文章摘要
人工智能设计出新颖的物理实验方案，尽管仍需人类大量协助，但其成果超越了传统方法。例如，LIGO探测器的设计历经数十年，通过激光干涉仪测量引力波，灵敏度极高。AI的应用有望加速此类复杂实验的优化与创新。
文章总结
人工智能设计出奇特的物理实验，且效果显著
人工智能软件正在设计新颖的实验方案，这些方案在某些方面甚至超越了人类物理学家的成果，尽管人类仍然需要“大量监督”。
以激光干涉引力波天文台（LIGO）为例，其设计历经数十年，物理学家们需要将每个细节推向物理极限。LIGO于2015年首次探测到引力波，这一发现源于遥远黑洞碰撞产生的时空涟漪。加州理工学院的物理学家拉纳·阿迪卡里（Rana Adhikari）在2000年代中期领导了探测器优化团队，他们通过细致的工作改进了LIGO的设计。
2015年后，阿迪卡里希望进一步优化LIGO，使其能够探测更广泛频率的引力波。为此，他的团队转向了人工智能，特别是由物理学家马里奥·克伦（Mario Krenn）开发的量子光学实验设计软件。他们为AI提供了所有可能的组件，AI则设计出复杂的干涉仪方案。起初，AI的设计看起来非常怪异，甚至难以理解，但经过清理和解释后，研究人员发现这些设计非常有效。
AI的设计中使用了反直觉的技巧，例如在干涉仪和探测器之间增加了一个三公里长的环形结构，以减少量子噪声。阿迪卡里表示，如果这些见解在LIGO建造时可用，其灵敏度可能会提高10%到15%。
尽管AI尚未在物理学中带来新的发现，但它已成为该领域的强大工具。除了帮助设计实验，AI还能在复杂数据中发现非平凡的模式。例如，AI算法从大型强子对撞机的数据中提取了自然界的对称性，这些对称性虽然并非新发现，但AI的发现为未来的研究提供了原理证明。物理学家还使用AI找到了描述宇宙暗物质分布的新方程。
在量子物理领域，AI也展现了其潜力。克伦的团队使用名为PyTheus的软件设计了新的实验，通过数学图论的方法优化了实验配置。他们的设计比1993年安东·蔡林格（Anton Zeilinger）的实验更为简洁，并在2024年由中国南京大学的马晓松团队成功验证。
此外，AI还被用于解析实验结果。威斯康星大学麦迪逊分校的物理学家凯尔·克兰默（Kyle Cranmer）表示，虽然目前AI的应用仍处于“教孩子说话”的阶段，但机器学习模型已经能够发现人类可能忽略的模式。例如，克兰默的团队使用机器学习模型预测了宇宙中暗物质团块的密度，AI得出的方程比人类设计的更符合数据。
加州大学圣地亚哥分校的计算机科学家罗斯·余（Rose Yu）及其团队则训练机器学习模型从数据中发现对称性。他们的模型在大型强子对撞机的数据中识别出了洛伦兹对称性，这是爱因斯坦相对论的关键。
尽管AI在发现模式和优化实验方面表现出色，但解释这些模式并提出假设或物理理论仍然是当前AI模型的挑战。然而，克兰默认为，随着大型语言模型（如ChatGPT）的出现，AI在构建假设方面的潜力巨大。斯坦伯格（Aephraim Steinberg）也认为，AI辅助的新物理发现可能即将成为现实。
总之，AI正在成为物理学研究中的重要工具，尽管它尚未独立提出新的物理理论，但其在实验设计和数据分析中的应用已经展现出巨大的潜力。
评论总结
评论内容主要围绕AI在量子实验设计中的应用展开，观点分为支持和质疑两派。
支持观点： 1. AI在优化设计中的潜力：评论者认为AI在优化设计方面表现出色，尽管其输出可能难以理解，但结果有效。例如，评论6提到：“The outputs that the thing was giving us were really not comprehensible by people... It was just a mess.”（“AI给出的输出对人类来说难以理解……它只是一团糟。”）评论5也提到：“There are a few things like that where we can throw AI at a problem is generating something better, even if we don’t know why exactly it’s better yet.”（“有些问题我们可以用AI来解决，生成更好的东西，即使我们还不完全知道为什么它更好。”）
- AI在特定领域的应用：评论者认为AI在特定领域（如量子实验设计）的应用是值得期待的。评论2提到：“This is the kind of thing I like to see AI being used for.”（“这是我喜欢看到AI被应用的领域。”）
质疑观点： 1. AI的实质与炒作：部分评论者认为该技术并非真正的AI，而是非线性优化，且存在炒作成分。评论8指出：“This is not 'AI', it’s non-linear optimization...”（“这不是‘AI’，这是非线性优化……”）评论4也提到：“More hype than substance unfortunately.”（“不幸的是，炒作多于实质。”）
- AI的创新性不足：评论者指出AI的设计并未带来新的物理发现，且某些技术早已存在。评论4提到：“The AI rediscovered an interferometer technique the Russian’s found decades ago...”（“AI重新发现了几十年前俄罗斯人发现的干涉仪技术……”）评论9也提到：“Isn’t that a delay line?”（“这不是延迟线吗？”）
其他观点： 1. 技术术语的混淆：评论者批评将优化程序简单地称为“AI”容易引起误解。评论7提到：“Referring to this type of optimization program just as ‘AI’... seems really sloppy.”（“将这种优化程序简单地称为‘AI’……似乎非常草率。”）
总结：评论者对AI在量子实验设计中的应用持不同态度，支持者认为其在优化设计方面有潜力，而质疑者则认为其创新性不足且存在炒作。此外，部分评论者批评了技术术语的混淆。