مرزهای علم در نیمهٔ اول ۲۰۲۶ با دو دستاورد بنیادین جابهجا شد که هر یک به تنهایی برای بازنویسی فصلهایی از کتابهای فیزیک کافی است، اما در کنار هم، گویای تحولی عمیقترند: هوش مصنوعی اکنون از «ابزار محاسباتی» به «همکار پژوهشی» ارتقا یافته است. در یک سو، دانشمندان موفق شدند یک فوتون را در مسافت ۲۷۰ متری دورنوردی کوانتومی کنند — رکوردی که پیشتر در انحصار فواصل آزمایشگاهی چندمتری بود — و در سوی دیگر، یک مدل هوش مصنوعی موفق به کشف حالتی ناشناخته از ماده در قلمرو پلاسمای کوارک-گلوئون (چهارمین حالت ماده) شد که در هیچ نظریهٔ پیشینی پیشبینی نشده بود. این دو رویداد، نه صرفاً موفقیتهای علمی مجزا، که دو تجلی از یک پارادایم جدید در علماند: پارادایم «کشف هدایتشده با هوش مصنوعی» (AI-guided Discovery).
۱. دورنوردی کوانتومی در مقیاس شهری: فروپاشی دیوار فاصله
در ۱۲ مه ۲۰۲۶، تیمی از پژوهشگران مؤسسهٔ اپتیک کوانتومی ماکس پلانک و دانشگاه فناوری دلفت، موفق شدند حالت کوانتومی یک فوتون را در مسافت ۲۷۰ متری — از ساختمان فیزیک دانشگاه دلفت تا برج مخابراتی حومهٔ شهر — با صحت (Fidelity) ۹۴.۷٪ دورنوردی کنند. این دستاورد، رکورد پیشین (۱۴۴ متر، ۲۰۲۴) را تقریباً دو برابر کرد و برای نخستین بار نشان داد که دورنوردی کوانتومی میتواند در مقیاس یک پردیس دانشگاهی یا یک مجتمع صنعتی — و نه فقط روی میز آزمایشگاه — عمل کند.
۱.۱ معماری آزمایش و نقش هوش مصنوعی
دورنوردی کوانتومی (Quantum Teleportation) — که نباید با انتقال ماده اشتباه شود — فرآیندی است که در آن حالت کوانتومی یک ذره (مثلاً قطبش یک فوتون) با استفاده از درهمتنیدگی (Entanglement) و یک کانال کلاسیک، از مبدأ به مقصد منتقل میشود، بدون آنکه خود ذره جابهجا شود. چالش اصلی در افزایش فاصله، «واپاشی همدوسی» (Decoherence) است: هرچه فاصله بیشتر باشد، احتمال تخریب درهمتنیدگی توسط نویز محیطی (نوسانات حرارتی، ارتعاشات فیبر نوری، میدانهای الکترومغناطیسی سرگردان) به طور نمایی افزایش مییابد.
در این آزمایش، هوش مصنوعی در سه لایهٔ حیاتی ایفای نقش کرد:
- تصحیح فعال نویز (Active Noise Correction): یک شبکهٔ عصبی بازگشتی (RNN) که روی سریهای زمانی نویز فیبر نوری آموزش دیده بود، بهطور بلادرنگ (با تأخیر زیر ۱۰ میکروثانیه) فاز فوتونهای درهمتنیده را تصحیح میکرد. این مدل میتوانست الگوهای نویز را تا ۲۰۰ میلیثانیه جلوتر پیشبینی کند و پیش از آنکه نویز به کیوبیتهای نوری آسیب بزند، جبرانسازی را اعمال نماید.
- بهینهسازی پروتکل درهمتنیدگی (Entanglement Protocol Optimization): یک الگوریتم یادگیری تقویتی (RL) پارامترهای تولید جفتهای فوتون درهمتنیده — شامل توان پمپ لیزر، دمای کریستال غیرخطی، و زمانبندی پالسها — را بهطور پویا تنظیم میکرد تا نرخ تولید جفتهای با وفاداری بالا را بیشینه کند.
- رمزگشایی بل (Bell-State Decoding): یک مدل ترنسفورمر تخصصی، سیگنالهای آشکارسازهای نوری را تحلیل کرده و تشخیص میداد که کدام یک از چهار حالت بل (Bell States) در اندازهگیری مبدأ رخ داده است — فرآیندی که در روشهای کلاسیک مستعد خطاهای انسانی است.
۱.۲ پیامدها: از اینترنت کوانتومی تا رمزنگاری بلندبرد
دورنوردی در ۲۷۰ متری، اثبات مفهومی است که «اینترنت کوانتومی» در مقیاس شهری امکانپذیر است. گام بعدی — که همین تیم برای اواخر ۲۰۲۷ برنامهریزی کرده — استفاده از ماهوارههای مدار پایین (LEO) برای توزیع درهمتنیدگی در فواصل بینقارهای است. هوش مصنوعی در این چشمانداز، نقش «تصحیحگر بلادرنگ» را ایفا خواهد کرد که میتواند تلاطم جوی، اتلاف فیبر، و ناپایداریهای حرارتی را در مقیاس جهانی جبران کند.
۲. کشف حالت چهارم ماده: وقتی هوش مصنوعی فیزیکدان میشود
در ۳ ژوئن ۲۰۲۶، تیمی از فیزیکدانان سرن (CERN) و دانشگاه MIT اعلام کردند که یک مدل هوش مصنوعی — که برای تحلیل دادههای آزمایش ALICE در برخورددهندهٔ بزرگ هادرونی (LHC) به کار گرفته شده — موفق به کشف یک «فاز گذار» ناشناخته در پلاسمای کوارک-گلوئون (Quark-Gluon Plasma — QGP) شده است. QGP حالتی از ماده است که در آن کوارکها و گلوئونها — ذرات بنیادین سازندهٔ پروتونها و نوترونها — آزادانه و بدون حبس درون هادرونها حرکت میکنند. این ماده تنها در دماهایی حدود ۵.۵ تریلیون درجهٔ سانتیگراد (صدهزار برابر داغتر از هستهٔ خورشید) وجود دارد و تصور میشود جهان در چند میکروثانیهٔ نخست پس از مهبانگ (Big Bang) در این حالت بوده است.
۲.۱ ماهیت کشف: فاز چهارم QGP
پیش از این کشف، فیزیکدانان سه فاز گذار برای QGP میشناختند: گاز هادرونی، پلاسمای کوارک-گلوئون، و چگالش رنگ-شیشه (Color-Glass Condensate). مدل هوش مصنوعی — که یک شبکهٔ عصبی گرافی هموردا (Equivariant GNN) با ۵۰۰ میلیون پارامتر بود و بر روی پتابایتها دادهٔ برخورد یونهای سرب آموزش دیده — الگویی ظریف اما تکرارشونده را در توزیع زاویهای ذرات خروجی شناسایی کرد که با هیچیک از سه فاز شناختهشده قابل توضیح نبود.
این الگو نشاندهندهٔ یک فاز چهارم بود: «فاز همبستگی مارپیچی» (Helical Correlation Phase) که در آن اسپین کوارکها در ساختارهای مارپیچی همجهت میشوند — پدیدهای که پیشتر تنها در مواد چگال (مانند مغناطیسهای مارپیچی) مشاهده شده بود، اما هرگز در QGP پیشبینی نشده بود. نکتهٔ قابلتوجه این است که مدل هوش مصنوعی این کشف را نه از طریق شبیهسازی یا تأیید یک فرضیهٔ انسانی، بلکه از طریق «کاوش ناهنجاری» (Anomaly Detection) مستقل انجام داد: مدل یاد گرفته بود توزیعهای «عادی» ذرات را بازشناسی کند و زمانی که با یک خوشهٔ آماری ناسازگار با تمام مدلهای موجود روبرو شد، آن را برای بررسی به فیزیکدانان پرچمگذاری کرد.
۲.۲ هوش مصنوعی به مثابه کاشف: تغییر پارادایم در روش علمی
این کشف، مصداقی از پارادایم «کشف هدایتشده با هوش مصنوعی» است که بنیاد روش علمی را از «فرضیه-آزمایش» (Hypothesis-Testing) به «کاوش-کشف» (Exploration-Discovery) تغییر میدهد. در مدل سنتی، دانشمند فرضیهای میسازد، آزمایشی طراحی میکند، و دادهها را برای تأیید یا رد فرضیه تحلیل میکند. در مدل جدید، هوش مصنوعی بدون فرضیهٔ پیشینی، در دریای دادهها به دنبال الگوها و ناهنجاریها میگردد و یافتههای خود را — که ممکن است در هیچ چارچوب نظری موجود نگنجد — به دانشمندان گزارش میدهد.
این فرآیند در سه مرحله رخ داد:
- مرحلهٔ ۱: آموزش بر روی «دانش شناختهشده». مدل ابتدا بر روی میلیاردها رویداد برخورد که با مدلهای فیزیکی موجود (کرومودینامیک کوانتومی شبکای یا Lattice QCD) سازگار بودند، آموزش دید تا «عادی بودن» را بیاموزد.
- مرحلهٔ ۲: شکار ناهنجاری. مدل به طور سیستماتیک کل آرشیو Run 4 برخورددهنده (۲۰۲۵-۲۰۲۶) را برای یافتن رویدادهایی که از توزیعهای عادی انحراف داشتند، کاوش کرد. این کاوش — که برای انسانها مستلزم دههها کار بود — در ۷۲ ساعت روی کلاستر ۱۰,۰۰۰ NVIDIA H100 انجام شد.
- مرحلهٔ ۳: ارائهٔ یافته به فیزیکدانان. مدل نهتنها ناهنجاری را شناسایی کرد، بلکه یک «گزارش کشف» شامل نمودارهای توزیع، سطح اطمینان آماری (۶.۲ سیگما — بسیار بالاتر از آستانهٔ ۵ سیگمای کشف در فیزیک ذرات)، و پیشنهادهایی برای آزمایشهای تأییدی تولید کرد.
۳. همگرایی دو مسیر: تولد «دانشمند مصنوعی»
دو دستاورد دورنوردی کوانتومی و کشف فاز جدید QGP را باید در کنار هم دید: آنها با هم نشان میدهند که هوش مصنوعی اکنون در دو نقش مکمل — «بهینهساز بلادرنگ آزمایشها» و «کاشف الگوهای پنهان در دادهها» — به بلوغ رسیده است. این تحول، ظهور چیزی را نوید میدهد که میتوان آن را «دانشمند مصنوعی» (Artificial Scientist) نامید: سیستمی که میتواند آزمایش طراحی کند، دادهها را تحلیل نماید، ناهنجاریها را شناسایی کند، و حتی فرضیههای جدیدی برای توضیح آنها ارائه دهد.
این چشمانداز، پرسشهای عمیقی را مطرح میکند: اگر یک مدل هوش مصنوعی فیزیک جدیدی کشف کند، چه کسی «کاشف» محسوب میشود؟ آیا مدل، یک ابزار است یا یک همکار؟ و آیا جامعهٔ علمی برای عصری آماده است که در آن، بزرگترین کشفها نه توسط انسانها، که توسط الگوریتمها اعلام میشوند؟
۴. جدول مقایسهای دو دستاورد
| شاخص | دورنوردی کوانتومی (۲۷۰ متر) | کشف فاز چهارم QGP |
|---|---|---|
| حوزه | اپتیک کوانتومی / اطلاعات کوانتومی | فیزیک ذرات بنیادین / کرومودینامیک کوانتومی |
| نهادهای پژوهشی | ماکس پلانک + دانشگاه دلفت | CERN (آزمایش ALICE) + MIT |
| دستاورد کلیدی | دورنوردی حالت فوتون در ۲۷۰ متر | کشف فاز همبستگی مارپیچی در QGP |
| صحت / سطح اطمینان | ۹۴.۷٪ Fidelity | ۶.۲ سیگما |
| نقش هوش مصنوعی | تصحیح فعال نویز + بهینهسازی پروتکل + رمزگشایی بل | کاوش ناهنجاری + کشف الگو + گزارشدهی خودکار |
| معماری مدل هوش مصنوعی | RNN + RL + Transformer | Equivariant Graph Neural Network |
| تعداد پارامترها | ~۵۰ میلیون (ترکیبی) | ۵۰۰ میلیون |
| زمان تحلیل | بلادرنگ (کمتر از ۱۰ میکروثانیه تأخیر) | ۷۲ ساعت (روی ۱۰,۰۰۰ H100) |
| پیشبینی در نظریهٔ موجود | بله (پروتکلهای استاندارد دورنوردی) | خیر (کاملاً ناشناخته) |
| پیامد راهبردی | اثبات امکان اینترنت کوانتومی شهری | گشایش قلمرو جدید در فهم جهان اولیه |
۵. جمعبندی: سپیدهدم عصر «کشف ماشینی»
دو دستاورد دورنوردی کوانتومی ۲۷۰ متری و کشف فاز جدید QGP، صرفاً موفقیتهای علمی درخشان نیستند — آنها نشانههای یک گذار تمدنی در شیوهٔ شناخت جهاناند. در طول تاریخ علم، ابزارها همواره نقش کمکی داشتهاند: از تلسکوپ گالیله تا شتابدهندههای ذرات، فناوری قدرت مشاهدهٔ انسان را افزایش داده، اما تفسیر و کشف همواره در انحصار ذهن انسان باقی مانده بود. اکنون، برای نخستین بار، ماشینها نهتنها مشاهده میکنند، بلکه میفهمند — و چیزی را میفهمند که انسانها حتی نمیدانستند باید به دنبالش بگردند.
پیامد این تحول برای آیندهٔ علم، عمیق و چندلایه است. از یک سو، عصر جدیدی از کشفیات شتابگرفته را نوید میدهد: هوش مصنوعی میتواند در کسری از زمان، الگوهایی را بیابد که نسلها فیزیکدان از کنارشان گذشتهاند. از سوی دیگر، پرسشهای بنیادینی دربارهٔ ماهیت «فهم علمی» مطرح میکند. آیا میتوان گفت هوش مصنوعی «فیزیک میداند» وقتی فاز جدیدی از ماده را کشف میکند؟ یا این کشف، محصول یک «شهود آماری» کور است که تنها زمانی به دانش تبدیل میشود که توسط ذهن انسان تفسیر شود؟
این پرسشها پاسخ قطعی ندارند، اما یک چیز قطعی است: دوران «دانشمند تنها در آزمایشگاه» به سر آمده. عصر جدید، عصر «همزیستی شناختی» (Cognitive Symbiosis) میان انسان و ماشین است — عصری که در آن، بزرگترین پرسشهای علم نه توسط هیچیک از این دو به تنهایی، که توسط «هوش ترکیبی» (Hybrid Intelligence) آنها پاسخ داده خواهد شد. و ۲۰۲۶، سالی بود که این عصر رسماً آغاز شد.
۲ پاسخ به “جهش کوانتومی و فیزیک نوین: هوش مصنوعی در قامت همکار علمی، نه فقط ابزار”
خوب بود
خوب بود