來源：ScienceAI

作者：論文團(tuán)隊(duì)

編輯：ScienceAI

在量子科學(xué)中，復(fù)雜性往往增長得出乎意料。一個(gè)經(jīng)典比特只能是 0 或 1，而 50 個(gè)量子比特的狀態(tài)，就需要超過一千萬億個(gè)復(fù)數(shù)來完整描述，這個(gè)規(guī)模遠(yuǎn)遠(yuǎn)超過任何超級(jí)計(jì)算機(jī)的存儲(chǔ)能力。隨著實(shí)驗(yàn)室里量子設(shè)備的不斷擴(kuò)展，科學(xué)家們逐漸面臨一個(gè)悖論：我們能夠制造越來越大的量子系統(tǒng)，卻常常無法用傳統(tǒng)方法去全面理解它們。

為應(yīng)對(duì)這一挑戰(zhàn)，人工智能（AI）正展現(xiàn)出前所未有的潛力。近日，南洋理工大學(xué)聯(lián)合上海交通大學(xué)、香港大學(xué)、牛津大學(xué)、加拿大 PI 研究所、柏林自由大學(xué)、加州大學(xué)圣地亞哥分校、新加坡國立大學(xué)、卡爾加里大學(xué)等多家國際機(jī)構(gòu)，重磅發(fā)布綜述《

Artificial intelligence for representing and characterizing quantum systems

論文鏈接：

https://arxiv.org/pdf/2509.04923

團(tuán)隊(duì)系統(tǒng)梳理了近三百篇前沿成果，首次從機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和大模型三大范式切入，總結(jié)了 AI 在刻畫和表征復(fù)雜量子系統(tǒng)中的關(guān)鍵作用，討論了用 AI 賦能量子科學(xué)的挑戰(zhàn)，并展望了「量子版 AlphaFold」的未來前景。

AI 為什么能幫我們理解量子？

量子系統(tǒng)的復(fù)雜度會(huì)隨著比特?cái)?shù)的增加呈指數(shù)式爆發(fā)。對(duì)于幾十個(gè)量子比特，傳統(tǒng)的計(jì)算方法還能勉強(qiáng)應(yīng)付，但一旦遇到更大規(guī)模、糾纏更深的量子態(tài)，就很快變得力不從心。AI 的優(yōu)勢在于，它不需要完整寫下指數(shù)維度的描述，而是可以從有限測量數(shù)據(jù)中「學(xué)習(xí)」出量子系統(tǒng)的規(guī)律。換句話說，AI 把難以直觀掌握的量子態(tài)轉(zhuǎn)化為一個(gè)數(shù)據(jù)驅(qū)動(dòng)的預(yù)測問題，讓不可能變得可能。

三大范式：從機(jī)器學(xué)習(xí)到大模型

這篇綜述將人工智能在量子系統(tǒng)研究中的應(yīng)用，歸納為三種互補(bǔ)的范式：

• 機(jī)器學(xué)習(xí)

• 深度學(xué)習(xí)

• 語言模型

機(jī)器學(xué)習(xí)主要用于預(yù)測量子系統(tǒng)的線性屬性，例如能量、相關(guān)函數(shù)、磁化強(qiáng)度等。這些量往往是驗(yàn)證實(shí)驗(yàn)結(jié)果和理解系統(tǒng)整體行為的基礎(chǔ)。機(jī)器學(xué)習(xí)方法的優(yōu)勢在于結(jié)果穩(wěn)定、理論可控，能夠?yàn)閷?shí)驗(yàn)提供可靠的對(duì)照。

深度學(xué)習(xí)則展現(xiàn)出更強(qiáng)的表達(dá)能力。它能夠捕捉量子系統(tǒng)中更復(fù)雜的特征，例如糾纏熵和保真度，并通過生成模型實(shí)現(xiàn)量子態(tài)的近似重建。這讓科學(xué)家能夠在有限實(shí)驗(yàn)數(shù)據(jù)的條件下，依然獲得對(duì)系統(tǒng)的整體刻畫，大幅降低了實(shí)驗(yàn)成本。深度學(xué)習(xí)也已被用于輔助量子算法設(shè)計(jì)和量子硬件診斷。

語言模型代表著最新的趨勢。類似 GPT 的自回歸模型開始被引入到量子科學(xué)中，用于生成量子態(tài)的表示。它們有潛力發(fā)展成為「量子科學(xué)的基礎(chǔ)模型」，在未來扮演類似 AlphaFold 在蛋白質(zhì)科學(xué)中的角色，推動(dòng)領(lǐng)域內(nèi)出現(xiàn)突破性的應(yīng)用。

無論采用哪種方法，綜述指出其最終目標(biāo)都可以歸結(jié)為三個(gè)核心任務(wù)：預(yù)測線性屬性、預(yù)測非線性屬性，以及量子態(tài)重建。通過這些能力，AI 不僅幫助科學(xué)家驗(yàn)證量子計(jì)算設(shè)備的正確性，還能揭示量子物質(zhì)的新奇態(tài)，并降低對(duì)傳統(tǒng)量子層析實(shí)驗(yàn)的依賴。實(shí)際應(yīng)用已經(jīng)開始落地：從大規(guī)模量子比特裝置的認(rèn)證，到變分量子算法的優(yōu)化，再到發(fā)現(xiàn)強(qiáng)關(guān)聯(lián)物質(zhì)的新相。AI 在量子科學(xué)中，正在逐漸轉(zhuǎn)變?yōu)檎嬲摹柑剿骰锇椤埂?/p>

學(xué)習(xí)框架：為量子研究建立統(tǒng)一視角

除了梳理三大范式，綜述還提出了一個(gè)系統(tǒng)性的學(xué)習(xí)框架，用來總結(jié) AI 介入量子研究的共性流程。這個(gè)框架包含三個(gè)核心階段：

• 數(shù)據(jù)采集：研究者通過量子實(shí)驗(yàn)或數(shù)值模擬獲得有限的觀測數(shù)據(jù)。這些數(shù)據(jù)通常是局域測量結(jié)果，而非對(duì)量子態(tài)的完整描繪。

• 模型優(yōu)化：AI 模型在這些數(shù)據(jù)的基礎(chǔ)上進(jìn)行訓(xùn)練，學(xué)習(xí)出能夠捕捉量子系統(tǒng)特征的有效表示。不同方法在這一階段各展所長：機(jī)器學(xué)習(xí)注重穩(wěn)定性，深度學(xué)習(xí)強(qiáng)調(diào)表達(dá)能力，語言模型則追求跨任務(wù)的泛化。

• 性質(zhì)預(yù)測：完成訓(xùn)練的模型可被用于推斷系統(tǒng)的關(guān)鍵物理量，不僅包括實(shí)驗(yàn)上容易測得的能量、相關(guān)函數(shù)，還包括難以直接計(jì)算的熵、保真度，甚至對(duì)未觀測情形做出可靠預(yù)測。

這一框架的意義在于，它為不同方法提供了一個(gè)統(tǒng)一的參照坐標(biāo)系。過去，量子 AI 的研究往往是零散的探索，而現(xiàn)在通過這個(gè)框架，可以系統(tǒng)比較不同方法的優(yōu)劣，并為未來研究提供清晰的路線圖。它不僅總結(jié)了已有成果，也為標(biāo)準(zhǔn)化和規(guī)?；瘧?yīng)用奠定了基礎(chǔ)。

突破與瓶頸并存

綜述指出，AI 在量子科學(xué)中的應(yīng)用已取得一系列令人鼓舞的成果，但同時(shí)也面臨著明顯的瓶頸。

• 首先，量子實(shí)驗(yàn)數(shù)據(jù)依然昂貴且稀缺，這使得如何在「小數(shù)據(jù)」條件下實(shí)現(xiàn)模型的有效泛化成為核心挑戰(zhàn)。

• 其次，許多深度學(xué)習(xí)方法缺乏清晰的物理解釋性，這限制了它們?cè)诳茖W(xué)界的廣泛接受度。

• 更根本的問題在于：哪些任務(wù)可以依靠經(jīng)典 AI 完成，哪些任務(wù)必須交給真正的量子硬件？這不僅是實(shí)踐問題，更觸及量子學(xué)習(xí)理論的前沿。

未來展望：通向「量子 GPT」

在未來方向上，綜述特別強(qiáng)調(diào)了構(gòu)建通用「量子 GPT」模型的潛力。這類模型有望在有限數(shù)據(jù)下高效生成量子系統(tǒng)的近似表示，甚至提出新的物理假設(shè)，成為科學(xué)家與 AI 協(xié)作探索自然規(guī)律的重要伙伴。與此同時(shí)，量子科學(xué)的復(fù)雜性也會(huì)反過來推動(dòng) AI 理論的發(fā)展 —— 如何應(yīng)對(duì)指數(shù)級(jí)復(fù)雜的數(shù)據(jù)結(jié)構(gòu)，以及如何提高模型的可解釋性，都是亟待回答的問題。綜述認(rèn)為，正是這些挑戰(zhàn)與機(jī)遇的交織，標(biāo)志著 AI 與量子科學(xué)的深度融合正進(jìn)入一個(gè)新的階段。

總結(jié)

量子科學(xué)的探索從來都充滿艱難與未知，但也正因其復(fù)雜與神秘，才不斷吸引著一代又一代科學(xué)家前赴后繼。如今，人工智能的加入正在重塑這一進(jìn)程。這篇綜述為科研人員勾勒出一幅清晰的圖景，也寄望于未來某一天，AI 不僅能幫助我們「看見」量子世界，更能與我們一道揭示全新的物理定律。

閱讀最新前沿科技趨勢報(bào)告，請(qǐng)?jiān)L問歐米伽研究所的“未來知識(shí)庫”

https://wx.zsxq.com/group/454854145828

未來知識(shí)庫是“ 歐米伽 未來研究所”建立的在線知識(shí)庫平臺(tái)，收藏的資料范圍包括人工智能、腦科學(xué)、互聯(lián)網(wǎng)、超級(jí)智能，數(shù)智大腦、能源、軍事、經(jīng)濟(jì)、人類風(fēng)險(xiǎn)等等領(lǐng)域的前沿進(jìn)展與未來趨勢。目前擁有超過8000篇重要資料。每周更新不少于100篇世界范圍最新研究資料。 歡迎掃描二維碼或訪問https://wx.zsxq.com/group/454854145828進(jìn)入。