13家机构联合研究揭示AI三类模型如何加速量子计算突破

来自13家机构的研究者联合撰写了一篇系统性综述论文，深入探讨人工智能在加速量子计算研究中的潜力。该研究聚焦三类AI模型——机器学习模型、深度学习模型与基础模型——在理解和表征大规模量子系统中的应用。随着量子系统规模扩大，传统方法因希尔伯特空间维度呈指数增长而失效，成为制约量子信息科学发展的核心瓶颈。近年来，以数据驱动为特征的AI技术正逐步改变这一局面，推动量子研究从依赖先验知识转向基于数据的新型范式。 论文由上海交通大学吴亚东副教授与新加坡国立大学杜宇轩博士牵头，两人在2024年首次线下会面后，意识到该领域虽进展迅速，但缺乏系统性梳理，不利于跨学科交流与初学者入门。因此，他们联合来自北美、欧洲、亚洲的十余位顶尖学者，包括加拿大皇家学会院士巴里·桑德斯、德国柏林自由大学延斯·艾瑟特、香港大学朱利奥·奇里贝拉，以及澳大利亚科学院院士Dacheng Tao等，共同完成这篇高水平综述。 研究系统回顾了AI在量子系统学习中的两大核心作用：一是精准预测复杂量子态的物理性质；二是构建“经典代理模型”，以简化方式高效逼近量子系统行为，显著降低对昂贵实验和算力的依赖。这些模型使得在不直接处理指数级复杂度的前提下，实现对大规模量子系统的有效建模与分析成为可能。 论文还指出当前面临的关键挑战，如模型泛化能力、物理可解释性及跨尺度建模的困难，并展望未来方向：AI有望成为“虚拟科学家”，自动发现新量子物质、优化量子线路设计、提升纠错效率，甚至自主提出创新实验方案，探索未知量子现象。 尽管初稿仅用两个月完成，但为确保内容兼具AI方法论深度与量子物理应用价值，团队历经近十个月反复修改，融合不同背景学者的视角，最终形成兼顾严谨性与可读性的跨学科成果。该综述为AI for Quantum Science的发展提供了清晰路径，也为未来AI与量子科技深度融合奠定了理论基础。