AI加速中性原子组装，为量子计算机「大脑」提速

AI资讯
1

中国科学家利用AI实现原子阵列毫秒级高速组装。该技术为构建未来量子计算机核心“大脑”提供关键突破，预示计算效率新飞跃。

原文标题：用原子制作薛定谔的猫，AI助力组装未来量子计算机的「大脑」

原文作者：数据派THU

冷月清谈：

中国科学技术大学的卢朝阳和潘建伟团队近日取得突破，他们成功利用人工智能（AI）作为核心系统，实现了**中性原子阵列的快速且大规模组装**。这项创新专注于构建未来量子计算机的“大脑”——即高性能量子比特阵列。文章介绍，传统计算机以二进制位（0或1）运算，而量子计算机则依赖于可以同时处于0和1状态的“量子位”（量子比特），其独特的纠缠特性使其在解决特定问题上超越经典计算机。然而，量子比特非常脆弱，需要稳定的制造和操控技术。

该研究团队通过训练一个AI模型，使其能够智能控制激光光模式，进而精准地推动和配置铷原子，形成预设的网格结构。实验结果令人瞩目：在短短60毫秒内，AI成功排布了多达2024个铷原子阵列，这一速度远超过去没有AI辅助的方法。为了形象化地展示这项技术，团队甚至用这些原子制作了一个微型的“薛定谔的猫”动画。尤为重要的是，这项AI辅助的组装方法展现出了强大的可扩展性。研究人员预计，未来该系统可以轻松控制10,000甚至100,000个原子，且不会因原子数量的增加而导致AI处理延迟，这**为大规模量子计算硬件的构建铺平了道路**。

怜星夜思：

1、除了原子排布，你觉得AI在量子计算机的研发过程中，还能在哪些地方发挥它的“超能力”？比如算法设计，或者错误纠正什么的？
2、文章里提到用AI操控原子制作了一个“薛定谔的猫”动画。你觉得团队为什么选择用这个形象来演示呢？它对普通人理解量子概念有什么特别的帮助吗？
3、目前量子计算机还在早期阶段，你认为未来五年内，它最有可能在哪些领域率先展现出实际的应用价值？同时，你觉得它面临的最大挑战会是什么？

原文内容

图片 
来源：ScienceAI

        本文约1300字，建议阅读5分钟

        这是一种快速组装原子网格的最佳方法，该原子网格未来很有可能成为量子计算机的「大脑」。


图片
图片1058×558 73.8 KB

AI 工具、助手，这些智能化的模型或者设备，正越来越多地帮助科学家撰写论文、进行文献综述，甚至设计实验室实验。现在，研究人员可以将优化量子计算加入到这一列表中。

一种潜在的量子计算机架构，是利用被困在二维光学陷阱阵列中的原子来实现的。每个原子都充当一个量子比特，计算过程则需要在阵列中移动、重新排列大量原子。这个「搬运」过程往往比较缓慢，因为原子必须在不同的阵列位置之间来回切换——就像在玩一盘复杂的中国跳棋。

不过，来自中国科技大学的卢朝阳和潘建伟及其同事现在已经使用人工智能（AI）作为系统的一部分，这是一种快速组装原子网格的最佳方法，该原子网格未来很有可能成为量子计算机的「大脑」。

为了展示该模型重新排列原子的速度有多快，该团队还使用该系统制作了一个关于薛定谔猫的微型动画。相关工作已于 2025 年 8 月 8 日发表在《Physical Review Letters》上。

论文链接：https://journals.aps.org/prl/abstract/10.1103/2ym8-vs82

玩转量子

经典计算机使用二进制位或比特进行操作，比特被编码为 1 或 0。量子计算机使用量子位，它可以处于「叠加」状态，在这种状态下，两种状态——1 和 0——同时存在。计算涉及纠缠量子位，这意味着它们的状态会相互关联。

这种设置使量子计算机能够比经典计算机更有效地解决特定类型的问题。但有一个问题：这种关系非常脆弱。故而，研究者使用超导电路、囚禁离子和中性原子网格等材料制造量子位，并用激光捕捉原子作为量子位。

研究者希望，只要原子数量够多，量子计算机总有一天能克服那些常见的错误问题——然后去完成传统计算机根本算不动的任务。他们训练 AI 模型的方式，是展示不同模式的激光光如何推动铷原子分布到各种网格配置。

研究人员用他们的模型，在 60 毫秒内，就排出了一个多达 2024 个铷原子的阵列。对比之下，另一组团队去年在没有 AI 帮助的情况下，排布大约 800 个中性原子花了一秒钟。

这段「薛定谔的猫」的视频，则是 AI 系统操控激光，把原子移动到指定位置拼出图案。等激光脉冲打上去时，这些原子会发光，于是图案就显现出来了。

规模扩展

随着阵列规模的扩大，确定合适的光模式或全息图等工作所需要的计算会变得越来越繁琐，求解重新排列的原子也更艰难。但这对于最新的组装方式来说并不困难。

潘建伟表示，已经有其他的团队在他团队的基础上，成功复制了该研究的实验成果。

先前看到的视频大约被慢放了 33 倍，它所能处理的上限大约在 2024 个原子。在未来，研究者预计其可以额外再控制数千个原子，尽管这个量级与 Mark Saffman（威斯康星大学，University of Wisconsin–Madison）所提出的百万级量子位需求还差得远。

但，潘建伟认为 AI 模型不应该在跟上进度方面有问题。他表示，增加原子不应该导致 AI 思考过程出现延迟，这意味着该方法「可以轻松扩展到未来的 10,000 甚至 100,000 个原子」。

原文链接：https://www.nature.com/articles/d41586-025-02577-9

编辑：文婧

关于我们

数据派THU作为数据科学类公众号，背靠清华大学大数据研究中心，分享前沿数据科学与大数据技术创新研究动态、持续传播数据科学知识，努力建设数据人才聚集平台、打造中国大数据最强集团军。



图片
图片1080×564 45.8 KB


新浪微博：@数据派THU

微信视频号：数据派THU

今日头条：数据派THU

2

在未来五年内，量子计算机最有可能在几个特定领域展现出初步的实际应用价值。例如，在药物研发和材料科学领域，它能更精确地模拟分子结构和化学反应，加速新药和新材料的发现。在金融建模方面，量子优化算法可能用于更复杂的风险分析和投资组合优化。此外，在密码学领域，量子算法对现有加密体系的破解能力将促使新的量子安全加密协议的开发。然而，主要挑战依然是量子比特的相干性维持、错误率高以及可扩展性问题，这些都限制了现有量子计算机的计算规模和鲁棒性。

3

量子计算机嘛，感觉五年内它会先在那些“烧钱”又“烧脑”的领域大显身手！比如制药公司肯定抢着用它来“炼丹”，加速新药研发，毕竟这能省好几亿。材料学也一样，开发新材料效率蹭蹭往上涨。至于挑战，那可多了去了！这玩意儿太娇贵了，一点点震动、温度变化都能让它“跑偏”，所以怎么把它搞得更稳定、错误更少，同时还能做得更大更强，简直是科学界的“终极副本”！不过，能解决这种难题，才是真正的突破！

4

哈哈，AI这小可爱在量子界里简直是个多面手！今天的它能排原子，明天就能学会给量子比特“画眉毛”（优化），后天说不定就去量子纠错中心当“包工头”了，专门负责把那些不听话的量子态“管教好”。甚至我猜，它还能帮量子物理学家写论文，用量子态写，写出来谁也看不懂，就是最前沿的！:grin:

5

我觉得这是个绝佳的“梗”营销！:joy:“薛定谔的猫”简直是量子力学的“吉祥物”了，知名度拉满。用它来演示，不光是秀肌肉（看我能准确排布原子！），更是在用一个大家耳熟能详但又觉得玄乎的概念，来拉近普通人与量子科学的距离，让大家觉得量子计算不只是实验室里的高深玩意儿，还能玩出“花活儿”。一下子把神秘感和趣味性都点亮了！

6

大方向肯定就是算法优化和错误纠正了。量子算法非常复杂，很多时候不是人凭直觉就能设计出最优解的，AI的机器学习能力就能在这种海量可能性里面寻找最优路径。至于量子比特的稳定性问题，AI也可以通过实时监测和调控，尽可能地延长量子相干时间，降低错误率。我觉得它就像量子世界的“智能管家”。

7

团队选择“薛定谔的猫”作为演示，既有深层次的物理象征意义，也具备极佳的科普传播效果。“猫”是量子叠加态的经典比喻，通过原子阵列动态重现这一概念，可以直观展示对单个原子精准操控的能力，间接印证了量子比特在叠加态下的潜在应用前景。对于公众而言，这种视觉化的具象表达，远比抽象的数学公式更能帮助理解量子力学中“叠加态”这种反直觉的现象，激发对科学的兴趣。

8

呃，五年内就指望量子计算机能全面取代经典计算机，那估计是想多了。最可能的是在某些非常特定的、经典计算机搞不定的“利基市场”先露个脸。比如说，一些超级复杂的化学模拟，或者某些优化问题的暴力破解。但真正的“通用量子计算机”离我们还远着呢。最大的挑战就是“稳定性”和“纠错”，每次看到新闻说“多少个量子比特”，心里就想：这些比特能好好地“纠缠”在一起多久？别一会儿就“散伙”了。感觉就是，前景很美好，现实很骨感，还需要大量的基础研究投入。

9

问得好！AI在量子计算中，除了文章提及的硬件层面（如原子操控），还能在软件层面发挥巨大作用。例如，在量子算法设计上，AI可以自动探索并优化量子线路，加速特定问题的求解。它也能增强量子错误纠正码的能力，通过机器学习识别和减轻量子比特的噪声，提高量子系统的相干时间。此外，AI在量子态层析成像、量子化学模拟的参数优化等领域也有潜在应用，是加速量子科学发现的强大工具。