来自加州大学圣地亚哥分校（UCSD）的华人学者Wanda Hou，与加州大学伯克利分校以及Google Quantum AI合作，在谷歌的Sycamore与Willow超导量子处理器上完成了一次别开生面的实验。
他们发现：当机器学习模型“学不会”时，正好对应量子体系发生了测量诱发的相变。AI的失效，反而成为了物理的探针。
论文链接：https://arxiv.org/abs/2509.08890
为什么要关注测量？
在量子计算中，测量通常被视为“终点”——想得到结果，就测量比特；但这一步也会破坏量子态。
令人惊讶的是，测量并不只是破坏，它还能在未被测量的比特之间诱发新的远程纠缠。
问题是，这种效应隐藏得太深，传统方法往往需要指数级的实验次数才能把它揪出来。
于是，研究团队提出了一个大胆的问题：能否完全放弃先验知识与繁琐的“后选”，让机器学习直接从数据里自己发现？
如何把AI拉进实验室
团队首先在谷歌的超导量子处理器上制备了一维和二维cluster态。
然后，他们测量掉几乎所有的量子比特，只留下远距离的两个探针比特，并用“经典影子（clssical shadow）”方法去记录探针的状态。
接着，他们把这些实验数据输入一个带注意力机制的生成式神经网络。
与常见的监督学习不同，这个模型没有标签、没有先验，全靠无监督学习来“猜测”探针的后测量态。
Image caption:一维实验：测量掉链中比特，两端探针产生纠缠。
二维实验：随测量角度变化出现相变，临界点角度的纠缠骤现。
神经网络：直接用测量数据学习探针状态，估计纠缠与熵，无需先验模型。
“意外”的发现
在一维34比特的实验中，AI的表现堪称亮眼：即使什么先验都不给，它仅凭数据就学出了与理论模型一致的远程纠缠。可到了二维6X6阵列，情况突然变得耐人寻味：
在低纠缠区：体系没有长程量子纠缠，AI很快就学会了测量数据中的简单结构，预测结果与理论一致，纠缠为零。学习曲线迅速收敛，所需计算资源也远小于传统模拟。
在高纠缠区：体系充满全局性的量子纠缠，数据看似随机却高度相关，但这种复杂性根本无法被经典算法解码。AI并不是“不够强”，而是遇到了物理层面的“硬障碍”。它虽然也能很快收敛，但学到的只是“瞎猜”，因此无法探测到纠缠。
在临界点：情况最耐人寻味。AI的学习曲线突然拉长，说明它在数据中捕捉到了复杂且丰富的结构，需要更多训练才能收敛。最终，它在这里给出的纠缠信号出现峰值，恰好对应体系发生相变的临界点。
换句话说，AI的“学不会”，正好对应量子体系进入临界的时刻。
重要的是，这并不是AI本身的问题，而是全局量子纠缠带来的指数级复杂度，天然超出了经典算法的解码能力。经典AI在这里触碰到了物理世界的“硬边界”，它的失效反而成为我们确认临界性的信号。
从经典AI到量子AI
这一发现也让人重新思考未来：如果经典AI的局限来自无法高效模拟全局量子纠缠，那么当量子计算机本身成为AI的算力基座时，会发生什么？
理论上，量子增强的AI能直接处理纠缠与非局域关联，从而跳过经典算法的“学习失败”瓶颈。
这不仅意味着更强的模式识别与科学建模能力，也可能成为科学家们长期设想的“真正的科学智能体”的雏形。
值得注意的是，Google Quantum AI团队在几乎同一时间发表的另一篇工作。
论文链接：https://arxiv.org/abs/2509.09033
这篇工作就从理论角度证明：当量子计算机用作生成式AI的基座时，模型能力将出现本质性的进化，能实现经典AI无法触及的表达与推理能力。
在这个意义上，今天我们看到的“AI学不会”，并不是失败的终点，而是未来量子AI的起点路标。
当量子与智能真正融合，我们可能迎来一次科研范式的根本飞跃。
意义与展望
这项工作带来的启示至少体现在三个方面：
新型观测范式：通过AI学习与量子—经典交叉关联，研究者能够在无需后选、避免指数级实验成本的条件下，从数据中直接提取物理信号。更重要的是，AI的“学不会”本身也成为了临界性的标志，让学习过程转化为一种新的观测手段。
误差校正潜力：在低纠缠区（可“擦除”的区域），AI能快速学习并准确识别测量数据的结构信号。这类能力非常适合应用于量子误差校正，帮助量子计算机实时定位并修复局部噪声和错误。
未来前景：量子计算与人工智能的结合，有潜力孕育真正面向科学探索的智能体。当AI本身运行在量子计算机上时，它或许能够突破经典算法的限制，直接操控和解码量子纠缠，带来一次智能形态的根本飞跃。
总结
由UCSD与UCB领衔、并与Google Quantum AI深度合作的这项研究，首次在实验中表明：经典学习模型的失败本身可以作为物理临界点的探针。
在一维体系中，研究者仅凭数据驱动就揭示了远程纠缠；在二维体系中，机器学习的“学不会”与测量诱发相变的临界点精确重合。
这不仅突破了传统观测的瓶颈，也预示着一种新的研究范式：AI不只是辅助工具，它本身也能成为探索自然规律的显微镜。而当量子计算赋能AI时，科学家们或许将迎来真正的“量子智能体”时代。