人工智能正在以前所未有的方式改变物理学研究的面貌。从引力波探测器的优化设计到量子光学实验的创新配置，AI系统展现出了超越人类物理学家直觉的设计能力，为科学发现开辟了全新路径。虽然这些AI设计的实验配置初看起来"古怪"且违反常识，但它们在实际应用中却表现出卓越的性能提升。

加州理工学院物理学家拉纳·阿迪卡里领导的团队最近利用AI软件成功设计出能够将LIGO引力波探测器灵敏度提升10%-15%的新型光学配置。这一突破性成果表明，经过数十年人类专家精心优化的复杂科学仪器，仍有通过人工智能实现显著改进的空间。

颠覆传统的引力波探测器设计

近暗果蝇（Drosophila subobscura）雄性会反刍食物，并将其作为礼物送给雌性，以示求偶。图片来源：Tanaka 等人，2025

LIGO引力波探测器代表了人类精密测量技术的巅峰成就。这一巨型L型激光干涉仪能够探测到比质子宽度还要小的微小长度变化，其灵敏度相当于能够精确测量地球到半人马座α星距离的变化，误差仅为一根头发的宽度。

当阿迪卡里团队将所有可能的光学元件——透镜、反射镜、激光器等——作为"积木"提供给AI系统时，软件开始了不受任何约束的设计探索。起初，AI的输出结果令人困惑："这些输出完全无法被人类理解，过于复杂，看起来像外星人或AI的产物，完全不是人类会制造的东西，因为它没有对称性、美感等概念，就是一团乱麻。"

经过数月的艰难解读，研究团队终于理解了AI的设计逻辑。系统采用了一个反直觉的策略：在主干涉仪和探测器之间增加一个3公里长的环形结构，让激光在离开干涉仪臂之前进行额外的循环。这一设计巧妙地运用了俄国物理学家几十年前提出的深奥理论原理来降低量子力学噪声——这些理论此前从未在实验中得到验证。

阿迪卡里承认："要在公认解决方案之外思考如此远，需要很大的勇气。我们真的需要AI的帮助。"如果这些AI洞察在LIGO建造时就可用，"我们一直以来就能拥有10%-15%的更好LIGO灵敏度"。在亚质子精度的世界中，这一提升幅度是巨大的。

量子光学领域的算法创新

物理学家马里奥·克伦设计的PyTheus软件系统正在量子光学实验设计领域掀起革命。该系统使用数学图结构来表示光学实验，节点和边分别代表不同的实验元素，如分束器、光子路径或光子相互作用。

当克伦的学生索伦·阿尔特使用这一方法寻找量子纠缠交换的最佳实现方式时，发现AI产生的实验配置与1993年安东·蔡林格的经典设计完全不同。"当他展示给我时，我们都很困惑，我确信那一定是错误的，"克伦回忆道。

然而，数学分析证实了AI设计的有效性。优化算法借鉴了多光子干涉这一独立研究领域的思想，创造出了比蔡林格设计更简单的配置。2024年12月，由南京大学马小松领导的中国团队构建了实际实验，证实了AI设计的正确性。

这一成果展示了AI在跨学科知识整合方面的独特优势。传统的科学研究往往局限于特定领域的知识框架，而AI系统能够无约束地探索不同领域之间的潜在联系，发现人类专家可能忽视的创新解决方案。

数据挖掘中的物理学发现

除了实验设计，物理学家还在利用AI解析实验结果和发现隐藏模式。威斯康星大学麦迪逊分校的凯尔·克兰默将当前的AI物理学应用比作"教孩子说话——我们在做大量的照看工作"，但机器学习模型已经开始发现可能被忽视的模式。

克兰默团队利用机器学习模型预测宇宙中暗物质团块的密度，基于其他邻近团块的可观测性质。这类计算对于理解星系和星系团的形成至关重要。系统得出的描述暗物质团块密度的公式比人类制定的公式更好地拟合了数据。

加州大学圣地亚哥分校的计算机科学家罗斯·余和同事们训练机器学习模型在数据中寻找对称性。他们将技术应用于大型强子对撞机收集的数据，识别出了洛伦兹对称性——这对爱因斯坦相对论理论至关重要的对称性。"我们证明，在不了解任何物理学的情况下，模型能够纯粹从数据中发现洛伦兹对称性，"余说道。

科学发现的新范式

多伦多大学量子光学专家埃弗雷姆·斯坦伯格对AI在物理学中的潜力给出了深刻评价："LIGO是这个巨大的项目，数千人深入思考了40年。他们已经想到了所有能想到的，AI想出的任何新东西都证明了这是数千人未能做到的事情。"

尽管AI尚未直接导致新的物理学发现，但它正在成为整个领域的强大工具。从帮助研究人员设计实验到在复杂数据中找到非平凡的模式，AI正在拓展人类认知的边界。

克兰默和余指出，虽然这些方法擅长发现模式，但理解这些模式的含义并提出假设或解释它们的物理学对当今的AI模型仍然是难以捉摸的。然而，克兰默认为，像ChatGPT这样的大型语言模型的出现可能会改变这种情况："我认为语言模型在帮助自动化假设构建方面有巨大潜力，这种情况即将到来。"

斯坦伯格也同意，虽然AI尚未发明新概念，但AI辅助的新物理学发现可能成为现实："我们真的可能正在跨越那个门槛，这很令人兴奋。"

当前的发展表明，人工智能正在从传统的数据分析工具演变为科学创新的积极参与者。通过设计出人类专家无法想象的实验配置和发现隐藏的数据模式，AI正在帮助物理学家突破认知局限，探索科学发现的新疆界。这种人机协作的科研模式，预示着未来科学研究方法的根本性变革。