Skip to content

🧿AI与未来

量子工程师 · 构建、测量和控制利用量子态进行计算、传感、通信和材料研究的设备。

分享本页

人工智能可以优化脉冲、对数据进行分类和搜索设计空间,使其成为天然的实验室工具。它无法消除构建、冷却、测量和验证新物理设备的实验瓶颈。

因此,量子工程可能会大量使用人工智能,同时仍然依赖于了解仪器真正测量内容的专家。

22 / 100
低的

机器可替代的工作占比

常规数据分析和校准优化是可自动化的,但新颖的实验设计、物理故障排除和负责任的解释仍然具有很强的抵抗力。

按任务计分,而非头衔。越低越安全。

AI难以取代的职业 →

机器夺不走的

实验判断

92

研究人员必须确定结果是物理结果还是人为结果。

硬件故障排除

88

低温、光学和射频系统需要亲自诊断。

设计新颖

82

新的器件架构需要理论和制造洞察力。

安全和实验室责任

85

人类仍然对激光、冷冻剂和洁净室负责。

科学解读

86

索赔需要控制、不确定性和同行审查。

它们已经在夺的

校准搜索

70

算法可以调整许多控制参数。

信号分类

68

模型可以识别测量流中的模式。

文献分类

62

助理总结并连接技术论文。

例程代码生成

60

工具可以起草仪器控制和分析代码。

工作如何变化

闭环实验

算法越来越多地从实时数据中选择下一个测量值。

更好的自动化层

实验室围绕复杂的仪器构建可靠的软件界面。

制造重点

良率、封装和测试变得比一次性演示更重要。

混合团队

量子、人工智能和半导体专家更加紧密地合作。

分岔出的新职业

量子控制工程师

构建量子位的脉冲、射频和反馈系统。

量子纠错工程师

将代码和测量映射到实际的硬件约束。

低温系统工程师

设计冷却、布线和热基础设施。

量子网络工程师

构建光子链路、中继器和网络控制。

展望

该领域的发展将不均衡:研究人员的招聘可能会超过经过验证的产品收入,而传感和安全链接则创造了早期的利基市场。

人工智能将加速实验,但这使得仔细的测量和可重复性变得更有价值,而不是更有价值。

相近职业

不限同一领域,六项评分最接近的职业。

继续探索

继续探索

科学·研究领域的其他职业