Haiqu выпустила AgenticOS — оркестратор ИИ-агентов для квантовых исследований
7 октября Haiqu представила AgenticOS — систему, которая координирует команды специализированных ИИ-агентов в квантовых исследованиях и проводит идею через обзор литературы, математический анализ, проектирование и выполнение эксперимента, оставляя научные гипотезы на проверку и утверждение исследователю.
Научные расчёты, даже идеально выполненные, могут отвечать не на тот вопрос. Если ИИ-агент тихо меняет геометрию молекулы или убирает электрон в симуляции, код всё равно работает, графики выглядят убедительно, а ошибка эксперимента остаётся скрытой.
Именно эту задачу решает AgenticOS, выпущенная Haiqu 7 октября: система координирует команды специализированных ИИ-агентов в квантовых исследовательских проектах. Платформа проводит идею через обзор литературы, математический анализ, проектирование и выполнение эксперимента, оставляя научные гипотезы на проверку и утверждение исследователю.
AgenticOS уже доступна командам корпоративных НИОКР по запросу и построена на платформе, выпущенной Haiqu в мае. Основной тезис: эффективная автоматизация науки требует подхода, сохраняющего смысл эксперимента на каждом этапе работы.
Согласно странице продукта, пользователь может начать с вопроса, статьи, данных или готовой идеи. Система помогает определить цели, ограничения и критерии успеха, а затем организует исследование в виде графа: узлы представляют команды научных агентов, а зависимости, решения и результаты связывают работу.
Исследователь может просматривать результаты, комментировать гипотезы, перенаправлять модули и утверждать важные решения до того, как нижестоящие задачи продолжат работу. Система использует базу знаний по квантовой теории, алгоритмам и отраслевым применениям, а также принятые в проекте решения и результаты.
Такая структура важна потому, что исследовательский проект может провалиться ещё до финального расчёта. Выбор приближения меняет то, что моделируется; потеря ранних ограничений делает последующие результаты несопоставимыми. Визуализированный рабочий процесс даёт учёному узлы, где эти изменения можно поймать, а не восстанавливать их задним числом из готовых ответов.
В объявлении Haiqu говорится, что агенты отвечают за обзор литературы, вывод из первых принципов, анализ квантовой выполнимости и проверку результатов. Проверка сочетает классические эталонные расчёты, тесты, агентов-критиков и человеческое ревью, дополненные формальной верификацией. Учёный решает, какие гипотезы фиксированы, какие этапы можно отдать автономной работе и какие шаги требуют утверждения.
Соучредитель и технический директор Микола Максименко говорит, что система создана, чтобы снизить объём работы, необходимый для превращения перспективной идеи в эксперимент, и дать учёным больше сил на выбор и изучение правильных вопросов.
В химическом примере Haiqu рассматривается перенос протона в катионе Цунделя H₅O₂⁺ — две молекулы воды делят один лишний протон. Задача — при фиксированных научных условиях рассчитать барьер энергии при его перемещении между ними.
Десять независимых прогонов ИИ получили одинаковую постановку задачи. Все сгенерировали работающий код, но в четырёх не хватало нужных электронов, а в остальных менялась геометрия или путь протона. AgenticOS сохранил согласованный протокол, включая все 20 электронов и фиксированное расстояние кислород — кислород.
Расчёт методом выборочной квантовой диагонализации (SQD) дал барьер 554,8 мэВ против 574,3 мэВ у эталона с полным учётом конфигурационного взаимодействия — расхождение около 3,4%. SQD сочетает выборку электронных конфигураций с классическим расчётом энергии.
Эти числа описывают конкретную модель молекулы. Эталон точен в пределах расчётных допущений этой модели; результат не доказывает ни общей точности, ни квантового превосходства. Гораздо важнее то, что соблюдение протокола делает расчёты сопоставимыми.
Haiqu сообщает, что работа принята на семинар NeurIPS 2026, посвящённый ИИ в научных открытиях. Это по-прежнему демонстрация, о которой сообщает сама компания, а не широкий независимый эталон надёжности исследований.
В объявлении описан и другой эксперимент — с моделью Хаббарда, каркасом для изучения взаимодействующих электронов. Haiqu исследовала легированный двумерный вариант с фрустрацией и диагональными перескоками, что связано с изучением медно-оксидных высокотемпературных сверхпроводников.
AgenticOS построила эксперимент на сетке 3 × 3 и выполнила его на квантовом компьютере IBM. Малый размер сетки позволил сравнить результат с точным классическим решением. Haiqu сообщает о снижении глубины схемы примерно на 75% и предлагает калибровку, приводящую выходные данные железа в соответствие с безошибочным выполнением того же метода.
Глубина схемы — это число слоёв операций, необходимых для выполнения квантовой схемы. Меньшая глубина помогает работать на нынешних шумных процессорах, где ошибки накапливаются по ходу вычисления. Соответствие идеальному выполнению — ценное свидетельство в пользу метода и аппаратного процесса, но оно не означает, что эксперимент решил проблему сверхпроводимости или превзошёл классические вычисления в этом масштабе.
AgenticOS работает поверх инфраструктуры квантового ПО Haiqu. По объявлению, SDK обеспечивает загрузку данных, сжатие схем и подавление ошибок, а Haiqu Runtime управляет выполнением на симуляторах и квантовых процессорах.
На странице академической платформы есть практические детали: исследователи могут импортировать код Qiskit в SDK, отслеживать задания и сохранять бэкенд, калибровочные данные, случайные зёрна и настройки компиляции. Эти записи помогают командам воспроизводить эксперименты и понимать, почему два прогона разошлись.
Платформа также оценивает стоимость квантовой обработки до запуска и использует пакетную обработку и кэширование, чтобы сократить лишние прогоны. Эти функции связывают работу агентов с реальными ограничениями исследовательского бюджета.
Корпоративные команды могут запросить доступ к AgenticOS. Академические исследователи могут подать заявку на бесплатный доступ к платформе по программе Haiqu Academic Program и запросить кредиты AWS для классических и квантовых нагрузок; компания отмечает, что кредиты требуют одобрения и не гарантируются.
Для исследовательских команд обнадёживающая часть объявления — непрерывность между вопросом, гипотезой, кодом и доказательствами. Более быстрые вычисления ценны, только если учёный может установить, что именно было вычислено. AgenticOS ставит это требование в центр своего подхода к квантовым исследованиям с помощью ИИ.