QuEra 用 Claude 自动恢复与调谐量子计算机激光锁定

QuEra 的量子计算机依赖锁定在精确频率上的激光来运行——这是一种肉眼无法察觉、只有原子才能分辨的精度。把激光维持在那个位置是一项持续不断的工作：温度、振动和压力全天都在把它推离目标，而多层反馈系统则把它推回来。一旦反馈环路失效，锁相就会中断，机器就会停机。重启锁相历来只能依靠某一位特定专家：此人需对激光有直觉性的深刻理解，并掌握把激光恢复到正确状态所需的精确恢复序列。如果锁相在半夜中断，那个人就得开车赶到实验室去修复。

这并非一个新问题，QuEra 已经为常见扰动构建了自动重锁功能。Aquila 是我们通过 Amazon Braket 提供的生产型 QPU，其正常运行时间已超过 99%，表现优异。但团队认识到，重锁过程中的人工介入程度——尤其是面对那些不常见但更为严重的扰动时——是无法规模化扩展的。因此，今年春天 QuEra 部署了 Model Hardware Standard（MHS），该标准最初源自 Anthropic 与 HHMI Janelia Research Campus 的合作。一支跨职能的任务小组将重锁提升到了一个新的层级：可扩展部署逻辑 QPU 所要求的层级。通过在专用测试平台上基于 MHS，由一个 AI agent 在人工设定的安全范围内对价值约 0.7M 美元的精密硬件进行运行控制，如今锁相可以在几秒钟内恢复：已验证、回到目标点，而无需任何人在场。随后，这一方案更进一步：它自身将锁相调到它能够证明的某个质量水平，并在单次运行中把这种新能力迁移到另一个工作波长上。

这些成果令人鼓舞，但对于 QuEra 在其量子计算机上从基础层面分层部署 AI 的规划而言，这仅仅是冰山一角。

激光锁相问题

把一个球放在跷跷板上，可以作为我们 AI agent 所解决问题的一个有用的视觉类比。在这个简化的类比中，球的位置代表激光的频率。如果我们能把它固定在某个特定位置（在本例中即绿色区域内），就能成功控制原子量子比特。

在 QuEra 的系统中，驱动逻辑量子比特的激光必须稳定在 ±1 kHz 或更高的精度上，约合 ±0.000000001 nm（数值为示意，用于科普）。这里的红外激光肉眼不可见，以伪色显示。球在左右晃动；肉眼根本无法察觉这种差别，只有原子才能分辨。

图中的跷跷板类似于我们系统中的执行器。但难点在于，所需的精度极高，没有任何单一的执行器能够独立完成。多级执行器被层层叠加使用。粗大而缓慢的一层负责处理大幅漂移；更快的层级则依次处理更细微的抖动。如此叠加之下，球始终不会离开目标区域。

但这里有个关键点。真实的调谐旋钮并不是平滑的。激光偏好某些特定波长，这些波长由其内部滤波器（标准具、双折射滤波器）所决定。在本例中，每一个凹陷都是球可以稳定落入的固定模式。而陷阱就在这里：发生扰动之后，把旋钮调回原位并不会让球回到正确的位置。它会稳定地停留在错误的模式中，看起来像是已经锁定了。

足够大的扰动会把小球彻底抛出精细层的范围，掉进一个竞争模式里。无论你把较小的那一层调多远，小球仍会卡在错误的锁定上。恢复过程需要扫动粗调的大范围旋钮超过阈值，把小球的轨迹引导回正确模式，然后再迅速回退，以捕获目标模式。最后，还必须用绝对波长基准对锁定进行校验，确保错误模式永远不会被误判为成功。这个过程被称为钛宝石（Ti:sapphire）跳模恢复（mode-hop recovery）。这正是 MHS 自动重锁控制器被打造出来独立执行的判断。

在真实的激光系统中，所有这些层是共存的。双折射滤波器是最粗、覆盖范围最广的一层：它的"地形"上只有少数几个彼此分得很开的模式。标准具叠加其上，提供一把更细密的梳齿。而压电陶瓷（平滑、连续、最快）则位于最顶端，承担快速的最终微调。要让系统优雅地工作，意味着每个粗调元件都稳稳地坐落在自己地形的正确凹槽里，精细层在它上面滑动，小球始终不离开这一区域。

构建用于重锁激光系统的 AI 智能体

上述恢复过程历来是一小群身怀绝技的专家手艺活儿。将其自动化也不是一个人的活儿：既需要一位懂得锁定如何以及为何会失效的激光系统工程师，又需要一位操控仪器的软件工程师、一位设计恢复逻辑的算法工程师，以及一位测试人员，把这套逻辑丢到真实锁定可能失败的各种方式中去锤炼。一支完全按这种组成搭建的 QuEra 团队，花了大约两到三周时间搭建了我们早先手写的恢复脚本。它的局限也就是任何固定脚本的局限：它只能处理作者事先枚举到的那些失效情况。

随后，工作组把同一个问题交给了一个独立的 AI 智能体 Claude，让它通过 MHS 对着真实的测试平台作业。MHS 让智能体能够自主做实验：提出一种恢复方案，在硬件上试一试，读取结果，再改进。它所跑的，正是人类团队所走的同一套循环，只不过在机器速度下不间断地、彻夜地跑下去。智能体并没有做任何从根本上人无法做到的事；它看的同样是那些仪器，学到的也只是它们所揭示的信息。差别在于规模：枚举并加固抵御数百个边界情况——激光可能掉入的每一个相邻模式、每一次过期的标定、每一次错模式的捕获——靠手工是不现实的，而智能体触及到了任何团队都腾不出带宽去触碰的问题角落。人类则始终坐在编排者（orchestrator）的位置上：划定范围，审阅每一步，决定什么算作证明。这个角色不是不重要了，而是更重要了。激光端的技术负责人 Evgeny Ostroumov 提供了严密的物理层面现实校验，不止一次在智能体把精力投向那些看起来对、实则不对的事情之前及时拦住了它。

在没有关于是什么扰动了锁定（光束遮挡、机械振动、干扰调谐配置的电气噪声、小或大的频率跳变）的任何信息的情况下，控制器读取实时仪器状态，对扰动进行分类，执行正确的恢复操作，并且只有当腔体信号确认锁定且绝对波长与目标匹配时才宣告成功。智能体代码以原生速度运行，从微秒级伺服回路之上进行监督，而不是运行在回路内部。在验证中，700次中有695次成功恢复到目标：跨七个扰动类别，每个类别各100次计时试验，成功率为99.3%。对于保波长故障，恢复耗时0.9至5.4秒；对于最难的故障（激光颜色大幅跳变），耗时约10至14秒，而人类专家需要5到10分钟。同时证明了四个特性：正确性（从未将错误模式的锁定报告为成功）、自主性（无需操作员，无需故障信息）、速度（秒级而非分钟级）和可预测性（紧凑、可重复的恢复时间，对于无人值守运行，这与平均时间同样重要）。五次未成功案例共享同一个实验台条件原因，而非控制逻辑原因；在每一次未成功中，控制器都正确地拒绝宣称成功，且在下一次试验前已重新锁定目标。没有任何一次失败使系统停机。

验证不仅局限于注入的故障。测试平台位于一个有实际人员走动的运行实验室中，这是刻意的选择——在试点运行的数周内，激光器自行跳模了43次。这43次全部被自动捕获并恢复。

有一个区别很重要，我们将不断强调：MHS是Claude设计、编写并验证此控制器的环境。在实验台上运行的是一个确定性、完全可检查的程序：开发由AI驱动，运行由人编排，执行时自主运行。而这种自主性在设计上是有边界的：MHS在硬件接口处强制执行设备声明的边界、联锁和紧急停止，与模型无关。

自主调谐锁定

因此团队将同样的方法对准锁定本身的质量。该质量由调谐过程设定：十二个相互依赖的反馈参数，在持续运行的控制回路内进行调整。调谐做得好，可以消除锁定的残余噪声，这直接提升计算机量子门的性能，并使锁定更不易失锁。不存在闭式最优解：专家通过目测调谐，能在所观察的频段使其安静，却可能错过其他地方的共振。智能体则在每次调整后重新计算完整的噪声谱，数千次，跨越的参数空间也远超人力所及。在严格的安全包络内（每一个导致失锁的候选设置都被检测并回滚，在约12,500次评估中无一次导致激光器跳模），它绘制了哪些参数重要，搜索了参数空间，并收敛到一个配置，随后通过无人值守运行过夜加以确认。结果是残余频率噪声降低了5倍，且锁定不再脱落：在约19小时的浸泡测试中，无人值守失锁次数为零，而之前为每小时1.6次。

接下来是最关键的测试：在优化无法触及的独立仪器上，进行一次独立的、闭环外测量——测量量子比特实际感受到的噪声。它将智能体的配置与一位经验丰富专家的手动调谐进行了对比。在整个测量频段内，二者几乎无法区分：在专家调对的所有地方，智能体都与专家相吻合。但手动调谐在约 220 kHz 处留下了一个隐藏的共振峰——这在人通常观察的仪器上是看不见的——在那里，环路正在悄然地增加噪声，情况比完全没有锁定更糟。智能体的配置将其抑制了大约一千倍，一项线宽类指标从 58 kHz 改善到 21 kHz。重点不在于专家出了错；而在于自动化流程在每次调谐时都对整个频谱进行评分，因此它不会像手动调谐那样忽略某个缺陷。它每次都能给出最优结果。

而这种能力是可以迁移的。当指向第二个工作波长——一个与我们机器运行的门直接相关的波长——智能体在一次无人值守的通宵运行中，从零开始算出了新的工作参数，使该锁定比发现时安静了大约十倍，并且通过了所有验收测试。试点系统花了数周才搭建起来，而在新波长下重新搭建只用了一个夜晚。这正是在一次行动中获得的理解被带到下一次行动时的样子：灵敏度图、安全包络、各项校准。

为求精确，做一项状态区分：自动重锁控制器是一个独立的生成脚本，运行时 AI 不在环路内。调谐工作流仍由 AI 在环内运行，将其打包为独立工具是工程清单上的下一项任务。

阅读更多关于 MHS 并查看 QuEra 在 Anthropic 博客 上的案例研究。

为什么这对 QuEra 很重要

在运行短时、离散任务的机器中，激光故障意味着停机：队列会停滞，直到锁恢复。在像 Libra 这样的系统中——一种能够运行数小时乃至数天的逻辑量子比特程序的机器类别——一次运行中途失锁的激光会损坏连量子纠错也无法挽救的结果。从客户的角度看，两种错误率同等重要，正如我们团队所说的两个 LER：逻辑错误率（Logical Error Rate）和激光错误率（Laser Error Rate）。无论由哪个 LER 导致，失败的结果看起来都一样。

经我们测试平台验证、并即将走向在线运行机器的快速、经过验证的自主恢复，是压低第二个 LER 的手段。但更深层的意义在于它对量子计算机部署经济性的改变。机器中每台稳定激光器过去都持续占用稀缺的专家时间：每次失锁需 5 到 10 分钟有人值守的恢复（任何时段均如此）；每次调谐需 15 到 30 分钟，占据专家的日程；一个新工作点的启用要经过数周亲自上手的工作。每一代机器搭载的激光器都比上一代更多，而部署在外地的设备群则将这一切再乘以机器数量——尤其是在楼里没有激光物理学家可请教的场所。在试点之后，同样的功能只需数秒即可运行、无需人工值守、且经过验证；启用一个新波长只需一次过夜运行。恢复变得可预期，远不再受人因差异的影响，并以极小的人力投入运行。这就是一台真正可被部署的量子计算机的形态：在 QuEra，以及任何机器必须独立运行的场合。

我们 AI 战略的一个验证点

归根结底,这并不是一个激光的故事。这是一个关于人工智能模型开发量子计算机所依赖的控制逻辑、以专家级水平完成,并通过独立测量加以验证的故事。这次试点的最大助力是一个物理训练场:一个智能体可以对其进行操作的实时测试平台,一台现实引擎。试点沉淀下来的成果不止两项。它是经过测量的理解、安全实践和校准,正是这些让第二轮工作只用了一夜完成,而第一轮却花了好几周。这套方法触及的每一个子系统,都会让下一个子系统变得更易触及。

一个量子处理单元(QPU)包含许多子系统,它们细节各异,但都符合与 MHS 试点相同的模式:精密、脆弱,并且渴求稀缺的专家关注。激光是第一个验证点,我们预期它不会是边界。对 QuEra 而言,这一模式是一条通向稳定运行机器的道路(让今天的任务队列持续流转,让明天的逻辑计算保持活跃),也是一条通向以远低于当前所需的专业工时来构建、调试和运行机器的道路。对整个领域而言,它的意义更为深远:本项工作核心的激光已凭借师生间代代相传的经验承载原子物理学二十余年,而如今这些经验可以栖息于任何实验室都能以同样方式构建的控制器之中。

在 QuEra,深夜驱车赶赴现场把激光救回来的经历,也许不再会是系统运维人员的必经仪式。