量子科技中心_量科网

该研究团队证明，大型语言模型（LLM）智能体能够自主执行量子多体系统的张量网络模拟，在代表性基准测试任务中达成约90%的成功率。张量网络方法是量子模拟的强大工具，但其有效运用通常需要经过多年研究生训练才能获得的专业知识。通过将上下文学习与精选文档、多智能体分解相结合，研究人员创建了可在数分钟内完成专业计算领域训练的自主AI智能体。该工作针对量子相变、开放量子系统动力学和光化学反应等问题，测试了三种配置方案（基线方案、单智能体上下文学习方案、多智能体上下文学习方案）。基于DeepSeek-V3.2、Gemini 2.5 Pro和Claude Opus 4.5的系统评估表明，上下文学习和多智能体架构均不可或缺。对故障模式的分析揭示了各模型间的特征规律，与简单架构相比，多智能体配置能显著减少实现错误和幻觉现象。