在前往智能实验室的途中，来自因斯布鲁克和维也纳的物理学家提出了一种自主设计量子实验的人工代理。在最初的实验中，该系统独立地(重新)发现了现代量子光学实验室中现在标准的实验技术。这表明机器如何在未来的研究中发挥更具创造性的作用。
我们的口袋里装着智能手机，街道上点缀着半自动驾驶汽车，但在研究实验室里，人们还在设计实验。但是，这可能很快就会改变。在因斯布鲁克物理学家汉斯·布里格尔(Hans Briegel)的研究小组中，研究人员提出了一个问题，即机器可以在多大程度上自主地进行研究。为此，他们使用由小组开发的人工智能投影模拟模型，使机器能够创造性地学习和行动。这种自主机器的存储器存储了许多单独的经验片段，这些片段联网在一起。该机器在学习成功和失败的经验的同时，建立并调整其记忆。现在，来自因斯布鲁克的科学家们与安东·泽林格集团的维也纳同事合作，之前使用名为Melvin的搜索算法证明了自动程序在量子实验设计中的有用性。其中一些计算机启发的实验已经在Zeilinger的实验室中进行过。物理学家们现在一起理解，量子实验是测试人工智能在研究中的适用性的理想环境。因此，他们使用投影模拟模型来研究人工学习剂在这个试验台中的潜力。在发表在“美国国家科学院院刊”上的一篇论文中，研究人员现在展示了他们的第一批结果。物理学家现在已经明白，量子实验是测试人工智能在研究中的适用性的理想环境。因此，他们使用投影模拟模型来研究人工学习剂在这个试验台中的潜力。在发表在“美国国家科学院院刊”上的一篇论文中，研究人员现在展示了他们的第一批结果。物理学家现在已经明白，量子实验是测试人工智能在研究中的适用性的理想环境。因此，他们使用投影模拟模型来研究人工学习剂在这个试验台中的潜力。在发表在“美国国家科学院院刊”上的一篇论文中，研究人员现在展示了他们的第一批结果。
由AI-agent设计的优化实验
所有这些都从光学量子实验的空实验台开始。然后人工试剂通过在桌子上虚拟地放置镜子，棱镜或分束器来尝试开发新的实验。如果其行为导致有意义的结果，则代理将来有更高的机会执行类似的操作序列。这被称为强化学习策略。“加强学习是我们的模型与之前研究的自动搜索的区别，后者受无偏随机搜索的支配，”因斯布鲁克大学理论物理系的Alexey Melnikov说。“人造药剂在虚拟实验室桌子上进行了数以万计的实验。当我们分析机器的记忆时，我们发现某些结构已经发展，”他的同事Hendrik Poulsen Nautrup解释道。其中一些结构已为物理学家所知，是现代量子光学实验室的有用工具。其他的是全新的，将来可以在实验室进行测试。“强化学习使我们能够找到，优化和识别大量潜在的有趣解决方案，”Alexey Melnikov说。“有时它也提供了我们甚至没有问过的问题的答案。”
实验室的创意支持
在未来，科学家们希望进一步改进他们的学习计划。此时，它是一个可以自主学习解决给定任务的工具。但是机器不仅仅是一种工具吗?它能为基础研究的科学家提供更多的创造性帮助吗?这是科学家们想要找到的东西，只有未来可以告诉他们有什么答案。
这项工作得到了奥地利科学基金会FWF和Templeton世界慈善基金会的部分资助。
