共计 966 个字符，预计需要花费 3 分钟才能阅读完成。
人工智能（AI）工具正日益成为科学研究的得力助手，从撰写论文到设计实验室实验，AI 的应用范围不断扩大。如今，研究人员又将目光投向了量子计算的优化领域。
一个研究团队利用 AI 模型，成功计算出了快速组装原子网格的最佳方法，这些原子未来有望成为量子计算机的“大脑”。为了展示该模型在重新排列原子方面的速度，团队还使用该系统制作了薛定谔猫的微型动画。这项研究成果已于上周发表在《物理评论快报》上。
该研究的合著者、中国科学技术大学物理学家潘建伟表示，团队在一位前学生在 AI 实验室找到工作后，开始对使用 AI 加速构建“中性原子阵列”产生兴趣。他指出：“AI for science 正在成为解决复杂科学问题的强大范式。”潘建伟强调，使用原子阵列进行量子计算的一大挑战是如何以“高效、快速和可扩展的方式”重新排列它们，而 AI 为团队解决了这一问题，并且速度惊人。
经典计算机使用二进制数字（或比特）执行操作，编码为 1 或 0。而量子计算机则使用量子比特，它们可以处于“叠加态”，即 1 和 0 两种状态同时存在。计算过程涉及纠缠量子比特，这意味着它们的状态变得相互关联。
研究人员一直在使用超导电路、捕获离子和中性原子网格等材料创建量子比特，这些材料因其能在相对较长的时间内保持量子态而备受推崇。为了将原子用作量子比特，科学家用激光捕获它们，然后将量子信息存储在电子的能级中。
希望在于，如果使用足够多的原子，量子计算机有朝一日将克服经常困扰这些系统的错误，并最终执行经典计算机无法完成的计算。
潘建伟和他的同事通过展示如何使用不同模式的激光将铷原子的各种分布推入一系列网格配置来训练他们的 AI 模型。根据原子的起始位置，模型可以快速计算出重新排列成 2D 和 3D 形状所需的光模式。
研究人员使用他们的模型在 60 毫秒内组装了多达 2,024 个铷原子的阵列。相比之下，另一组去年在没有使用 AI 的情况下组装了约 800 个中性原子，但花费了整整一秒。在薛定谔猫的视频中，AI 系统引导激光移动原子以创建所需的图案。原子在响应激光脉冲时发光，从而变得可见。
创建决定如何排列中性原子阵列的正确光模式或全息图通常涉及一系列繁琐的计算。“随着阵列越来越大，这些计算可能会占用相当多的时间，”威斯康星大学麦迪逊分校物理学家 Mark Saffman 说。这就是为什么他的许多同事“对这项工作印象深刻，我也是如此。”
