2026年10月5日——在华盛顿大学西雅图校区某处一间昏暗的房间里，一位训练有素的物理学家正在转动旋钮——然后测量，再转动它，可能持续数小时。调谐旋钮另一端连接的设备名字很长：量子噪声极限参量放大器。这是关键组件，它接收来自暗物质探测器的微弱到几乎不可能的信号，并将其放大到足以在射频频谱上被听到的程度。

就像音乐家放大吉他的声音，让音乐会后排的观众也能听到音乐一样，物理学家使用这些专用放大器来聆听来自量子计算机、暗物质探测器以及其他敏感电子设备的微弱信号。这些放大器被冷却到仅比绝对零度高几分之一度，在增强信号的同时几乎不引入自身噪声。

用太平洋西北国家实验室（PNNL）物理学家 Christian Boutan 的话说，这些放大器还“出了名地难以调谐”。

Boutan 认为自己有解决方案：部署一个 AI 智能体，让它通过自我训练，在无需人工干预的情况下自动调谐放大器，从而减少与轴子暗物质搜索和基于超导量子比特的量子计算相关的死时间，并为训练有素的物理学家争取时间，让他们更高效地运用自己的专业训练。

现在，他和他的团队将在 Genesis Mission 的支持下推进这一计划。Genesis Mission 是美国能源部的一项雄心勃勃的计划，旨在通过人工智能让美国科学与工程的生产力和影响力翻倍。Boutan 的工作与此完美契合。

浪费时间的主要来源

在轴子暗物质实验（ADMX）G2 旗舰项目对轴子暗物质的搜索中，这一点的重要性体现得最为清楚。

为什么要寻找暗物质？美国国家航空航天局（NASA）的研究人员将暗物质描述为“把宇宙维系在一起的隐形胶水”。

ADMX 探测它的策略是：将微波腔置于强磁场中，等待暗物质轴子转化为可探测的微波光子，并用超灵敏低噪声量子电子设备读取输出。

这类搜索的进展，取决于仪器能以多快的速度扫过可能的轴子质量范围。每有一个小时没有用于扫描，就有一个小时的发现空间未被探索。因此，Boutan 说，调谐放大器是“浪费时间的主要来源”。

换句话说，这个由 PNNL 通过 Genesis Mission 资助、名为自主量子放大器工作流优化与学习框架（AQUA-WOLF）的项目，正是为了直击基于 ADMX 的搜索中拖慢暗物质发现速度的最大单一因素。

同样的瓶颈也逼近量子计算。Boutan 指出，这些放大器是实现超导量子比特快速读取的关键。随着量子计算机从少数几个量子比特扩展到数千个，低效的校准流程开始成为进展的硬性上限。

AI 智能体将如何保持调谐

Boutan 解释说，通过一种称为强化学习的技术，智能体将因获得与手动调谐物理学家相同的指标——增益——而得到“奖励”，以此接受训练。增益以分贝衡量，反映该设备将输入信号强度放大了多少。

最初，团队将输入目标，并允许智能体自主转动旋钮，根据其达到的增益按比例给予奖励。最终，项目范围将扩大到多目标调谐，将低噪声或稳定性等其他考量加入奖励。团队将在选定框架内试验几种算法，然后举办智能体之间的竞赛，以筛选出最有前景的方法。随着 AI 近期的进展，他们预计一旦开始，所有这些前期工作只需几个月就能完成。

延伸目标：一个懂物理的 AI

该项目最雄心勃勃的目标，是通过编码系统的哈密顿量，将真实的物理规律融入智能体。PNNL 物理学家 Erik Lentz 负责教这个 AI 智能体在推理和决策中运用物理原理。他说，哈密顿量“基本上就是对系统能量的描述”。Lentz 是 AQUA-WOLF 研究团队合作组的成员。PNNL 的完整团队包括 Lentz 和 Boutan，以及 Aric Davison、Geoffrey Dolinger、Trent Hartman、Noriaki Kono、Stephen Jones 和 Malachi Schram。

由于所有参量放大器都具有相同的底层结构，一个理解其预期行为方式的智能体，可以被接入一台不熟悉的设备并直接开始工作。Lentz 说，如今的传统算法“以一种低效的方式”探索参数空间。

真实世界测试案例

一旦框架准备就绪，它将在多个机构的真实硬件上、针对不同设备类型进行验证——包括美国国家标准与技术研究院与哈佛大学合作者共同开发的一款宽带放大器。测试将评估该框架在不同条件下的表现，并由未参与 AI 智能体开发的新用户来执行。与此同时，PNNL 团队将使用迁移学习，将该方法适配到第二种放大器类型——约瑟夫森参量放大器，并朝着一个未来若获得资助便可面向 ADMX 等实验的系统推进。

一旦框架通过验证，团队计划将由此产生的智能体作为开源发布，并将数据集贡献给作为 Genesis Mission 一部分正在构建的共享科学基础设施。 

目标并不是让科学家离开实验室，而是不让他们把时间花在枯燥的杂务上，从而能有更多时间去发现究竟是什么把宇宙维系在一起。