核心研发方向
AI赋能量子计算的核心算法
开发人工智能赋能量子计算的核心算法，使量子计算能尽快突破比特规模和量子纠错的关键瓶颈。
智能体量子计算机
搭建智能体量子计算机，进而在量子科技领域加速推进智能体支撑的自动化实验，加速量子科技研究的迭代和进化速度。
AI赋能量子精密测量
以量子效应提高灵敏度，以人工智能技术降低噪音，打造量子和智能联手赋能的精密测量仪器，服务生命健康等重要国计民生问题。
量子计算赋能AI
探索量子计算赋能人工智能的算法创新，以量子计算破局人工智能面临的未来算力难题。
关于我们
量智开物（北京）科技有限公司由科大讯飞与两仪万象联合发起设立，是国内首家专注于人工智能与量子科技深度融合的实体公司。
公司取"量子"与"智能"相融、"开物成务"之意，寓意从0到1，开创未来。致力于推动量智融合从学术探索走向产业实践，打造量智融合的人才高地。
我们将积极承担国家和地方重要科研任务，加速量子计算技术的突破与创新，实现从硬件到软件的全栈技术自主可控与产业引领。
学术成果
近期发表（2026）
AI-Enabled Decoding of Qubit Loss for Quantum Error-Correcting Codes
人工智能赋能的量子纠错码比特丢失解码算法
首次实现了对常规Pauli错误和比特丢失错误的同时解码，为原子量子计算平台的量子纠错提供关键算法支撑。
An Algorithm for Fast Assembling Large-Scale Defect-Free Atom Arrays
大规模无缺陷原子阵列快速组装算法
满足操控万量级原子阵列的需求，为原子量子计算进入万量级时代提前准备了算法支撑。
| 标题 | 期刊 | 年份 | 引用 |
|---|---|---|---|
| Noise enhanced neural networks for analytic continuation | Machine Learning: Science and Technology 3 (2), 025010 | 2022 | 17 |
| Expressivity of quantum neural networks | Physical Review Research 3 (3), L032049 | 2021 | 72 |
| Scrambling ability of quantum neural network architectures | Physical Review Research 3 (3), L032057 | 2021 | 45 |
| Active learning algorithm for computational physics | Physical Review Research 2 (1), 013287 | 2020 | 27 |
| Modified independent component analysis for extracting Eigen-Modes of a quantum system | Machine Learning: Science and Technology | 2020 | 3 |
| Information scrambling in quantum neural networks | Physical Review Letters 124 (20), 200504 | 2020 | 83 |
| Active learning approach to optimization of experimental control | Chinese Physics Letters 37 (10), 103201 | 2020 | 26 |
| Machine learning identification of impurities in the STM images | Chinese Physics B 29 (11), 116805 | 2020 | 12 |
| The quantum cocktail party problem | Science China, Physics, Mechanics & Astronomy. 63, 250362 | 2019 | 3 |
| Emergent Schrödinger equation in an introspective machine learning architecture | Science Bulletin 64 (17), 1228-1233 | 2019 | 33 |
| Machine learning of frustrated classical spin models (II): Kernel principal component analysis | Frontiers of Physics 13 (5), 130507 | 2018 | 64 |
| Machine learning topological invariants with neural networks | Physical review letters 120 (6), 066401 | 2018 | 345 |
| Visualizing a neural network that develops quantum perturbation theory | Physical Review A 98 (1), 010701 | 2018 | 1 |
| Deep learning topological invariants of band insulators | Physical Review B 98 (8), 085402 | 2018 | 101 |
| Machine learning of frustrated classical spin models. I. Principal component analysis | Physical Review B 96 (14), 144432 | 2017 | 195 |
最新动态
量智开物，巧夺天工：2026智能量子峰会隆重举行
2026年4月22日，以"量智开物，巧夺天工"为主题的"2026智能量子峰会"在北京中关村展示中心隆重举行。本次峰会由量智开物（北京）科技有限公司、科大讯飞股份有限公司、两仪万象（北京）科技有限公司和清华大学高等研究院联合主办，汇聚了政府、学界与产业界的百余名代表，共同探讨了量子科技和人工智能交叉融合所驱动的科技发展趋势。
"追风""扁鹊"：量智开物发布最新算法
量智开物联合清华大学、科大讯飞研究人员发布"追风"和"扁鹊"两个人工智能算法。"追风"解决了原子量子计算中快速操控万量级大规模原子阵列的算法难题。"扁鹊"是针对原子量子计算中量子纠错开发的错误解码器，是量子计算突破量子纠错瓶颈的关键算法。
科大讯飞与两仪万象合资成立量智开物，共拓量智融合新赛道
量智开物（北京）科技有限公司在北京海淀正式注册成立。量智开物由科大讯飞与两仪万象联合发起设立，是国内首家专注于人工智能与量子科技深度融合的实体公司，标志着两大前沿技术的协同创新迈入实体化运营新阶段。
媒体报道
加入我们
诚邀 AI算法 / 原子阵列实验 顶尖人才加入
公司介绍
量智开物（北京）科技有限公司由两仪万象与科大讯飞共同发起设立，专注于人工智能与量子科技深度融合的算法研究和技术创新。
在这里，你将与来自全球顶尖高校/科研机构的专家并肩作战，共同打造具有国际影响力的"AI+量子"创新高地，参与定义未来的算力范式…
AI算法工程师
📍 北京市 / 合肥市职位描述
作为AI算法团队的核心成员，探索并应用前沿人工智能技术，全方位赋能量子计算：
- • 算法研发：开发和应用先进的机器学习算法，解决量子系统中的优化控制问题
- • 软硬协同：与实验团队协作，设计AI驱动的解决方案，提升量子硬件性能
- • 前沿探索：与理论团队配合，研究和实施由AI增强的量子算法与测控方案
- • 数据建模：对物理系统数据进行建模分析，推动算法从理论构想向实际应用转化
任职要求
- 学历背景：人工智能、物理学、计算机科学或相关专业的硕士及以上学历
- 专业技能：精通Python，熟练掌握一种主流深度学习框架（PyTorch/JAX）
- 理论基础：对机器学习领域有扎实的理论基础和丰富的实践经验
- 综合素质：具备优秀的逻辑思维、跨学科学习能力以及良好的团队协作精神
加分项：
- ○ 具备量子计算或量子信息理论基础
- ○ 有处理和分析科学实验数据的经验
- ○ 在相关领域顶级会议或期刊有高水平学术论文发表
- ○ 能熟练运用大语言模型及智能体协作解决复杂任务
原子阵列智能测控工程师
📍 北京市职位描述
作为实验团队的核心成员，你将深度参与全球首个智能体量子计算机硬件基座的建设，让物理硬件成为大模型探索前沿科学的躯干：
- • 智能化系统底座搭建：负责大规模原子阵列核心物理系统的设计与搭建，构建适配智能体架构实验基座
- • 多模态测控：联合AI团队，打通底层硬件测控框架与智能体之间的数据链路，实现控制指令与多模态物理数据的实时双向交互
- • 控制落地：与理论算法团队合作，将算法部署于底层硬件，进行实验验证与迭代
- • 前沿探索：突破大规模原子系统的控制壁垒，引导AI智能体理解复杂物理规律，共同攻克传统量子测控面临的工程瓶颈
任职要求
- 学历背景：物理学（原子分子物理、量子光学方向优先）、光学工程、精密仪器或相关专业的硕士及以上学历。接受优秀在读生实习。
- 实验技能（满足其一即可）：
- ○ 具备冷原子实验经验，熟悉激光冷却、原子囚禁、超高真空技术
- ○ 具备扎实的光学实验背景，擅长搭建复杂光路，并有空间光调制器、声光偏转器、数字微镜阵列等设备的使用经验
- 软硬协同能力：具备优秀的实验自动化控制意识，熟练使用Python等进行仪器控制、数据采集与分析
- 综合素质：工作严谨细致，具有良好的跨团队沟通能力
加分项：
- ○ 拥抱前沿AI技术，具备跨学科沟通能力
- ○ 有扎实的物理学基础知识功底和实验室研究经验
- ○ 熟练使用Labscript等实验控制系统进行实验自动化控制与数据分析
- ○ 了解或使用过深度学习/强化学习算法，对基于智能体的科学研究感兴趣
- ○ 在物理类/光学类顶级期刊有高水平学术论文发表
我们提供
投递方式
探索极限，量智未来