在中性原子量子計算里，有一件不太“量子”的事，卻是決定一臺機器能不能跑起來的關(guān)鍵：把原子裝進光鑷陣列。

外人看論文，常見的是“我們實現(xiàn)了XXX個原子的糾纏”“保真度達到99.XX%”。但真正在機器旁待過的人知道：在這些漂亮數(shù)字之前，最折磨人的往往不是量子門，而是初始化——也就是把一個一個冷卻的中性原子，“塞進”光鑷陣列那成百上千個微型勢阱里，而且最好一次就裝滿、盡量少出空位。

無問清芯最近提交實審的一件發(fā)明專利，瞄準(zhǔn)的正是這個被很多人低估、卻是規(guī)?；飞献钔吹钠款i。它的名字很長，也很直白——《基于Transformer的原子陣列缺陷預(yù)測與預(yù)補償光鑷裝載方法及裝置》。但翻譯成一句人話就是：

讓機器學(xué)會“看趨勢”，在原子還沒裝上去之前，就提前把容易空的坑墊深，把裝載從“事后擦屁股（重排）”變成“事前預(yù)防”。

一、裝載為什么是“痛”，而不只是麻煩

中性原子量子計算機的基本畫風(fēng)是：用激光冷卻原子，再用另一束“光鑷”激光在真空里形成勢阱陣列，像隱形的棋盤格，把原子一個一個“按”進格點。

問題在于——裝載是隨機的。單個光鑷的占據(jù)率通常只有約50%～60%。

于是傳統(tǒng)流程就變成了一場拉鋸：

裝一輪→拍照數(shù)格子→發(fā)現(xiàn)空位

用“重排”（move atom）把冗余原子挪過去填空

再拍一次→還有空位→再挪……

對小規(guī)模陣列，這還能忍；一旦你想做容錯量子計算需要的較大陣列（幾千到上十萬格點），這套“裝→拍→挪→再拍”的循環(huán)可能要重復(fù)5～10次，總耗時好幾秒。更要命的是，每次重排原子都在非均勻光場里被移動、被曝光，退相干跟著累積，保真度被一點點吃掉。

業(yè)內(nèi)有句大實話：“陣列初始化，占了量子處理器有效運行時間的80%以上?！?/p>

——你比特再漂亮，機器一半時間在填坑，它就談不上“計算機”，更像是“很貴的拼圖游戲”。

二、老解法為什么不夠：不是“多裝幾次”就能解決的

現(xiàn)有技術(shù)基本就兩類：

1）多次裝載+事后重排

被動響應(yīng)、時間開銷大、退相干累積——它接受隨機，然后用工程體力去彌補隨機。

2）基于統(tǒng)計平均的“固定深度調(diào)優(yōu)”

拿歷史數(shù)據(jù)算平均，對歷史上總是裝不滿的格點，永久加深光鑷。

聽起來合理，但問題是：

缺陷不是獨立隨機事件，鄰近格點的占據(jù)常?？臻g相關(guān)（比如磁光阱原子云密度在空間上就不均勻）；

環(huán)境會慢變（真空微漏、溫度漂移、冷卻光偏振梯度的微小擺動），固定補償會漂。

一句話：缺陷有規(guī)律（時空關(guān)聯(lián)），但你用“平均數(shù)”去打它，等于蒙眼打移動靶。

三、無問清芯這件專利的核心：讓裝置“看見”缺陷模式，并提前動手

這件發(fā)明的思路很清晰：把裝載歷史變成“可學(xué)習(xí)的序列圖像”，用Transformer的時空注意力去抓缺陷的關(guān)聯(lián)規(guī)律，再用一個逐格點可調(diào)的硬件通道，把“預(yù)測到的薄弱點”提前墊起來。

1）它把每次裝載后的熒光圖，當(dāng)“數(shù)據(jù)”，不當(dāng)“偶然”

裝置會存最近K輪（典型K=20）裝載的二維熒光圖像序列：每個格點亮=有原子，不亮=缺陷。

這不是為了寫PPT，而是為了喂給下一步的模型：

缺陷不是孤立的0/1噪聲，它在空間上有鄰居結(jié)構(gòu)，在時間上有慢變漂移——這兩者合起來就是“時空模式”。

2）Transformer在這里干什么？（不是ChatGPT，是時空注意力）

專利里用的是時空位置編碼+多頭自注意力：

空間維度：讓模型學(xué)會“哪些格點容易一起缺陷”（比如MOT云密度的一個斜坡帶、或者某個象限總是偏瘦）；

時間維度：讓模型看“最近幾輪的趨勢”（是局部惡化，還是隨機抖動）；

關(guān)鍵技巧：注意力被加了空間鄰近掩碼+時間因果掩碼，讓它只看鄰居和過去，不讓計算爆炸，也符合物理直覺——光鑷格點通常不會跟對角線對面的格點“遠程心靈感應(yīng)”。

輸出很硬核：每個格點下一輪的占據(jù)概率p_j，以及不確定性σ_j。

這意味著裝置不是在“猜”，而是在說：

“右上象限那一片，歷史顯示你大概率還會空，而且我不那么確定邊界——所以要加深度，但邊界我用更保守的增益。”

3）預(yù)補償：不等空位發(fā)生，就先把坑墊深

得到p_j后，裝置通過一個非線性增益函數(shù)算每個光鑷的“深度增量ΔU_j”：

概率低→增量大（鉚足勁把原子“抓牢”）

概率高→不動或微調(diào)

不確定高→保守策略（別為了一個可疑格點把光場搞亂）

然后通過多通道DAC→AOM驅(qū)動，實現(xiàn)逐格點獨立的深度調(diào)制（不是一刀切，是真·per-site）。

整個閉環(huán)是：

裝載→成像→預(yù)測→預(yù)補償→再裝載→再成像→更新序列（像FIFO隊列滑窗）。模型在跑，但不飄——因為有真實結(jié)果回來“打標(biāo)簽”。

四、一個最能打動人的數(shù)字：從3.2秒到0.9秒，且重排從5-8次降到2次

實施例里給出一個很實的比例尺描述：面向一個很大的陣列（文中舉例量級到萬格點級的設(shè)計目標(biāo)），傳統(tǒng)方案動輒要5～8次重排迭代才能拿到無缺陷陣列，初始化時間約3.2秒。

而在預(yù)補償方案下：

Transformer提前把高風(fēng)險區(qū)的光鑷深度抬到基準(zhǔn)值的約1.8倍（保守邊界1.3倍），

結(jié)果右上象限缺陷率從“預(yù)期會很高”被壓下去（例如描述里從約55%缺陷相關(guān)量降到約18%量級），

全陣列需要重排的缺陷數(shù)大幅下降，重排迭代降到約2次，初始化時間壓到約0.9秒；

運行若干天后，預(yù)測準(zhǔn)確率從初始約82%進一步提升到約94%，無缺陷生成時間還能再壓（例如到約0.6秒量級）。

注意：這里省下的不只是“時間”，更關(guān)鍵的是原子少挪了、少暴露了——意味著退相干預(yù)算省下來了，留給真正計算的“相干額度”更多。

五、它為什么重要：這叫“把量子硬件當(dāng)機器管”，不叫“在實驗室里求神”

這件專利最值得尊重的地方，是它把問題從“物理偶然”抬到“工程可觀測、可預(yù)測、可閉環(huán)控制”的層面。

裝載缺陷長期被當(dāng)成量子物理的隨機性來接受；無問清芯把它重新表述為帶時空結(jié)構(gòu)的可學(xué)習(xí)模式，然后用硬件（FPGA/嵌入式GPU+DAC+AOM）+閉環(huán)數(shù)據(jù)把它釘住。

許一力對記者說，這段話可以作為他們“物理本征方法論”的一個很典型的腳注：

“很多人以為量子計算機難在‘疊加和糾纏’——那只是物理課本的第一頁。真正難的是：你怎么讓一臺機器在真實環(huán)境里，穩(wěn)定地、可重復(fù)地把成千上萬個量子比特‘?dāng)[好桌子’，而且別把菜弄涼。

裝載預(yù)補償解決的就是這個：它不是讓物理更玄，而是讓物理更守規(guī)矩。Transformer在這里不是耍嘴皮子，它是我們給機器裝的‘經(jīng)驗記憶’——看得到缺陷的走勢，就敢提前把勢阱加深，而不是等空了再滿世界挪?！?/p>

六、記者手記：一臺量子計算機“起床”的方式，決定了它能跑多遠

在無問清芯的實驗室白板上，有一行我看了一會兒才讀懂的字：

“初始化不是準(zhǔn)備運動，是比賽的一部分?！?/p>

量子計算的敘事很容易被“量子霸權(quán)”“千億市值”“多少個比特”帶著跑。但真正造過機器的人知道：決定勝負的不只是最高比特那一下，而是每天早上這臺機器能不能在合理的時間里、以合理代價站起來。

這件圍繞Transformer預(yù)測+光鑷預(yù)補償?shù)膶＠?，未必是“最量子”的成果，但很可能是“最工程化”的那類關(guān)鍵成果：它解決的是一個會讓規(guī)模化窒息的隱形血栓——然后用一種干凈、閉環(huán)、可審計的方式，把它打通。

從92%到99.99%的硅-28是材料純度；從“裝了再看”到“看了先墊”就是控制純度。

無問清芯想在中性原子這條路上走遠，就得把后一種純度，也做成專利和硬件。

（基于無問清芯近期提交實審的發(fā)明專利交底書《基于Transformer的原子陣列缺陷預(yù)測與預(yù)補償光鑷裝載方法及裝置》整理報道，技術(shù)細節(jié)以正式公開文本/權(quán)利要求書為準(zhǔn)。）