AI 开始自己设计物理实验：从调参数到发明装置

人工智能进入实验室，最早是从数据分析开始的：实验做完，让模型从数据里找规律。后来往前挪了一步，用来调参数——激光功率调多少、温度设几度、样品厚度取多少，交给搜索算法去试。这两步都不涉及实验本身长什么样。

图宾根大学的 Mario Krenn、Jonathan Klimesch 等人组成的跨领域团队在 Nature 上梳理的，是再往前的一步：让 AI 去设计实验装置本身。给定一个光学平台，可用的透镜、分束器、晶体、探测器就那么多，但它们的组合方式是一个天文数字的配置空间。人要在这个空间里找一个新布局，靠的是经验和直觉；AI 可以在里面系统性地搜索。

图1：调参数是在固定装置上找最优点，设计布局是在装置空间里找新装置

谁来定目标，谁来判可行

文章反复强调一件事：搜索出来的候选布局不是直接拿去搭的。候选方案先由物理模型检验算一遍，看它是否真能产生预期的量子态或测量结果；通过筛选的方案才交给人。人负责三件事——设定实验要达成什么目标、理解 AI 给出的方案为什么能成、判断这个方案在现有硬件条件下能不能搭出来。

这个分工值得留意。AI 在这里扮演的不是一个给出答案的黑箱，而是一个能提出人类想不到的候选方案的搜索器。它给出的布局有些在物理上成立但直觉上很反常，人解释不了它为什么有效的情况确实出现过，文章把"理解结果"明确列为人这一侧的责任。

图2：目标由人设定，布局由 AI 搜索，可行性由模型与研究者共同把关

这不是一项新实验

需要说清楚的是，这篇文章是一篇方法总结，不是作者新完成的一项实验。它梳理的是"AI 用于科研"从分析数据、到优化参数、再到设计装置这条路径上已经出现的工具与案例，以及这条路目前的边界在哪里。

把视角拉远一点，这条线和搜索空间这个主题是连着的：组合优化的难在于方案数爆炸，实验设计也一样。本站此前报道过 AI 在 1 亿种参数组合里用 40 次实验锁定 NASA 火箭合金的 3D 打印方案，那是参数空间里的搜索；这一次被推上桌面的是装置空间。

关联推荐

• AI 搜索 1 亿种参数组合，40 次实验就找到 NASA 火箭合金的 3D 打印方案 — 参数空间里的搜索实践
• 当代物理学的硬骨头地图：23 篇论文画的路线图 — 哪些问题值得让 AI 来设计实验
• 科学家第一次拍下分子的量子形状 — 一半测量、一半算法的实验范式