量子计算正站在新时代的门槛上，这不仅关乎量子比特的算力，还关乎其维护。QuEra Computing公司，作为中性原子量子系统开发的领导者之一，公布了一项实验结果：Anthropic的AI代理Claude不仅提供了帮助，还自主创建并测试了一个用于自动恢复激光工作频率的程序。这是降低商业量子设备对高技能工程师手工劳动依赖的重要一步。
问题的核心很简单：在QuEra的量子计算机中，激光控制着原子量子比特，任何频率偏差——无论是由于温度、振动还是压力——都会导致故障。以前，修复复杂故障需要经验丰富的操作员花费五到十分钟。而现在，在一轮包含700次测试的对照系列中，由Claude创建的控制器成功将激光恢复到目标状态695次，成功率高达99.3%。
AI如何改写游戏规则
在实验中，QuEra使用了与Anthropic和HHMI Janelia研究中心联合制定的Model Hardware Standard（MHS）规范。MHS为代理提供了标准化但安全的设备访问权限，同时保留了硬件锁定和紧急停止功能。工作流程被分为四个角色，由独立的Claude实例分别执行：一个生成假设，一个编写代码，一个运行程序，另一个分析结果。工程师仅设定实验边界并监控每个阶段。
结果令人印象深刻。QuEra此前存在的脚本在58%的情况下能恢复激光，每次尝试耗时约150秒。Claude将这一比例提升至96%，并将时间缩短至六秒。在复杂情况下，恢复需要10至14秒，这仍然比专家手动操作快数倍。
调校如同艺术
但实验并未就此结束。QuEra向AI提出了更宏大的任务——不仅是修复故障，还要提升整个系统的稳定性。频率锁定质量取决于12个相互关联的反馈参数。在16小时内，代理进行了363次实验，将残余误差RMS指标从15.7毫伏降至1.55毫伏。使用Claude挑选的参数，系统在19小时内从未失去锁定，而手动调校时平均每小时发生1.6次失锁。
值得注意的是，Claude并非简单复制工程师的操作。它还额外将约220千赫兹的谐振噪声抑制了约1000倍，这在手动调校时未被察觉。这表明AI能够找到人类可能忽略的非显而易见解决方案。
局限性与前景
需要指出的是，试点是在单独的测试台架上进行的，而非在运行的量子处理器上。代理的工作需要持续监控，当它选择看似合理但错误的方向时，工程师多次将其停止。此外，Claude在处理直接源于物理设备的问题时遇到困难，因为其认知基于软件数据。尽管如此，下一阶段是将控制器迁移到实际系统，并创建独立的调校工具。
我的观点：这一实验不仅仅是AI能力的又一次展示。它表明，复杂物理系统的自动化正成为现实。AI不仅能够恢复，还能比人类更快、更精确地优化参数，这为更大规模、更可靠的量子设备开辟了道路。问题只在于，我们何时能放心地将完全控制权交给AI，用于这些关键系统，以及这会带来哪些新风险。