A OpenAI detalhou, em 8 de setembro de 2026, como o modelo GPT-5.6 Sol, integrado ao Codex, está sendo utilizado para automatizar tarefas em experimentos com chips quânticos no MIT. O caso, conduzido no grupo Engineering Quantum Systems (EQuS), mostra o modelo executando medições rotineiras em qubits, liberando tempo dos pesquisadores para etapas de análise e design experimental.
Automação de medições rotineiras
No laboratório do MIT, a pesquisadora Beatriz Yankelevich conectou o GPT-5.6 Sol, via Codex, ao software que controla experimentos em chips de qubits supercondutores. Esses experimentos, que normalmente exigem centenas de medições interdependentes e ajustes finos, passaram a ser conduzidos de forma autônoma pelo modelo. O GPT-5.6 Sol escolhe parâmetros de medição, opera o hardware, analisa resultados e decide os próximos passos — tudo sem supervisão contínua quando os sinais experimentais são claros (fonte).
O sistema conseguiu identificar frequências de transição dos qubits, calibrar pulsos de controle e medir o tempo de coerência, etapas essenciais para caracterizar cada chip. Em chips padrão do EQuS, tarefas que antes levavam dias passaram a ser realizadas por agentes de IA durante a noite ou enquanto os pesquisadores atuam em outras atividades.
Limites e papel do pesquisador
Apesar dos avanços, o GPT-5.6 Sol ainda depende de intervenção humana quando enfrenta sinais fracos ou ruídos experimentais. Nessas situações, o ajuste dos parâmetros pode exigir orientação de um pesquisador experiente. O grupo do MIT agora utiliza agentes para medições rotineiras, mas reconhece que, em experimentos inéditos ou em situações ambíguas, a experiência humana segue essencial.
Além da automação, os agentes Codex auxiliam na escrita e ajuste de código para controle, análise e simulação experimental, acelerando iterações e facilitando a integração entre software e hardware de laboratório.
Contexto e impacto
A integração de IA com laboratórios de física experimental representa um passo relevante para o setor. No Brasil, grupos de pesquisa em computação quântica ainda operam com equipes enxutas e altos custos de infraestrutura. A adoção de agentes autônomos para tarefas repetitivas pode ampliar a produtividade e liberar pesquisadores para desafios teóricos e de design, mesmo em ambientes com recursos limitados.
A aplicação da GPT-5.6 Sol em laboratório reforça a tendência de IA operacional, indo além de tarefas textuais para atuação direta em workflows científicos. O caso do MIT sugere que, ao menos para experimentos rotineiros bem definidos, a automação via LLM já é uma realidade prática.