8 月 22 日 Nature 新闻版的标题很响——"AI 智能体一夜跑完量子实验"。但同一天的 Quantum Brief 长文点出了更要紧的事:Pasqal 在三个案例上跑通实验,其中两个智能体犯了"自信的错误"——一个选错了观测量,一个凭空写出一段"措辞专业但根本不存在"的硬件故障诊断。这两个错误靠人类物理学家审稿拦下来,智能体自己不会说"我可能错了"。
作者团队 Constantin Dalyac、Alexandre Dauphin、Loïc Henriet、Christophe Jurczak 都来自 Pasqal——法国中性原子量子计算的小巨头。他们的智能体不是从零训,而是把现成软件栈(Pulser + emu-mps + Pasqal Cloud SDK)做编排:Pulser 设计中性原子脉冲序列,emu-mps 用经典模拟做矩阵乘积态预估,Cloud SDK 把任务推到加拿大 FC1 / 沙特 SA1 两台云端 QPU。
整个工作最有商业价值的一点是:把"论文 → 中性原子处理器"的转换时间从"专业团队数周"压到"过夜"。中性原子路线的痛点一直是"软件栈碎片化"——每家 QPU 都用自己的库,工程师要先懂 Pulser 再懂原子排布再懂噪声模型。把它交给 AI,对一个 150 人规模的公司意味着同等人员能做几十倍的实验。这件事的边际效应比实验本身的故事更值钱。
但回到那两个"自信的错误"——这件事的风险等级跟"AI 写代码翻车"完全不同。代码有便宜的 CI 兜底,测试失败一眼可见;量子实验没有廉价独立测试——人们愿意用量子处理器,正是因为经典计算机很难独立复现答案。流畅、快速、偶尔对错误结论深信不疑的智能体,恰好出现在最不容易被发现的领域。
Nature 把论文放新闻版,意味着量子社区和泛科技圈都看到了"vibe coding 已抵达量子"。但论文自己的判断没被多数读者扫到:LLM 最薄弱处不是"按哪个按钮",而是"这个结果意味着什么"——也就是物理判断那一段。量子行业里这恰恰是最稀缺、最值钱、也最不容易被自动化的能力。
更扎心的是作者原话——即便是先进 agent 也难以掌握物理直觉与隐性知识。这一句把"AI 进实验室"这张牌从"降本增效"翻到"错误类型的范式转移":人类以前担心实验失败,现在要担心实验"看似成功但回答错了问题"。
落到具体判断:这件事的工程信号是中性原子路线相对超导/离子阱的"软件栈碎片化"短板被一次性拉平。Pulser + emu-mps + 自然语言编排,跟 IBM Qiskit、Quantinuum TKET、IonQ Forte 进入同档对比。
但治理信号也一样响:量子领域很快需要一套"AI 实验可追溯规范"——哪一步是 AI 决定、哪一步是人类决策、哪一个观测量是 AI 选错的——全部要留痕。AI 写的代码读起来流畅自洽,但"物理动机"完全缺失,审稿人面对的不是"错的论文",而是"看起来对、但不知道为什么要这样做的流程"。
下一根钉子:在 Pasqal Cloud 推送任务那一步强制插一道"人类 gate"——观测量选择、噪声归因、最终结论这三件事不让 AI 单方面签字。这是 Pasqal 这件工作留给整个量子产业的一条具体工程规范,在容错量子计算尚未到来的这几年里,可能是比硬件更紧迫的事。
#Pasqal #量子计算 #AI实验