्ञ के लिए कंपनी का अनुमान पाँच से दस मिनट है। QuEra कहती है कि पाँचों चूक का कारण टेस्ट रिग की स्थिति से जुड़ा था और नियंत्रक ने उन्हें गलत तरीके से सफल घोषित नहीं किया। पायलट के कई सप्ताह में उसी टेस्टबेड पर हुए सभी 43 स्वतःस्फूर्त मोड हॉप भी अपने-आप ठीक किए गए। इनमें से कोई आँकड़ा अन्य लेज़र या संचालन स्थलों की विश्वसनीयता साबित नहीं करता।

ट्यूनिंग में एजेंट अब भी शामिल है

खराबी के बाद फिर लॉक करना केवल एक समस्या है। QuEra ने अवशिष्ट आवृत्ति शोर को प्रभावित करने वाले 12 परस्पर निर्भर फीडबैक पैरामीटर खोजने के लिए भी एजेंट का उपयोग किया। कंपनी कहती है कि ट्यूनिंग प्रक्रिया हर बदलाव के बाद पूरे शोर स्पेक्ट्रम का आकलन करती, लॉक गिराने वाली सेटिंग वापस करती और संभावित बदलावों को सुरक्षा सीमा में रखती थी। QuEra ने लगभग 12,500 मूल्यांकनों में कोई मोड हॉप नहीं, अवशिष्ट आवृत्ति शोर में पाँच गुना कमी और करीब 19 घंटे के soak test में बिना निगरानी लॉक न गिरने की सूचना दी; पहले यह दर प्रति घंटे 1.6 थी। ये पायलट परिस्थितियों में QuEra के माप हैं, वास्तविक उपयोग की विश्वसनीयता दर नहीं।

ऑप्टिमाइज़ेशन लूप के बाहर तुलना के लिए, QuEra कहती है कि एजेंट के नियंत्रण से बाहर के एक उपकरण ने बने हुए शोर को मापा और विशेषज्ञ की मैनुअल ट्यूनिंग से तुलना की। मापी गई बैंड में दोनों समान थे, सिवाय 220 kHz रेज़ोनेंस के पास, जहाँ एजेंट की चुनी सेटिंग में शोर लगभग एक हज़ार गुना कम था। लाइनविड्थ-जैसा माप 58 से 21 kHz हुआ। Anthropic के विवरण में अलग ट्यूनिंग अभियान का एक और माप है: 363 प्रयोगों और 16 घंटे बिना निगरानी काम में अवशिष्ट त्रुटि 15.7 से 1.55 mV हुई। इन आँकड़ों को 700-परीक्षण रीलॉकर सफलता का दूसरा माप नहीं समझना चाहिए और न ही एक सार्वभौमिक सुधार गुणक में जोड़ना चाहिए।

QuEra कहती है कि एजेंट ने बाद में बिना निगरानी रातभर के रन में दूसरी परिचालन तरंगदैर्ध्य ट्यून की, जिससे लॉक का शोर पहले की तुलना में लगभग दसवाँ रह गया। कंपनी ने इस AI-in-loop ट्यूनिंग को पैक किए गए स्वतंत्र टूल के रूप में नहीं बताया। उस वर्कफ़्लो को पैकेज करना भविष्य का काम है।

पायलट क्या साबित करता है

अगस्त की रिपोर्टें कंपनी के विवरण के लिए असामान्य रूप से ठोस परीक्षण स्थितियाँ देती हैं: समर्पित टेस्टबेड, सात वर्गों में प्रेरित खराबियाँ, लक्ष्य सत्यापन नियम, पायलट के दौरान स्वतःस्फूर्त घटनाएँ और अलग ट्यूनिंग जाँच। वे एक स्पष्ट सीमा भी तय करती हैं। सार्वजनिक विवरण में पूरी स्क्रिप्ट, हर परीक्षण के लॉग या ऐसा पुनरुत्पादन पैकेज नहीं है जिससे बाहरी प्रयोगशाला रिपोर्ट किए गए दर दोहरा सके। BIG CHANGE ने हार्डवेयर का परीक्षण नहीं किया। Anthropic का विवरण QuEra सहयोग का दूसरी कंपनी द्वारा दिया गया विवरण है, स्वतंत्र पुनरावृत्ति नहीं।

MHS की घोषणा 27 अगस्त को प्रारंभिक प्रयोगशालाओं और निर्माताओं के समूह के लिए रिसर्च प्रिव्यू के रूप में हुई थी। Anthropic ने आवेदन आमंत्रित किए और कहा कि बाद में मानक को ओपन सोर्स करने की योजना है। समर्पित रिग पर QuEra द्वारा प्रिव्यू का उपयोग MHS को आम तौर पर उपलब्ध नहीं बनाता; QuEra द्वारा स्क्रिप्ट को “उत्पादन” कहना भी यह नहीं दिखाता कि यही नियंत्रक उसकी सभी व्यावसायिक मशीनों पर चल रहा है। लेज़र और क्वांटम हार्डवेयर इंजीनियरों के लिए व्यावहारिक नतीजा सीमित लेकिन उपयोगी है: एजेंट ने भौतिक प्रणाली पर रिकवरी तर्क खोजा और परखा; अब चलने वाला रीलॉकर स्पष्ट सत्यापन के साथ निरीक्षण योग्य नियतात्मक तर्क अपनाता है। ट्यूनिंग लूप अलग तैनाती सीमा वाला सक्रिय AI प्रयोग है।

स्रोत और आगे पढ़ें

  • QuEra, “Holding the Light: Teaching an AI to Lock and Tune our Quantum Computer’s Lasers” (August 27, 2026). QuEra की इंजीनियरिंग रिपोर्ट टेस्टबेड सेटअप, सात वर्गों की रीलॉक पुष्टि, स्वतःस्फूर्त मोड हॉप की संख्या, ट्यूनिंग माप और स्वतंत्र रीलॉक स्क्रिप्ट तथा AI-in-loop ट्यूनिंग का अंतर देती है। परिणाम कंपनी द्वारा रिपोर्ट किए गए हैं।
  • Anthropic, “Previewing the Model Hardware Standard” (August 27, 2026). यह MHS के ड्राइवर और सुरक्षा इंटरफ़ेस, रिसर्च प्रिव्यू पहुँच और QuEra विकास प्रक्रिया समझाता है। QuEra वाला हिस्सा साझेदार का विवरण है, स्वतंत्र हार्डवेयर पुनरावृत्ति नहीं।