量子科技中心_量科网

大语言模型（LLM）虽具备广泛适用性，但在量子传感器开发中面临跨学科知识壁垒和复杂优化流程的挑战。该研究团队提出QCopilot——一个基于LLM的多智能体框架，通过整合外部知识获取、主动学习和不确定性量化技术，实现量子传感器设计与故障诊断。该框架采用商用LLM配合少样本提示工程与向量知识库，通过专业化智能体自适应选择优化方法、自动化建模分析并独立完成问题诊断。在原子冷却实验中，QCopilot在无人干预条件下数小时内即产生108个亚微开尔文温度原子，较人工实验提速约100倍。尤为突出的是，通过持续积累先验知识并实现动态建模，该系统能自主识别多参数实验环境中的异常参数。该工作降低了大规模量子传感器部署门槛，其方法论可无缝扩展至其他量子信息系统。