人工智能“无师自通”搞定诺奖物理实验

2016 年 5 月 17 日，来自澳大利亚新南威尔士大学和澳大利亚国立大学的研究团队首次使用人工智能制造出了玻色-爱因斯坦凝聚。人工智能在此项实验中的作用是，调节要求苛刻的温度和防止原子逃逸的激光束。

这幅图像显示的是铷原子速度的分布，它证实了玻色-爱因斯坦凝聚的存在。图中的颜色显示多少原子处于这个速度上。

最近，澳大利亚的一个物理学家团队雇佣了一位人工智能研究助理，帮助他们建立量子力学实验。

算法的首要任务是控制一个非常精细的实验，这个实验目的是获取玻色-爱因斯坦冷凝（Bose-Einstein condensate）。

BEC 是指在冷却到接近绝对零度的环境下，所有原子的量子态都束聚于一个单一的量子态的状态。这是一种非常奇异的状态，就像原子之间达成的「集体决议」——一束原子的行为就像一个单一原子。这种现象的产生要归功于某些元素的量子效应，不过，只有当原子低温至不可思议的程度时，才会发生。温度通常需要低至比绝对零度高十亿分之一度以内（-273.15 ºC）。

得到 BEC 的实验曾获 2001 年诺贝尔物理学奖。 虽然生成 BEC 的条件近乎苛刻，不过，这位人工智能助手成功完成了自己任务。

它并不需要特别训练，可以从工作中学习。它可以在学习过程中，建立自己的模型并不断调整参数。

领导这项实验的澳大利亚国立大学的研究人员 Paul Wigley 说，「我没料到它可以在一个小时内，从零开始自学如何做这个实验。」

实验中，有两个非常难以操作的事情：将温度控制得如此精准，以及将原子控制在两束激光束之间。

为此，澳大利亚物理学家们开发了这个人工智能算法，帮助他们控制激光和温度，借助人工智能助手的帮助，他们得到 BEC 的时间提速了十倍。

参与了此项实验的新南威尔士大学物理学家 Michael Hush 说，「这是人工智能首次参与到这类工作中来，它的主要工作是控制实验并且亲自优化它。」

在实验过程中，物理学家在两束激光的交叉处限制住了大约 4 千万个铷（rubidium）原子。然后使用磁场冷却原子，将温度降到绝对零度以上百万分之一度。已经相当冷了，但对于冷凝来说，还是太暖和了。

到了最关键的精密降温期，人工智能登台了。

它认真调节两束激光束的能量，允许精力最充沛的原子逃逸，但也没有失去对温度最低原子的控制。人工智能非常完美地完成了这项工作。

「它（人工智能）的做法完全出乎意料，比如，上下改变一束激光，另一束激光用来补偿，」Wigley 说。

这位人工智能助理可被用于任何包含需要最优化参数的实验中，例如，在高分辨率显微镜中实现完美焦距。

Wigley 说，「这个人工智能最令人激动的地方是，它不需要事先学习任何关于某个具体实验的知识，这意味着，它能够被用于很多实验中，具有通用性。」

科学工作者将人工智能当作自己的工作伙伴并不是什么新鲜事。

德国计算机科学家 Jürgen Schmidhuber 设计的算法成为谷歌语音识别技术的核心部分，他目前的打算是创造一个理想的人工智能，然后退休（他想让人工智能代替他去工作）。

另外，量子物理可以超乎人们的直觉，这种反直觉特性让学者们难以设计实验来探究这个领域。

维也纳大学物理学家 Mario KrennKrenn 和他的同事们在生成一种复杂形式的量子纠缠（三实体分享三种特性，three entities shared three properties）时遇到了问题。

对生成这些所谓的 Greenberger–Horne–Zeilinger (GHZ)  状态进行了数周有根据的猜测后，Krenn 说，他意识到他的直觉没有用，「因此，也许一种更加激进的方式才有效果」。

答案就是一个名为 MELVIN 的程序。这种软件利用量子实验的共同建构模块（common building blocks） 例如，镜子与全息图，以及虚拟组织这些成分，去找到能达研究员所期望的任何目标的反直觉配置，如特殊量子状态。一旦它找到了一个有效的结果，它会自动简化设计并报告给科学家。「我在晚上开始运行程序，到了第二天早上，在数万个不同的实验后，它找到了一个正确解决方案。」

获得 BEC 的这项实验的论文被发表在 Scientific Reports 杂志上。当然，人工智能研究助手并没有被列入作者名单。

参考资料：

http://www.nature.com/articles/srep2589