早在 2009 年，计算机科学家就开始尝试使用一个简单的算法，该算法通过进化过程来发现物理定律。它通过分析简单的实验数据，例如双摆的摆动运动。令许多人惊讶的是，它发现了诸如能量守恒定律、动量守恒定律等关系。
自那时以来，物理学家和计算机科学家开始使用人工智能技术更进一步，发现了更多已知的定律、关系和对称性。但最初对这种方法的着迷已经让位于沮丧。
机器擅长重新发现物理定律和过程，但并不擅长发现新的定律和过程。换句话说，计算机似乎在盲目发现方面比直观洞察更有用。
人机梦之队
现在，人类和人工智能机器之间激动人心的合作正在将这一过程推向前所未有的高度。德国马克斯·普朗克光学科学研究所的 Soren Arlt、Carlos Ruiz-Gonzalez 和 Mario Krenn 通过重新解读自动化发现过程的结果，发现了一种全新的现象。“我们超越了重新发现，并利用人工智能发现了隐藏在量子光学核心中的概念，”他们说。
这种新现象在量子通信和量子计算方面具有潜在应用。但更重要的是，它为科学领域新的人机协作开辟了道路。
该团队开始尝试自动化设计新的量子光学实验。这些实验通常由一台配备了产生光子、然后将其纠缠、反射、分裂和探测等仪器的量子光学平台组成。
实验量子物理学家的任务是布置这些设备，以创造测试新想法并突破物理学边界的新颖实验条件。但这些设计很难开发，不仅因为它们利用了量子力学中违反直觉的性质，还因为可能组合的数量极其庞大。
因此，各种研究小组都转向人工智能寻求帮助。他们的目标是利用人工智能来产生有趣的、新的实验设置，用于测试和开发奇异的想法。
直到物理学家们想出一种新的思考这些实验的方式，这些尝试才取得有限的成功。他们不再将量子光学实验视为二维设备阵列，而是开始将每个实验视为光子路径和它们之间相关性的图。发现过程就变成了一个探索不同图的组合空间的问题。
这种网络方法取得了巨大成功。Arlt 及其同事创建了一个名为 PyTheus 的人工智能程序，该程序已经提出了 100 个新的量子光学实验。
但这还不是全部。Arlt 及其同事注意到，其中一些实验是一个更广泛概念的特定示例，而这个概念对物理学来说是全新的。这是一种创建概率性多光子发射器的方法。“它作为一个多光子对的概率源，同时仅由对源构成，”Arlt 及其同事说。
PyTheus 通过利用光子对之间的量子干涉过程，并使其依赖于稍后发生的测量的结果（一种称为后选择的技术），从而提出了这种方法。这被证明可以模拟多粒子发射器的行为。
超越人类直觉
Arlt 及其同事认识到，这将“有助于创建我们以前无法直观理解的新形式的多粒子纠缠态、纠缠交换和量子门。”
他们将这种新颖的方法称为“线性光学超边组装”（Hyperedge Assembly by Linear Optics），简称 HALO，并表示其基本版本已出现在一些量子信息实验中。“（这些）现在可以被理解为更通用设计原理的特例，”他们说。
这一原理还在不断扩展。“已经发现了用于模拟六光子和八光子发射器的 HALO，并预示着用于创建纠缠的令人兴奋的结构，”团队说。HALO 本身看来是一项重大发展，在量子通信和量子计算方面具有潜在应用。当然，PyTheus 并不知道这种方法是新的，也不知道它可以被推广。这需要人类的洞察力。
这正是进一步工作的潜力所在。它需要人工智能和人类智能协同工作，探索可能的实验空间，找到对特定任务有用的示例，然后识别和概括出现的任何基本概念。
Arlt 及其同事已经确定了他们可能应用此想法的领域。“量子电路设计领域，用图和基于图的信息流来表示抽象，可以直接翻译我们的方法，”他们说。
这听起来很有希望。但更大的图景是，人类和人工智能正在共同探索潜在实验设置的广阔海洋的边缘。目前，正如 Arlt 及其同事所展示的，人类智能仍然可以跟上人工智能所揭示的概念。但这种可能性还能持续多久，没人知道。
参考：数字发现实验量子光学核心的科学概念：arxiv.org/abs/2210.09981
