Forscher der Universität Tübingen haben in Zusammenarbeit mit einem internationalen Team eine künstliche Intelligenz entwickelt, die völlig neue, manchmal ungewöhnliche Experimente in der Quantenphysik entwirft und für Forscher leicht verständlich darstellt. Dazu gehören Versuchsaufbauten, die Menschen vielleicht nie in Betracht gezogen hätten. Die neue KI erstellt nicht nur einen einzigen Designvorschlag; Stattdessen wird Computercode geschrieben, der eine ganze Reihe physikalischer Experimente generiert, also Gruppen von Experimenten mit ähnlichen Ergebnissen. Die Studie wurde in der Zeitschrift veröffentlicht Nature Machine Intelligence.
Die neu entwickelte KI verwendet eine Programmiersprache, die Forscher leicht verstehen können. Dadurch können sie die zugrunde liegende Idee hinter den Prozessen der KI viel einfacher herausfinden als zuvor. „KI-Systeme liefern ihre Lösungen in der Regel, ohne zu erklären, wie sie funktionieren“, sagt Mario Krenn, Professor für Maschinelles Lernen in der Wissenschaft an der Universität Tübingen und leitender Autor der Studie. „Wir Wissenschaftler müssen danach versuchen, die Lösungen zu verstehen. Oft haben wir dafür Tage oder Wochen gebraucht –, wenn wir sie überhaupt verstanden haben“
Experte für Sprachmodelle in der Quantenphysik
“Für unsere Studie haben wir ein Sprachmodell trainiert, das ein wenig wie ChatGPT funktioniert, sagt Sören Arlt, Doktorand in Krenns Forschungsgruppe und Erstautor der Studie. “Unser Sprachmodell ist ein Experte im Schreiben von Computercode für Quantenphysik, insbesondere in der Programmiersprache Python.” Dieser Code funktioniert wie ein allgemeines Rezept: Wenn er ausgeführt wird, entwirft er experimentelle Aufbauten für viele ähnliche Fälle und auch für komplexere Versionen derselben Aufgabe. Da Python für den Menschen leicht lesbar und verständlich ist, können Forscher den Code überprüfen und sehen, welche Strukturen wiederholt werden und welche Einschränkungen wichtig sind. Dadurch wird für sie die zugrundeliegende Idee hinter dem Lösungsprozess der KI sichtbar.
Die Quantenphysik ermöglicht die Entwicklung völlig neuer Technologien, einschließlich Quantencomputern, die bestimmte Probleme viel schneller lösen können als gewöhnliche Computer. Sie könnten beispielsweise die Eigenschaften von Molekülen viel schneller berechnen, was für die Arzneimittelentwicklung hilfreich ist. Für ein besseres Verständnis der Auswirkungen der Quantenphysik sind Experimente erforderlich. Forscher erschaffen absichtlich Quantenteilchen wie Elektronen, Atome oder Photonen, versetzen sie in präzise kontrollierte Zustände und messen ihr Verhalten, um Effekte wie Überlagerung und die Überlappung möglicher Quantenzustände sichtbar zu machen.
KI kann mehr Kombinationen durchlaufen als Menschen
Experimentelle Aufbauten in der Quantenphysik sind hochkomplex und es gibt unzählige Möglichkeiten, die vielen verschiedenen Variablen eines Experiments zu kombinieren. Der Mensch kann nur einen Bruchteil davon erfassen. KI hingegen kann deutlich mehr Kombinationen für einen Versuchsaufbau untersuchen als Menschen. „KI-Systeme finden zunehmend ausgefeiltere und unorthodoxere Lösungen, die wir Menschen vielleicht nie ausprobiert hätten“, sagt Krenn. In einigen Fällen wird erwartet, dass die maschinell konzipierten Experimente die aktuellen Designs übertreffen werden. Dies könnte zu neuen Erkenntnissen in der Physik führen.
“Unsere Arbeit zeigt einen Weg auf, die unorthodoxen Lösungen der KI in der Physik leichter interpretierbar zu machen, sagt Krenn. “Anstatt nur starke individuelle Lösungen zu liefern, wird das System ermutigt, das Gelernte in Form wiederverwendbarer Regeln – auszudrücken, die Forscher dann untersuchen, verstehen und auf neue Probleme anwenden können.” Die Methodik kann auch auf andere Bereiche wie Materialwissenschaften und Ingenieurwesen übertragen werden.
Professor Dr. Karla Pollmann, Präsidentin der Universität Tübingen, sagt: “Dieser neue Ansatz wird es Forschern weltweit ermöglichen, die Ergebnisse von KI schneller zu verstehen und neue Entwicklungen zu beschleunigen. Dies ist ein Beispiel dafür, wie wir Zukunftstechnologien gemeinsam gestalten können, anstatt sie nur zu beobachten.”
https://doi.org/10.1038/s42256-025-01153-0
