Het Licht Vasthouden: Een AI Leren om de Lasers van onze Quantumcomputer te Locken en Af te Stemmen

De quantumcomputers van QuEra werken met lasers die op exacte frequenties worden vastgehouden; een precisie die het menselijk oog niet kan zien en die alleen door atomen kan worden onderscheiden. Het behouden van een laser op die frequentie is een continu proces: temperatuur, vibratie en druk duwen de laser gedurende de dag uit koers, waarna gelaagde feedbacksystemen hem terugduwen. Wanneer de feedbackloop faalt, verbreekt de 'lock' en stopt de machine.

Historisch gezien was het herstellen van deze lock het werk van één specifieke expert: iemand die de lasers intuïtief begrijpt en ervaring heeft met de exacte herstelvolgorde die nodig is om het systeem terug te brengen naar de juiste staat. Als de lock midden in de nacht verbrak, moest deze persoon naar het laboratorium rijden om het probleem op te lossen.

Dit is geen nieuw probleem, en QuEra heeft al automatische relocking gebouwd voor veelvoorkomende verstoringen. Aquila, onze productie-QPU die beschikbaar is via Amazon Braket, draait al met een uitstekende uptime van meer dan 99%. Toch wist het team dat de mate van menselijke betrokkenheid bij het relocken, vooral bij minder frequente maar ernstigere verstoringen, niet schaalbaar was.

Als resultaat heeft QuEra dit voorjaar de Model Hardware Standard (MHS) geïmplementeerd, een standaard die voortkwam uit een samenwerking tussen Anthropic en het HHMI Janelia Research Campus. Een cross-functioneel taskforce heeft het relocken naar een hoger niveau getild: het niveau dat vereist is voor de schaalbare implementatie van logische QPU's. Door gebruik te maken van MHS op een speciale testbank, waarbij een AI-agent de operationele controle had over precisiehardware ter waarde van ongeveer 0,7 miljoen dollar binnen door mensen gestelde veiligheidsgrenzen, wordt de lock nu binnen enkele seconden hersteld. Dit gebeurt geverifieerd en accuraat, zonder dat er iemand in het gebouw aanwezig hoeft te zijn.

Daarna ging dezelfde aanpak nog een stap verder: de AI stemde de lock zelf af naar een kwaliteitsniveau dat het kon bewijzen, en paste deze nieuwe vaardigheid in één run toe op een tweede operationele golflengte. Deze resultaten zijn veelbelovend en vormen slechts het topje van de ijsberg van QuEra's plannen om AI op fundamenteel niveau in onze quantumcomputers te integreren.

Het probleem van de laser-locking

Een handige visuele analogie voor het probleem dat onze AI-agent oploste, is een bal op een wipwap. In deze vereenvoudigde analogie is de positie van de bal de frequentie van de laser. Als we de bal op een specifieke locatie kunnen houden (in dit voorbeeld binnen de groene zone), kunnen we de atomaire qubits succesvol besturen.

In de systemen van QuEra moeten de lasers die de logische qubits aansturen binnen $\pm 1$ kHz of beter blijven, wat overeenkomt met ongeveer $\pm 0,000000001$ nm (illustratieve waarden voor educatieve doeleinden). De infrarode laser is onzichtbaar voor het oog. De bal schommelt, maar geen enkel menselijk oog zou dat merken; alleen atomen kunnen het verschil waarnemen.

De wipwaps in het diagram zijn analoog aan de actuatoren in ons systeem. De uitdaging is dat de vereiste precisie zo hoog is dat geen enkele actuator dit alleen kan. Meerdere actuatoren zijn op elkaar gestapeld: een grote, trage laag vangt de brede drift op, terwijl progressief snellere lagen de fijnere jitter corrigeren. Samen zorgen ze ervoor dat de bal nooit de zone verlaat.

Er is echter een complicatie: een echte afstemknop is niet glad. De laser heeft een voorkeur voor bepaalde golflengten, gevormd door interne filters (etalon, birefringent filter). Elke dip in het landschap is een vaste modus waarin de bal kan landen. Hier schuilt de val: na een verstoring brengt het terugdraaien van de knop naar het nulpunt de bal niet automatisch terug naar de juiste positie. De bal kan stabiel blijven in de verkeerde modus, waardoor het lijkt alsof de lock actief is.

Een voldoende grote verstoring werpt de bal volledig buiten het bereik van de fijne lagen, in een concurrerende modus. Ongeacht hoe ver men de kleinere laag afstelt, de bal blijft vastzitten in de verkeerde lock. Herstel vereist een 'sweep' van de grove, breedbereik-knop voorbij de drempelwaarde om de bal terug te brengen, gevolgd door een snelle versoepeling om de doeltarget te vangen. Tot slot moet de lock worden geverifieerd tegen een absolute golflengte-referentie, zodat een verkeerde modus nooit voor succes wordt aangezien. Dit proces staat bekend als een Ti:sapphire mode-hop recovery. Dit is het oordeel dat de MHS auto-relock-controller autonoom moet kunnen uitvoeren.

In het werkelijke lasersysteem co-existeren alle lagen:

• Het birefringent filter: De grove laag met het grootste bereik; het landschap heeft enkele wijd verspreide modi.
• De etalon: Zit hierop met een fijnere kam.
• De piezo: De gladste, continuste en snelste laag die de definitieve snelle afstelling doet.

Een optimaal functionerend systeem betekent dat elk grof element in de juiste dip van zijn eigen landschap blijft rusten, terwijl het fijne element glijdt en de bal nooit de zone verlaat.

Een AI-agent bouwen voor het herstel van het lasersysteem

Het hierboven beschreven herstelproces was traditioneel het vakgebied van een klein team van hooggeschoolde experts. Automatisering is evenmin een klus voor één persoon; het vereist een laser-systeemingenieur, een software-engineer, een ontwerper van algoritmen en een tester. Een team van QuEra besteedde ongeveer twee tot drie weken aan het bouwen van een handgeschreven herstelscript, maar de beperking daarvan was dat het alleen fouten kon afhandelen die de auteurs hadden voorzien.

De taskforce legde hetzelfde probleem voor aan een enkele AI-agent, Claude, die via MHS werkte op de live testbank. MHS stelde de agent in staat om eigen experimenten uit te voeren: een herstelmethode voorstellen, deze op de hardware testen, het resultaat lezen en de methode verfijnen. Dit is dezelfde loop die het menselijke team doorloopt, maar dan continu, op machinesnelheid en 's nachts.

De AI deed niets wat een mens fundamenteel niet zou kunnen; hij observeerde dezelfde instrumenten en leerde alleen wat deze onthulden. Het verschil zat in de schaal: het handmatig inventariseren en beveiligen tegen honderden edge-cases, elke naburige modus waarin de laser kan vallen en elke verouderde kalibratie is ondoenlijk voor mensen. De mensen bleven in de rol van orchestrator: het bepalen van de scope, het beoordelen van elke stap en het beslissen wat als bewijs telt. De toezichtrol van Evgeny Ostroumov, de technisch kampioen aan de laserzijde, zorgde voor de fysieke realiteitscontrole.

Resultaten van de validatie

Zonder voorafgaande informatie over de oorzaak van de verstoring (bijv. een geblokkeerde straal, mechanische vibratie of elektrische ruis), leest de controller de actuele status van de instrumenten, classificeert de verstoring, voert het correcte herstel uit en declareert pas succes wanneer het cavity-signaal een lock bevestigt en de absolute golflengte overeenkomt met het doel.

In de validatie herstelde de agent in 695 van de 700 gevallen de lock correct (99,3%), verdeeld over zeven klassen van verstoringen. De hersteltijden waren:

• 0,9 tot 5,4 seconden voor fouten waarbij de golflengte behouden bleef.
• 10 tot 14 seconden voor de moeilijkste gevallen (waarbij de kleur van de laser ver was versprongen).
• Ter vergelijking: een menselijke expert doet hier 5 tot 10 minuten over.

Er werden vier kwaliteiten bewezen:

1. Correctheid: Nooit een verkeerde modus gerapporteerd als succes.
2. Autonomie: Geen operator of foutinformatie nodig.
3. Snelheid: Seconden in plaats van minuten.
4. Voorspelbaarheid: Nauwe, reproduceerbare hersteltijden.

De vijf missers werden veroorzaakt door een conditie van de testopstelling, niet door de controlelogica. Daarnaast werden tijdens de pilotperiode 43 spontane mode-hops in een actieve laboratoriumomgeving automatisch gedetecteerd en hersteld.

Belangrijk onderscheid: MHS is de omgeving waarin Claude de controller heeft ontworpen en gevalideerd. Wat op de bank draait, is een deterministisch, volledig inspecteerbaar programma: AI-gestuurd in ontwikkeling, door mensen georkestreerd, en autonoom in gebruik. Deze autonomie is begrensd door MHS, dat hardware-interlocks en noodstops afdwingt, onafhankelijk van het AI-model.

De lock autonoom afstemmen

Het team paste dezelfde aanpak toe op de kwaliteit van de lock zelf. Deze kwaliteit wordt bepaald door een afstemproces (tuning) van twaalf onderling afhankelijke feedbackparameters. Een goede afstelling verwijdert residuele ruis, wat direct de prestaties van de quantumgates verbetert en ervoor zorgt dat de lock minder vaak verbreekt.

Omdat er geen theoretisch optimum is, stemt een specialist normaal gesproken "op het oog" af. De AI-agent berekende in plaats daarvan na elke aanpassing het volledige ruisspectrum, duizenden keren, over een veel groter gebied dan een mens zou kunnen. Binnen een strikte veiligheidsomgeving convergeerde de agent naar een configuratie die vervolgens in een onbeheerde test van 19 uur werd bevestigd.

Het resultaat was:

• De residuele frequentieruis werd met een factor vijf verlaagd.
• Het aantal onbeheerde lock-drops ging van 1,6 per uur naar nul.

Een onafhankelijke meting toonde aan dat de AI-configuratie ononderscheidbaar was van een handmatige afstelling door een expert op de meeste punten, maar dat de AI een verborgen resonantie nabij 220 kHz onderdrukte die de menselijke expert over het hoofd had gezien. De AI-methode scoort namelijk het volledige spectrum bij elke afstelling, waardoor defecten niet over het hoofd worden gezien.

Bovendien is deze capaciteit overdraagbaar. Voor een tweede operationele golflengte werkte de agent de nieuwe parameters vanaf nul uit in één onbeheerde nachtelijke run, waardoor die lock ongeveer tien keer stiller werd dan hij aanvankelijk was.

Waarom dit belangrijk is voor QuEra

Bij machines die korte, discrete taken uitvoeren, is een laserfout simpelweg downtime. Maar in een systeem zoals Libra, dat in staat is om logische-qubit-programma's uren of dagenlang uit te voeren, kan een laser die tijdens de run uit balans raakt, een resultaat corrumperen dat zelfs quantum-foutcorrectie niet meer kan redden.

Ons team spreekt in dit verband over twee soorten foutpercentages (LER's):

1. Logical Error Rate (Logische Foutratio)
2. Laser Error Rate (Laser Foutratio)

Voor een klant ziet een mislukt resultaat er hetzelfde uit, ongeacht welke LER de oorzaak was. Autonoom herstel is de manier om de tweede LER te minimaliseren.

Dit heeft grote impact op de economie van quantumcomputers. Voorheen nam elke gestabiliseerde laser beslag op schaarse expert-tijd (herstel, tuning, inbedrijfstelling). Naarmate machines meer lasers bevatten en vloten worden uitgerold op locaties zonder laser-fysici in de buurt, is dit onhoudbaar. Nu deze functies in seconden en onbeheerd kunnen worden uitgevoerd, wordt de quantumcomputer echt implementeerbaar.

Een bewijsstuk voor onze AI-strategie

Dit is in essentie geen verhaal over lasers, maar over een AI-model dat controlelogica ontwikkelt waar een quantumcomputer van afhankelijk is, dit op expertniveau doet en dit bewijst via onafhankelijke metingen. De belangrijkste factor was de fysieke trainingsgrond: een live testbank die fungeerde als een "reality engine".

Een QPU bevat veel subsystemen die vergelijkbaar zijn met de laser: precies, fragiel en afhankelijk van schaarse expertise. De laser is het eerste bewijsstuk. Voor QuEra is dit het pad naar machines die stabiel blijven en die gebouwd en bedreven kunnen worden met een fractie van de specialistische uren die vandaag de dag nodig zijn.

Voor het bredere vakgebied betekent dit dat kennis over atomaire fysica, die twintig jaar lang van student op student is overgedragen, nu kan worden vastgelegd in een controller die elk laboratorium op dezelfde manier kan bouwen. Bij QuEra is de nachtelijke rit naar het lab om een laser te herstellen wellicht niet langer een noodzakelijk ritueel voor systeembeheerders.