2026年2月24日——图宾根大学研究人员与国际团队合作，开发出一种能自主设计全新（有时甚至非传统）量子物理实验的人工智能系统，并能以科研人员易于理解的方式呈现。这些实验方案包括人类可能从未设想过的配置。该AI不仅能生成单一设计方案，还能编写计算机代码来产生整组具有相似输出的系列实验。相关研究成果已发表于《自然·机器智能》期刊。

该AI采用科研人员易于理解的编程语言，使其能够比以往更轻松地解析AI决策背后的逻辑。“AI系统通常只提供解决方案而不解释原理，”图宾根大学科学机器学习教授、论文通讯作者马里奥·克伦指出，“科研人员不得不事后反推其原理，这个过程往往需要数日甚至数周——如果我们最终能理解的话。”

精通量子物理的语言模型

论文第一作者、克伦课题组博士生索伦·阿尔特介绍：“我们训练的语言模型类似ChatGPT，但专精于用Python语言编写量子物理实验代码。”这些代码如同通用配方，执行时可生成多种相似案例及更复杂版本的实验配置。由于Python具有高度可读性，研究人员能通过代码审查识别重复模式与关键约束条件，从而洞察AI的底层设计逻辑。

量子物理为革命性技术（如量子计算机）奠定基础，这类技术能极大加速特定问题的求解速度。例如在药物研发中，其可快速计算分子特性。为深入理解量子效应（如叠加态），研究人员需精密制备电子、原子或光子等量子粒子的特定态，并通过测量其行为来观测现象。

AI的穷举优势

量子实验涉及海量参数组合，远超人类认知范围。克伦指出：“AI正不断提出人类未曾尝试的精密与非传统方案。”某些情况下，机器设计的实验可能超越现有方案，或将催生物理学新发现。

“这项工作为解析AI在物理领域的非常规方案提供了新思路，”克伦强调，“系统不仅能输出优秀个案，更能将学习成果转化为可复用的规则——供科研人员验证、理解并迁移至新问题。”该方法论亦可拓展至材料科学、工程等领域。

图宾根大学校长卡拉·波尔曼教授评价：“这种新方法将加速全球科研人员对AI成果的理解与转化。这标志着我们能共同塑造未来科技，而非仅作旁观者。”