В кино нейросеть сначала выигрывает шахматный матч, а потом просит автограф — у неё ведь тоже должен быть фан-клуб. Шутки в сторону: команда исследователей показала, что трансформер может не только предлагать единичные решения, но и писать «мета‑программы» — Python‑код, который генерирует целые семьи квантовых экспериментов для разных размеров систем.
Игра слов «метадизайн» здесь не только красивая вывеска: вместо поиска одной оптимальной установки для одного квантового состояния модель учится по миллионам синтетических примеров распознавать шаблоны и выводить общие правила. Результат — человекочитаемые функции construct_setup(N), которые для N = 0,1,2… строят конфигурации источников пар фотонов, оптики и детекторов, а затем проверяются численно на совпадение с требуемыми состояниями.
Это не просто «автоматический подбор»: авторы не только восстановили известные конструкции (GHZ, W, Bell), но и обнаружили ранее неизвестные обобщения — например, семейства состояний, соответствующие модели Маджумдара‑Гоша и специфическим спиновым ограничителям, которые раньше считались недоступными в фотонных системах. И важный практический бонус: такой код позволяет экстраполировать решение на большие N без экспоненциальных вычислительных затрат.
Техника опирается на асимметрию задач: легко выполнять код и получать состояния, но трудно из состояний вывести генератор кода. Поэтому авторы синтезировали 56 млн пар «код→состояния» и обучили трансформер в направлении «состояние→код». Выход — понятный людям скрипт, который можно прочитать, проанализировать и улучшить, а не черный ящик.
Это исследование — пример, как языковые модели превращаются в инструмент для интерпретируемой научной дедукции: они не только предлагают варианты, но и формируют понятные гипотезы, которые физики могут проверить в лаборатории. Подробности и материалы доступны в статье Nature (https://www.nature.com/articles/s42256-025-01153-0) и в репозитории проекта на GitHub.