AI「学不会」竟成相变探针!UCSD华人联手谷歌等,曝光量子纠缠秘密
新智元报道
编辑:KingHZ
【新智元导读】人工智能常被看作解决问题的工具,但在最新发表于arXiv的成相缠秘一项研究中,它的变探「失败」本身却成了科学发现的线索。
来自加州大学圣地亚哥分校(UCSD)的人联华人学者Wanda Hou,与加州大学伯克利分校以及Google QuantumAI合作,手谷在谷歌的曝光Sycamore与Willow超导量子处理器上完成了一次别开生面的实验。
他们发现:当机器学习模型「学不会」时,量纠正好对应量子体系发生了测量诱发的竟D华相变。AI的成相缠秘失效,反而成为了物理的变探探针。
论文链接:https://arxiv.org/abs/2509.08890
为什么要关注测量?
在量子计算中,测量通常被视为「终点」——想得到结果,手谷就测量比特;但这一步也会破坏量子态。曝光
令人惊讶的量纠是,测量并不只是竟D华破坏,它还能在未被测量的比特之间诱发新的远程纠缠。
问题是,这种效应隐藏得太深,传统方法往往需要指数级的实验次数才能把它揪出来。
于是,研究团队提出了一个大胆的问题:能否完全放弃先验知识与繁琐的「后选」,让机器学习直接从数据里自己发现?
如何把AI拉进实验室
团队首先在谷歌的超导量子处理器上制备了一维和二维cluster态。
然后,他们测量掉几乎所有的量子比特,只留下远距离的两个探针比特,并用「经典影子(clssical shadow)」方法去记录探针的状态。
接着,他们把这些实验数据输入一个带注意力机制的生成式神经网络。
与常见的监督学习不同,这个模型没有标签、没有先验,全靠无监督学习来「猜测」探针的后测量态。
Image caption:一维实验:测量掉链中比特,两端探针产生纠缠。
二维实验:随测量角度变化出现相变,临界点角度的纠缠骤现。
神经网络:直接用测量数据学习探针状态,估计纠缠与熵,无需先验模型。
「意外」的发现
在一维34比特的实验中,AI的表现堪称亮眼:即使什么先验都不给,它仅凭数据就学出了与理论模型一致的远程纠缠。可到了二维6X6阵列,情况突然变得耐人寻味:
在低纠缠区:体系没有长程量子纠缠,AI很快就学会了测量数据中的简单结构,预测结果与理论一致,纠缠为零。学习曲线迅速收敛,所需计算资源也远小于传统模拟。
在高纠缠区:体系充满全局性的量子纠缠,数据看似随机却高度相关,但这种复杂性根本无法被经典算法解码。AI并不是「不够强」,而是遇到了物理层面的「硬障碍」。它虽然也能很快收敛,但学到的只是「瞎猜」,因此无法探测到纠缠。
在临界点:情况最耐人寻味。AI的学习曲线突然拉长,说明它在数据中捕捉到了复杂且丰富的结构,需要更多训练才能收敛。最终,它在这里给出的纠缠信号出现峰值,恰好对应体系发生相变的临界点。
换句话说,AI的「学不会」,正好对应量子体系进入临界的时刻。
重要的是,这并不是AI本身的问题,而是全局量子纠缠带来的指数级复杂度,天然超出了经典算法的解码能力。经典AI在这里触碰到了物理世界的「硬边界」,它的失效反而成为我们确认临界性的信号。
从经典AI到量子AI
这一发现也让人重新思考未来:如果经典AI的局限来自无法高效模拟全局量子纠缠,那么当量子计算机本身成为AI的算力基座时,会发生什么?
理论上,量子增强的AI能直接处理纠缠与非局域关联,从而跳过经典算法的「学习失败」瓶颈。
这不仅意味着更强的模式识别与科学建模能力,也可能成为科学家们长期设想的「真正的科学智能体」的雏形。
值得注意的是,Google QuantumAI团队在几乎同一时间发表的另一篇工作。
论文链接:https://arxiv.org/abs/2509.09033
这篇工作就从理论角度证明:当量子计算机用作生成式AI的基座时,模型能力将出现本质性的进化,能实现经典AI无法触及的表达与推理能力。
在这个意义上,今天我们看到的「AI学不会」,并不是失败的终点,而是未来量子AI的起点路标。
当量子与智能真正融合,我们可能迎来一次科研范式的根本飞跃。
意义与展望
这项工作带来的启示至少体现在三个方面:
新型观测范式:通过AI学习与量子—经典交叉关联,研究者能够在无需后选、避免指数级实验成本的条件下,从数据中直接提取物理信号。更重要的是,AI的「学不会」本身也成为了临界性的标志,让学习过程转化为一种新的观测手段。
误差校正潜力:在低纠缠区(可「擦除」的区域),AI能快速学习并准确识别测量数据的结构信号。这类能力非常适合应用于量子误差校正,帮助量子计算机实时定位并修复局部噪声和错误。
未来前景:量子计算与人工智能的结合,有潜力孕育真正面向科学探索的智能体。当AI本身运行在量子计算机上时,它或许能够突破经典算法的限制,直接操控和解码量子纠缠,带来一次智能形态的根本飞跃。
总结
由UCSD与UCB领衔、并与Google QuantumAI深度合作的这项研究,首次在实验中表明:经典学习模型的失败本身可以作为物理临界点的探针。
在一维体系中,研究者仅凭数据驱动就揭示了远程纠缠;在二维体系中,机器学习的「学不会」与测量诱发相变的临界点精确重合。
这不仅突破了传统观测的瓶颈,也预示着一种新的研究范式:AI不只是辅助工具,它本身也能成为探索自然规律的显微镜。而当量子计算赋能AI时,科学家们或许将迎来真正的「量子智能体」时代。
参考资料:
https://arxiv.org/pdf/2509.08890
(责任编辑:探索)
-
皮特森无人问津CBA新赛季还有两个月就要拉开大幕,今年夏天中国男篮取得了不错的成绩,杨瀚森、曾凡博、余嘉豪等年轻球员纷纷选择去海外打球,中国男篮的天似乎亮了,这让我们更加期待新赛季!目前各家俱乐部纷纷 ...[详细]
-
别回CBA!打不上NBA,王俊杰可效仿余嘉豪,站稳欧洲联赛不是问题
今夏的男篮亚洲杯,并没有职业联赛经历的王俊杰,确实让大家眼前一亮。为中国男篮出战的6场比赛,王俊杰在场均23.5分钟的上场时间里,得到13分4.2篮板1.2助攻,投篮命中率和三分球命中率分别为56.1 ...[详细]
-
73:77!上海队4分憾负惨遭两连败,张镇麟虽然只有7分,但是进步了
73:77!上海队4分憾负,先后输给浙江双雄惨遭两连败,张镇麟虽然还是7分,但是面对的是广厦锋线双子星真的进步了!上海队对阵广厦队热身赛的比分最终定格在73:77,上海队4分憾负又输了,挺可惜的。而上 ...[详细]
-
郭艾伦乐不思蜀!张镇麟休假回沈阳,他俩代表辽篮参加全运会多好?
郭艾伦乐不思蜀!张镇麟一休息就直奔沈阳老家,要是他俩代表辽篮参加全运会决赛,三连冠不是问题!辽篮为了备战下个月的全运赛决赛,全队也就只放了两天假就重新集结了,可见手握全运会两连冠的辽篮的决心,毫无疑问 ...[详细]
-
FIFA女足冠军杯第一轮,武汉车谷江大女足1-0击败奥克兰联女足。国际足联主席因凡蒂诺在社交媒体祝贺武汉车谷江大成为女足冠军杯首胜球队。因凡蒂诺在社交媒体写道:“国际足联女足冠军杯首轮:武汉车谷江大女 ...[详细]
-
张镇麟打不了持球,上海男篮缺本土后卫 新援拿2分 压力给到卢伟
结束了海外拉练之后,上海男篮回国备战,首场热身赛对阵浙江男篮,最终61-76大比分输球,两队之间本土球员之间实力差距不算大,热身赛更多的是发现问题,从而去解决。但不至于输掉15分,浙江男篮的中锋余嘉豪 ...[详细]
-
本报讯福建日报记者 庄国辉刘泽阳)3日,笔者从泉州市泉港区民政局获悉,今年起,该区推行城乡低保标准一体化,将城市、农村低保标准统一为600元/人/月,进一步提高农村低保对象的生活水平,实现城乡统筹发展 ...[详细]
-
海峡网2月9日讯 泉州网记者蔡紫旻)为了确保小康路上一个都不掉队,今年,泉州市将加大帮扶力度,全面落实稳定脱贫各项政策,并大力推行精准扶贫医疗叠加保险,探索建立起扶持贫困线边缘低收入群体的工作机制。针 ...[详细]
-
搭建“互联网+智慧管河”平台,探索水陆空全域化巡查新模式,设立生态警察中队、县镇人大代表河长制督导队伍…… 创新,让永春河长制有了升级版海峡网5月8 ...[详细]
-
上场时间管够!林葳获俄勒冈大学主帅认可,有望成NCAA中国第一人
备受瞩目的NCAA联赛新赛季还没有开始,近期关于CBA联赛主力后卫林葳被俄勒冈大学男篮认可的消息引起了球迷的关注。今夏休赛期,林葳并没有像杨瀚森一样被NBA联赛球队看中。为了能够继续提高自己的实力,林 ...[详细]