來自加州大學聖地亞哥分校（UCSD）的華人學者Wanda Hou，與加州大學伯克利分校以及Google Quantum AI合作，在谷歌的Sycamore與Willow超導量子處理器上完成了一次別開生面的實驗。

他們發現：當機器學習模型「學不會」時，正好對應量子體系發生了測量誘發的相變。AI的失效，反而成為了物理的探針。

論文鏈接：https://arxiv.org/abs/2509.08890

為什麼要關注測量？

在量子計算中，測量通常被視為「終點」——想得到結果，就測量比特；但這一步也會破壞量子態。

令人驚訝的是，測量並不只是破壞，它還能在未被測量的比特之間誘發新的遠程糾纏。

問題是，這種效應隱藏得太深，傳統方法往往需要指數級的實驗次數才能把它揪出來。

於是，研究團隊提出了一個大膽的問題：能否完全放棄先驗知識與繁瑣的「後選」，讓機器學習直接從數據裏自己發現？

如何把AI拉進實驗室

團隊首先在谷歌的超導量子處理器上製備了一維和二維cluster態。

然後，他們測量掉幾乎所有的量子比特，只留下遠距離的兩個探針比特，並用「經典影子（clssical shadow）」方法去記錄探針的狀態。

接着，他們把這些實驗數據輸入一個帶注意力機制的生成式神經網絡。

與常見的監督學習不同，這個模型沒有標籤、沒有先驗，全靠無監督學習來「猜測」探針的後測量態。

Image caption:一維實驗：測量掉鏈中比特，兩端探針產生糾纏。

二維實驗：隨測量角度變化出現相變，臨界點角度的糾纏驟現。

神經網絡：直接用測量數據學習探針狀態，估計糾纏與熵，無需先驗模型。

「意外」的發現

在一維34比特的實驗中，AI的表現堪稱亮眼：即使什麼先驗都不給，它僅憑數據就學出了與理論模型一致的遠程糾纏。可到了二維6X6陣列，情況突然變得耐人尋味：

在低糾纏區：體系沒有長程量子糾纏，AI很快就學會了測量數據中的簡單結構，預測結果與理論一致，糾纏為零。學習曲線迅速收斂，所需計算資源也遠小於傳統模擬。

在高糾纏區：體系充滿全局性的量子糾纏，數據看似隨機卻高度相關，但這種複雜性根本無法被經典算法解碼。AI並不是「不夠強」，而是遇到了物理層面的「硬障礙」。它雖然也能很快收斂，但學到的只是「瞎猜」，因此無法探測到糾纏。

在臨界點：情況最耐人尋味。AI的學習曲線突然拉長，說明它在數據中捕捉到了複雜且豐富的結構，需要更多訓練才能收斂。最終，它在這裏給出的糾纏信號出現峯值，恰好對應體系發生相變的臨界點。

換句話說，AI的「學不會」，正好對應量子體系進入臨界的時刻。

重要的是，這並不是AI本身的問題，而是全局量子糾纏帶來的指數級複雜度，天然超出了經典算法的解碼能力。經典AI在這裏觸碰到了物理世界的「硬邊界」，它的失效反而成為我們確認臨界性的信號。

從經典AI到量子AI

這一發現也讓人重新思考未來：如果經典AI的侷限來自無法高效模擬全局量子糾纏，那麼當量子計算機本身成為AI的算力基座時，會發生什麼？

理論上，量子增強的AI能直接處理糾纏與非局域關聯，從而跳過經典算法的「學習失敗」瓶頸。

這不僅意味着更強的模式識別與科學建模能力，也可能成為科學家們長期設想的「真正的科學智能體」的雛形。

值得注意的是，Google Quantum AI團隊在幾乎同一時間發表的另一篇工作。

論文鏈接：https://arxiv.org/abs/2509.09033

這篇工作就從理論角度證明：當量子計算機用作生成式AI的基座時，模型能力將出現本質性的進化，能實現經典AI無法觸及的表達與推理能力。

在這個意義上，今天我們看到的「AI學不會」，並不是失敗的終點，而是未來量子AI的起點路標。

當量子與智能真正融合，我們可能迎來一次科研範式的根本飛躍。

意義與展望

這項工作帶來的啓示至少體現在三個方面：

新型觀測範式：通過AI學習與量子—經典交叉關聯，研究者能夠在無需後選、避免指數級實驗成本的條件下，從數據中直接提取物理信號。更重要的是，AI的「學不會」本身也成為了臨界性的標誌，讓學習過程轉化為一種新的觀測手段。

誤差校正潛力：在低糾纏區（可「擦除」的區域），AI能快速學習並準確識別測量數據的結構信號。這類能力非常適合應用於量子誤差校正，幫助量子計算機實時定位並修復局部噪聲和錯誤。

未來前景：量子計算與人工智能的結合，有潛力孕育真正面向科學探索的智能體。當AI本身運行在量子計算機上時，它或許能夠突破經典算法的限制，直接操控和解碼量子糾纏，帶來一次智能形態的根本飛躍。

總結

由UCSD與UCB領銜、並與Google Quantum AI深度合作的這項研究，首次在實驗中表明：經典學習模型的失敗本身可以作為物理臨界點的探針。

在一維體系中，研究者僅憑數據驅動就揭示了遠程糾纏；在二維體系中，機器學習的「學不會」與測量誘發相變的臨界點精確重合。

這不僅突破了傳統觀測的瓶頸，也預示着一種新的研究範式：AI不只是輔助工具，它本身也能成為探索自然規律的顯微鏡。而當量子計算賦能AI時，科學家們或許將迎來真正的「量子智能體」時代。