从论文到量子处理器：AI智能体如何打通全流程？
Agent用的是什么模型？
一个很重要的设计思想：环环相扣的接口
告别写代码调参数，量子计算实验自动化时代来了？
量子计算硬件越来越容易获取，但从理论论文到实际硬件运行，中间依然隔着巨大的工程鸿沟。PASQAL团队用AI智能体搭建了一座自动化桥梁，让一篇论文或专利在一夜之间变成QPU实验。更震撼的是，他们用AI扫描了633篇Rydberg阵列论文，发现近一半可以直接在现有量子处理器上执行。虽然是智能体，但专家把关依然不可替代——选错观测量的案例让人警醒。值得所有关注量子
原论文信息如下：
量子计算机，尤其是中性原子量子处理器（Neutral-atom QPU），正在从实验室的稀有设备，变成可以通过云平台访问的商用机器。PASQAL公司已经推出了FC1（位于加拿大）和SA1（位于沙特阿拉伯）两款可通过云服务调用的量子处理器。
但是，硬件易得，实验难做。一个量子物理学家想把自己的理论想法变成QPU上能跑的实验，中间要跨越多少步？
首先，要从论文或专利中提取出实验协议；然后，把这些抽象描述翻译成QPU能理解的脉冲序列和控制参数；接着，用仿真器验证协议是否合理；再调用云平台API提交任务；最后，还要处理返回的噪声数据并进行分析。每个步骤都需要不同领域的专业知识——量子物理、软件工程、数值仿真、云计算、硬件表征……
在实际操作中，从理论到硬件的"实现壁垒"（implementation barrier），往往比提出原始科学想法还要耗费精力。很多物理上可行的方案，就因为工程落地太难，最终被搁置在纸面上。
PASQAL研究团队这次带来的方案，正是要解决这个让人头疼的问题。他们设计了一套基于大语言模型（LLM）的智能体工作流，把整个链条上的工程任务全部自动化，同时保留研究者在关键环节的决策权。
图1：AI辅助工作流示意，展示了从研究目标到QPU运行的完整自动化流程
这个工作流建立在PASQAL已有的软件栈之上：Pulser（开源Python库，用于设计中性原子QPU的脉冲序列）、emumps（基于矩阵乘积态的仿真器）、Pasqal Cloud SDK（提供对QPU的编程访问）。每一个阶段——协议提取、编译、仿真验证、硬件执行、数据分析——都被封装成一个独立的"技能"（skill）。研究者可以通过自然语言与智能体交互，指挥它自动完成这些步骤。
流程中有一个核心产物：experiment_spec.json，这是一个机器可读的实验规约文件，记录了所有物理参数、可观测量和约束。研究者可以审查、修改、批准这个文件——这就在自动化和人工把关之间架起了一座桥梁。没有经过仿真验证的协议，绝对不会被提交到QPU上。
这里有必要多说一句。本论文使用的智能体框架是Anthropic的Claude Code，调用了Opus 4.8和Fable 5两个模型。所以，别奇怪前面说的"智能体"这么聪明，它背后确实是当前最强的大语言模型之一在支撑。
这套方法的巧妙之处在于，它没有试图让智能体一步到位完成所有事情。而是把整个过程分成多个串行阶段，每个阶段输出一个可以被人工审查的产物。研究者可以在任何一个环节介入——修改寄存器几何形状、调整脉冲参数、更换观测量的定义等等——并且这些修改会自动传播到所有下游阶段。
这种设计，把智能体的"能干"和人类专家的"把关"完美结合。接下来我们看看，这个智能体在面对真实物理问题时，表现得怎么样。
论文的第一个案例，是对一个经典量子模拟结果的复现。这个实验来自2019年Keesling等人的里程碑论文，研究了Kibble-Zurek机制——通过驱动一维原子阵列经历量子相变，从顺磁相进入多种有序相（Z2、Z3、Z4等）。
智能体的任务是：读取这篇论文，提取Z3相的实验协议，适配到FC1 QPU上，跑通整个流程。
但这里有一个"陷阱"——从物理学家的专业视角来看，Z3相在FC1上是无法实现的，只有Z2相是可行的。研究者想看看智能体能不能发现这个问题。
智能体从论文中提取了实验参数：51个原子的1D链、决定了有序区间的阻滞半径与原子间距之比Rb/a（Z3相要求Rb/a≈2.16–2.43）、脉冲调度及扫速。然后它调用了FC1的实时设备规格，给出了一个非常准确的判断：
Z3相不可行。因为要在最小5μm间距下达到目标区间，Rabi频率Ω/2π会被压低到0.087 MHz，导致动力学时标拉长到超过序列长度限制。同理，Z4更是想都别想。
而Z2相，Rb/a = 1.28，完全落在有序区间内，论文中最慢的脉冲时序也在FC1的6μs限制之内，搞定。
智能体随后用噪声感知仿真验证了Z2相，在真实噪声模型下达到了80%的有序参数保持率。更让人惊喜的是，当研究者建议把开链改成环形布局来增加原子数并消除边界效应时，智能体立刻重新设计了一个56原子的环（FC1）和一个96原子的环（SA1）。
LONGGE AI COMMUNITY
把每天读到的论文，变成长期积累
加入「龙哥读论文」知识星球，持续获取 AI 论文、资讯、开源项目、招聘与研究思路。
加入龙哥读论文微信群：添加微信 kangjinlonghelper，备注“研究方向 + 地点 + 学校/公司 + 昵称”。
微信扫码加入知识星球