Reimagining computational quantum research with AI scientists

长期以来，科学一直依赖于一种简单的、人类特有的仪式：一位研究人员发表一项发现，另一位研究人员尝试重复该实验，以验证其是否成立。这种验证过程是任何领域（从医学到物理学）建立信任的基石。然而，随着我们提出的问题变得愈发复杂，回答这些问题所需的实验已演变成庞大且复杂的数字构建物。在研究物质微观行为的量子科学领域，这些构建物涉及模拟那些即便使用最强大的超级计算机也难以直接处理的系统。为了应对这种复杂性，科学家们正越来越多地转向人工智能，希望构建能够阅读论文、理解方法并自主运行代码的数字研究员。但要实现这种自主发现的愿景，这些人工智能系统必须首先证明它们能够忠实地重现人类科学家的工作。如果人工智能无法可靠地复现已发表的结果，它就无法被信任去产生新的结果。

一支研究团队现在对这一挑战进行了深入审视，提出了一个根本性的问题：当前的人工智能科学家是否真的能够复现已发表的量子研究论文？为了找出答案，他们创建了一个名为 OmniQ 的严谨测试场。这是一个虚拟实验室，研究小组在其中选取了涵盖量子科学三个主要领域的六十篇已发表研究：在经典计算机上模拟量子系统、设计新的量子算法以及测量量子系统的特性。他们将这些论文及其目标图表和数据输入到五个由大语言模型驱动的高级人工智能系统中。目标简单但要求极高：人工智能必须阅读论文、编写必要的代码、运行计算，并产生与原刊载内容相匹配的结果。

结果是具有启发性的。尽管人工智能科学家具备先进的推理能力，但它们经常无法复现已发表的结果。在许多情况下，失败并非由于缺乏智能，而是由于科学记录本身提供的信息存在缺口。研究人员发现，在六十项研究中的十八项中，发表的论文、发布的代码与报告的结果之间是不一致的。有时，论文描述了一种方法，但代码实际并未采用；有时，代码产生的数字与论文中的图表不符。这些不一致性造成了模糊的迷雾，令人工智能感到困惑，使其无法得知应该遵循哪一个版本的真相。即使在科学记录清晰的情况下，人工智能也经常在量子研究的具体、细微要求上遇到困难，例如如何正确解释测量方式，或如何构建复杂的数学运算。

然而，故事并未以失败告终。研究人员发现，当人类专家介入以澄清这些歧义或修复这些不一致之处时，人工智能便能成功复现结果。这一观察引出了一个关键洞察：成功所需的缺失信息是可以被识别、修正并转化为可重用知识的。基于此，该团队开发了一种新型的人工智能科学家，称为“残差代理”（Residual Agents）。与每次都试图从头开始解决问题的标准人工智能不同，该系统旨在从自身的错误中学习。当它无法复现结果时，人类专家会审查失败原因，识别出具体的错误，然后系统会将该修正提炼为一条教训。这条教训随后被存储在记忆库中，并用于指导未来的尝试。

这种自我改进方法的影响是显著的。通过使用这些提炼出的教训，残差代理系统大幅提升了其表现。例如，在使用一个最初仅在 68% 的任务中取得成功的特定基础模型时，残差代理将其成功率提升到了 85%。值得注意的是，它以极低的成本实现了这一高水平的表现，而其他顶尖的人工智能系统若要达到类似结果，则需要消耗更多的计算能力和资金。研究人员将所有这些复现的结果整合到一个开放平台中，创建了一个不断增长的经过验证的科学工作流库，供其他人工智能系统访问和使用。

这项工作为计算科学开辟了一条新路径。它表明，虽然当前的人工智能系统尚不能完全取代人类研究人员来验证复杂的量子实验，但可以通过引导式学习使其变得可靠。通过将复现科学论文这一艰巨任务转化为结构化的学习体验，研究人员为未来创造了一个基础，使人工智能科学家能够自主探索量子世界，并建立在经过验证、可重用的知识基石之上，而非在过去的种种不一致性中跌跌撞撞。