AI beschleunigt Quantenforschung: Drei Modelltypen im Fokus

自21世纪以来，以“it from qubit”为标志的第二次量子革命加速推进，量子计算、通信与传感正从实验室走向实际应用，成为下一代科技变革的核心驱动力。然而，随着量子系统规模扩大，其态空间在希尔伯特空间中呈指数级增长，传统方法难以有效描述复杂量子系统，成为制约发展的关键瓶颈。在此背景下，人工智能，特别是数据驱动的机器学习与大模型技术，展现出巨大潜力。2022年ChatGPT等大模型的出现，推动了AI for Science的兴起，使AI在量子信息领域从辅助工具演变为研究范式变革的引擎。上海交通大学副教授吴亚东与新加坡国立大学研究员杜宇轩基于长期“神交”式的学术交流，于2024年在新加坡首次线下会面，共同意识到该领域虽已取得显著进展，但缺乏系统性综述。两人遂联合13家国际机构的学者，历时近十个月，完成一篇关于AI在量子系统学习中应用的综述论文，系统梳理了三类AI模型——机器学习、深度学习与基础模型——在理解与表征大规模量子系统中的作用。 该综述聚焦AI在两大核心任务中的价值：一是精准预测量子系统的物理性质，如能级结构、纠缠熵等；二是构建“经典代理模型”（classical surrogate models），以低维、可计算的方式近似高维量子行为，从而大幅减少对昂贵量子实验的依赖。研究指出，AI模型能有效捕捉量子态的非局域关联与高维结构，尤其在量子模拟数据和量子计算机输出结果的分析中表现突出。论文还强调，AI正推动量子研究从依赖先验理论的范式转向数据驱动的新路径，显著提升模拟效率与实验设计能力。 面对高度跨学科的挑战，团队汇聚了来自北美、欧洲与亚洲的顶尖学者，涵盖量子物理与人工智能两大领域。包括加拿大皇家学会院士巴里·桑德斯、德国柏林自由大学的延斯·艾瑟特、香港大学的朱利奥·奇里贝拉，以及澳大利亚科学院院士Dacheng Tao等，共同参与框架构建与内容打磨。由于吴亚东（计算机背景转物理）与杜宇轩（物理背景转AI）的学术视角差异，初期在“方法论”与“应用导向”的平衡上存在分歧，经多轮讨论后形成统一叙事框架，确保对不同背景读者兼具可读性与科学严谨性。 展望未来，AI有望在量子系统校准、线路优化、硬件设计与量子纠错等领域发挥关键作用，甚至催生“虚拟科学家”——能自主发现新量子物态、提出实验构想，推动突破性发现。该综述不仅总结现状与挑战，更指明了AI与量子科学深度融合的广阔前景。论文已发布于arXiv（2509.04923），为后续研究提供重要参考。 业内专家评价，该综述填补了AI for Quantum Science领域系统性文献的空白，其跨学科整合能力与前瞻视野极具示范意义。吴亚东与杜宇轩团队的协作模式，也成为未来重大交叉研究的典范。随着基础模型能力持续提升，AI在量子科学中的角色将从“工具”迈向“伙伴”，加速实现量子技术的实用化与普适化。