Pasqal 推出 AI 智能体工作流，把研究想法变成中性原子 QPU 上的实验运行

Pasqal 新推出的智能体技能可在 Claude Code、Cursor 和 Codex 中运行，从论文或想法一路走到在 Pasqal Cloud QPU 上经过仿真并执行的任务。

本页由英文翻译而来。公司和产品名称及来源链接保持不变。阅读英文原文

中性原子公司 Pasqal（纳斯达克：PSQL）在 Pasqal Cloud 上推出了一项 AI 辅助工作流。这是一套智能体技能，可作为插件安装在 Claude Code、Cursor 和 Codex 等智能体编程环境中。Pasqal 表示，该工具可以把定义明确的科学想法或已发表的实验方案一路推进为在量子处理单元（QPU）上运行的实验，省去中间的大量工程工作。

发布内容

根据公告，该工作流覆盖整个流程：提取或形式化实验方案，将其转换为可在硬件上运行的任务，在仿真中验证，通过云端提交，并把结果处理成科学可观测量。用户可以在三台向外部用户开放的 Pasqal Cloud QPU 上运行实验：由 GENCI 在法国 CEA 运营的 Ruby、位于魁北克舍布鲁克的 FC1，以及位于沙特阿拉伯的 SA1。

首席执行官 Wasiq Bokhari 表示，“量子计算的瓶颈正在转移”，从获取硬件转向使用硬件所需的工程工作。Pasqal 强调，科学判断仍由用户掌握：决定测量什么，以及结果是否支持某个物理结论。

工作原理

在一篇技术博客文章中，Pasqal 介绍了一系列基于其现有软件栈构建的专用技能：用于设计脉冲序列的 Pulser、用于仿真的 emu-mps，以及用于访问设备、校准数据和执行任务的 Pasqal Cloud SDK。

application-to-idea 把一个问题或直觉转化为具体的实验想法。
idea-to-spec 将参数、可观测量、约束条件和硬件假设提取到名为 experiment_spec.json 的文件中，研究人员可在继续之前审阅和修改。
spec-to-sequence 构建可执行的 Pulser 序列，包括原子寄存器和激光驱动。
validate-emu 和 noise-emulate 将理想行为与考虑设备特性的含噪仿真进行比较。
qpu-submit 在硬件上运行任务，harvest-and-analyze 则把原始比特串转换为预先定义的可观测量。

Pasqal 补充说，欧盟研究人员可以免费在其部署于 TGCC–GENCI 的 QPU 上运行实验，并有专门的技能引导他们完成申请流程。

智能体的不足之处

Pasqal 在 arXiv 上发表的一篇论文中描述了该工作流的三个测试案例。第一个案例中，智能体复现了 2019 年关于里德堡阵列中密度波有序的实验，并正确指出某个目标区间超出了硬件限制。第二个案例基于一篇关于阻挫磁性的理论论文，智能体生成了可执行的实验，但选择的可观测量无法确认目标相，需要领域专家重新引导分析。第三个案例基于 Pasqal 一项图着色专利，智能体运行了多轮工作流，却起初把高比例的无效结果归咎于硬件；真正的原因是一个把原子位置与测得比特串错误对应的程序缺陷。

Pasqal 自己的结论是：运行成功并不等于科学上正确的结果。

为什么重要

同一篇论文还梳理了中性原子方面的理论文献。在该工作流能够可靠分类的 526 篇论文中，Pasqal 表示有 258 篇如今已可在其公开可用的 QPU 上直接实现或经少量修改后实现。公司指出，单个原子的局部控制和不同类型的原子间相互作用是目前缺失的主要硬件能力。对云端 QPU 提供商而言，降低每次实验所需的投入有望扩大用户群。测试案例同样表明，专家审查依然不可或缺。