Мультиагентный ИИ Onnes диагностирует неисправности в криостатах квантовых компьютеров с точностью 99%

Исследователи представили Onnes — симулятор на базе мультиагентных языковых моделей (LLM) для диагностики неисправностей в криостатах, используемых в квантовых компьютерах. Разработка направлена на замещение традиционных пороговых сигнализаций, которые лишь сообщают о наличии проблемы, но не указывают на её причину.

Как сообщается в статье на arXiv, Onnes сочетает цифровой двойник криогенного рефрижератора, построенный с учётом физических законов, и мультиагентный уровень на основе LLM. Физическая модель включает шумовой «отпечаток», полученный из реальных данных BlueFors, и шесть классов неисправностей, три из которых перекрываются по температуре, но различаются по расходу и давлению.

В ходе 1000-шагового тестирования нуль-шотная панель LLM-агентов показала уровень обнаружения, сопоставимый с обученным классификатором машинного обучения, но уступала в точности классификации. Однако после применения контрастивных нескольких примеров (few-shot) и голосования по самосогласованности точность выросла с 0,685 до 0,990, что практически совпало с показателем обученного классификатора (0,985) без обновления параметров модели.

При непрерывном мониторинге в течение девяти запусков система ловила каждую развивающуюся неисправность в течение одного интервала опроса. Встроенный механизм доверительного гейта подавлял ложные срабатывания до наступления события, причём их частота зависела от бэкенда.

Первая проверка при переходе от симуляции к реальности показала, что детектор, обученный исключительно на данных BlueFors, даёт уровень ложных срабатываний 6,4% и стопроцентную полноту (recall) на реально записанных неисправностях, внесённых в удерживаемые окна.

Разработчики отмечают, что ключевой вклад в повышение точности внесли именно демонстрационные примеры: абляционный анализ показал, что без них существенного улучшения не происходит. Таким образом, Onnes предлагает практичный способ диагностики сложного криогенного оборудования без необходимости дорогостоящего переобучения моделей на каждый новый класс неисправностей.

По данным исследования, использование мультиагентного подхода в сочетании с физически обоснованным цифровым двойником может стать основой для новых систем мониторинга в квантовых вычислительных центрах.