2026年8月12日——加州大学河滨分校（UC Riverside）的两名计算机科学家将加入入选美国能源部“Genesis Mission”计划联邦资助的项目。该计划旨在利用人工智能加速科学发现。

副教授 Daniel Wong 将领导一个研究团队，致力于提高量子计算的速度和准确性；杰出教授 Kadangode “K.K.” Ramakrishnan 则将加入由橡树岭国家实验室领导的一个团队，以改善全国各地实验室和研究人员之间共享科学数据与专业设备的方式。

美国能源部近期在全国范围内遴选了278个Genesis研究项目，共享2.93亿美元资助。据能源部称，涉及加州大学河滨分校教师和学生的两个项目均获得第一阶段资助，金额在50万至75万美元之间。

Genesis Mission 将人工智能、高性能计算以及来自高校、国家实验室和工业界的科学家汇聚在一起。美国能源部表示，该计划旨在使美国科研生产力翻倍，同时应对先进制造、生物技术、关键材料、核能和量子信息科学领域的挑战。

让量子计算机更可靠

Wong 领导的项目将利用人工智能攻克大规模量子计算面临的最大障碍之一：以足够快的速度纠正错误，使计算不偏离轨道。

量子计算机极易受到噪声和其他干扰的影响而产生错误。纠正这些错误需要传统计算机持续解读量子处理器的测量结果，并判断出错之处。在超导量子计算机中，这种解码最终可能必须在约1微秒——即百万分之一秒——内完成。

Wong 的团队计划开发基于人工智能的错误解码器，将量子计算机噪声的真实模型与高保真模拟相结合。由此产生的数据将用于训练强大的人工智能模型，使其能够识别错误模式并预测所需的纠正操作。

“可靠而快速的纠错是使大规模量子计算走向实用所需的关键能力之一，”Wong 表示，“我们的目标是利用人工智能提升这一过程的速度和准确性。”

由于复杂的人工智能模型通常需要过高的计算能力，难以在如此极短的控制周期内运行，研究人员将采用一种名为“蒸馏”的技术，将大型、强大人工智能模型学到的知识迁移到更小、更快的模型中。

第一阶段的目标是在5微秒内完成解码，同时在抑制错误方面优于传统方法；后续目标则是达到1微秒的阈值。该项目的参与方包括加州大学河滨分校、南加州大学、桑迪亚国家实验室和 BlueQubit。

为人工智能驱动的科学构建更智能的网络

Ramakrishnan 参与的是另一个项目，旨在让海量科学数据在实验室和计算设施之间更快速、更可靠地传输，从而使科学家能够跨设施共享实验资源。

该项目名为“面向研究网络的科学感知网络运营”（Science-Aware Network Operations for Research Networks，简称 SciNet），由橡树岭国家实验室牵头，加州大学河滨分校、加州理工学院和 HPE Labs 为合作伙伴。

SciNet 的设计面向新一代由人工智能驱动的“自动驾驶”实验室——在这些实验室中，机器人技术、人工智能、实时数据分析和自动反馈在异地进行协同工作。当这些系统需要快速交换数据时，现有研究网络可能成为瓶颈。

“我们的理念是在不同国家实验室之间协调实验，”Ramakrishnan 说，“一个实验室可能有所需的存储设备，另一个实验室可能有特定实验所需的仪器。挑战在于将这一切整合起来，使许多实验能够同时进行。”

SciNet 将使这些网络变得更加智能和自适应，使其能够预判科研项目的需求，并调整数据流动方式以避免拥塞。其目标是减少工作流的延迟甚至失败，最终加速科学发现。

Ramakrishnan 在加州大学河滨分校的研究小组将专注于改进决定数据如何在网络中传输和路由的网络协议。这些改进旨在让管理科学工作流的人工智能代理能够克服瓶颈、缩短实验延迟并减少工作流失败。

“Genesis Mission 的主题是通过在科学家之间高效共享分布式实验资源来加速科学进步，”Ramakrishnan 说。