Discovering Models for Experimental Quantum Systems with Agentic AI
本文介绍了一种智能体 AI 框架，该框架利用大语言模型自主发现物理模型并表征实验腔量子电动力学（cavity-QED）系统中的无序性，成功在金刚石和碳化硅色心的数据集上验证了该方法，同时展示了人类-AI 协作在量子研究中的潜力。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在探索基于量子力学奇特规则的新一代技术的过程中，科学家们经常转向固体材料内部微小的缺陷。想象一下钻石或一块碳化硅，这些都是以强度和透明度著称的材料。在这些晶体内部，一个缺失的原子或一个错位的杂质会创造出一个“色心”（color center），这是一个微观的点，就像一个被捕获的原子。这些点可以以量子比特（qubits）的形式存储信息，而量子比特是未来量子计算机和传感器的基本单元。为了使这些量子比特发挥作用，研究人员将它们放置在微小的光学腔内，光学腔就像镜子一样，能够捕捉光线并迫使光与色心发生强烈的相互作用。这种相互作用让科学家能够控制量子比特并读取其状态。然而，自然界很少是完美的。没有任何两个色心是完全相同的；它们在位置、与光的相互作用强度以及内部能级方面都存在差异。这种无序性使得预测一群此类发射器在共同工作时会如何表现变得极其困难，从而将一个清晰的理论构想变成了混乱的实验现实。
为了应对这种混乱，一个研究团队引入了一种结合了人类专业知识与人工智能智能体的新型工作方式。研究人员不再是手动写下每一个可能的理论并逐一进行测试，而是开发了一个系统，由一个由大语言模型驱动的 AI 智能体来主导。该智能体被给予一份描述实验的单一文档，然后被允许开始工作。它搜索科学文献以寻找相关的理论，编写自己的计算机代码来模拟这些理论，然后运行这些模拟以对比真实的实验数据。这个智能体不仅仅是在猜测；它构建了一个结构化的工作流：提出模型、测试模型、检查错误，并在结果不合理时优化其方法。其目标是观察这个数字助手是否能够观察复杂的、带有噪声的真实量子实验数据，并推导出支配该系统的底层物理定律，从而有效地对这种无序性进行逆向工程。
研究人员在他们自己实验室收集的三组不同数据集上测试了这种方法，每组数据都代表了复杂性的递增。第一个实验涉及钻石腔内的两个色心。在这种设置中，团队测量了原子在发射光之前处于激发态的时间。之前的真人分析识别出了一个明亮的发射器，但难以量化隐藏在数据中的第二个暗淡得多的发射器。AI 智能体成功识别出存在两个不同的发射器。它计算了它们的特定属性，例如它们与光的耦合强度以及它们的精确能级。智能体的模型比人工分析提供了一个更清晰的图像，显示出第二个发射器的存在，这表明 AI 可以理顺那些难以通过手工分离的重叠信号。
第二次测试转移到了包含单个色心的碳化硅谐振器。数据显示，光发射呈现出一种奇怪的双衰减模式，这并不符合科学家通常使用的简单模型。人类专家此前将其归因于一种被称为光谱扩散（spectral diffusion）的现象，即原子的能级发生随机抖动。AI 智能体采取了更广泛的视角，构建了一个包含 32 种不同可能模型的库。它测试了包括原子能量抖动、与腔壁相互作用以及其他量子过程在内的各种效应组合。智能体证实了能量抖动确实是一个主要因素，但它还引入了一个新的可能性：这种抖动可能遵循与此前假设不同的统计模式。虽然数据无法在两种模式之间做出明确的选择，但智能体提出并测试这一替代假设的能力扩展了科学对话，为未来的测量指明了新方向。
最后且最具挑战性的实验涉及一个在碳化硅谐塞器内相互作用的约十个色心的云团。这个系统非常难以处理，因为发射器会相互影响，且它们的个体缺陷创造了一个混沌的景观。此前的人类分析通过假设仅涉及四个发射器来简化了问题。然而，AI 智能体探索了更广泛的可能性，测试了包含三个、四个、五个甚至六个发射器的模型。它发现，为了准确重现数据中的复杂模式，系统可能至少包含五个发射器。智能体还确定，三种特定类型的无序——原子能级的变化、耦合强度的变化以及取向的变化——对于解释结果都是必要的。移除其中任何一个因素都会导致模型失效。这一发现表明，无序不仅仅是需要被忽略的干扰，更是塑造系统行为的一个基本特征。
这项研究的一个关键部分是检查 AI 是否能够被信任以给出一致的答案。由于大语言模型以其某种程度上的不可预测性而闻名，研究人员使用相同的初始信息多次运行了相同的实验。他们发现，虽然智能体最初解决问题的计划在每次运行中都会有所不同——有时会选择略有不同的模型或方法——但它提取出的最终物理数值却非常稳定。当智能体确定解决方案时，它提取的诸如耦合强度和能级之类的数值在不同运行之间几乎是完全一致的。这表明，虽然 AI 的创意头脑风暴阶段具有灵活性，但其进行数值计算并寻找最佳拟合的能力是可靠的。
研究结论指出，这些 AI 智能体可以作为科学发现的强大伙伴，能够以补充人类直觉的方式处理无序量子系统的复杂性。该智能体并没有取代科学家；相反，它扮演了一个不知疲倦的合作者角色，能够快速生成假设、编写代码并将其与现实进行对比测试。通过自动化繁重的模型测试工作，该系统使研究人员能够专注于解释结果并提出更深层次的问题。这项工作证明，只要拥有正确的结构和工具，人工智能可以帮助科学家穿透实验噪声的迷雾，揭示隐藏在底层的清晰物理定律。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。