QSignAI：以量子随机性为种子的身份签名——在AI for Science与Science for AI的交汇处

# QSignAI：量子随机性种子身份签名——AI驱动科学与科学驱动AI的交汇
来源：https://arxiv.org/html/2605.27729
张傲宇† 张璐瑶†*
†同等贡献。作者按姓氏字母序排列，姓氏相同则按名字字母序排列。*通讯作者：张璐瑶 ([email protected])，数字创新研究中心与社会科学部，昆山杜克大学。地址：中国江苏省昆山市杜克大道8号，215316。

###### 摘要

2024–2025年的诺贝尔奖和图灵奖同时认可了人工智能与量子科学——机器学习作为一门物理科学，人工智能解决了50年来的科学难题，超导量子电路成为量子计算的硬件基础，量子信息原理则被视为计算的最高成就。然而，目前没有已部署的人工智能系统将这两股潮流带给公众：身份系统仍然依赖伪随机令牌，量子电路对每天使用机器人社交消息平台的数十亿人来说仍是隐形的。本文介绍了QSignAI，一个实际部署的开源平台，在实时活动参与系统中展示了人工智能与量子科学的双向关系。我们解决三个研究问题：第一，通过双源提取器压缩独立量子测量结果生成的量子随机性，能否以可接受的延迟和成本嵌入AI驱动的社交平台；第二，AI机器人能否让没有技术背景的普通受众直观理解量子现象；第三，结合两个方向的系统在实际中是否可行。一个对话式AI机器人为每位参与者的第一条消息路由一条量子管道，该管道在SV1和DM1模拟器上对独立单量子比特Hadamard测量使用Toeplitz双源提取器，再加上一个2量子比特Bell态，为每位参与者生成唯一的量子随机性种子身份签名。当前部署使用云端量子模拟器；来自量子处理单元的物理量子随机性是近期扩展方向。前两个研究问题通过系统架构和来自现场活动的定性部署证据得到回答；第三个问题通过成功的生产部署得到回答。可量化的延迟基准和受控用户研究被确定为优先的未来工作。

★\bigstar参与层→\rightarrow 支持机器人的消息平台 (Telegram, 10亿+月活) ·\cdot @提及→\to Webhook→\to QSignAI API ⋆\star 机器人/API层 □\square ECS Fargate ·\cdot ✓\checkmark Webhook验证 ·\cdot →\rightarrow 提及检测 ·\cdot ■\blacksquare 照片流水线 ·\cdot signatureStatus = generating ★\bigstar 量子层 AWS Braket SV1 + DM1 ⊳\triangleright 电路A：双源QRNG ⊳\triangleright Toeplitz提取器 ⊳\triangleright 电路B：Bell态 |Φ⁺⟩|\Phi^+\rangle ⊳\triangleright ToyLWE签名 ◆\blacklozenge 数据层 DynamoDB & S3 ⊳\triangleright 消息，位置 ⊳\triangleright 量子签名 ⊳\triangleright 照片，Braket结果 ∘\circ 展示层 CloudFront CDN ⊳\triangleright Next.js墙 ⊳\triangleright 5秒轮询 ⊳\triangleright 拖放 ↯ HTTPS webhook 异步分发 ·\cdot 读写 ★\bigstar sig. + nonce ◆\blacklozenge 签名URL 科学→\toAI AI→\to科学 图1：QSignAI系统架构，展示了AI与量子科学之间的双向关系。各层：■\blacksquare 参与（机器人消息平台，Telegram 10亿+月活）；■\blacksquare 机器人/API（ECS Fargate，Webhook，照片流水线）；■\blacksquare 量子 (SV1 + DM1→\to Toeplitz提取器→\to ToyLWE签名)；■\blacksquare 数据 (DynamoDB + S3)；■\blacksquare 展示 (CloudFront, Next.js墙)。方向：科学→\toAI（量子随机性增强身份）；AI→\to科学（机器人使量子对受众可见）。

## 一、引言

2024–2025年，诺贝尔奖和图灵奖委员会同时认可了人工智能（AI）与量子科学。2024年诺贝尔物理学奖授予霍普菲尔德和辛顿[11]，表彰他们利用人工神经网络实现机器学习的开创性发现——这是诺贝尔物理学奖委员会首次认可AI研究。2024年诺贝尔化学奖授予哈萨比斯、琼珀和贝克[12]，表彰AlphaFold2，这是AI for Science的典范。2025年诺贝尔物理学奖授予克拉克、德沃雷和马蒂尼斯[14]，表彰电路中的宏观量子隧穿与能量量子化——这直接构成了当今超导量子计算机的物理基础。2025年ACM图灵奖——计算最高荣誉——授予贝内特和布拉萨德[4]，表彰他们奠定了量子信息科学的基础，包括量子测量产生经典对手无法复制的随机性这一原理。

尽管有此融合，三重差距依然存在。**差距1（科学驱动AI）**：AI身份系统仍使用伪随机数生成器（PRNG）——确定性算法，理论上可逆。贝内特和布拉萨德获得图灵奖的洞见尚未应用于AI参与系统。**差距2（AI驱动科学）**：量子电路对非专业人士仍然不可见。AlphaFold2展示了AI能够大规模地使科学可及[12]；AI机器人能否为量子科学做到同样的事？**差距3（AI推动美好生活）**：转型只有可及才能惠及大众。一个运行在数十亿人已经使用的平台上的机器人——零安装、零技术知识——是量子科学如何改善日常生活的具体答案。

本文解决三个研究问题（RQ）：

- • **RQ1（科学驱动AI）**：通过双源提取器压缩独立量子测量源生成的量子随机性，能否嵌入AI驱动的社交参与系统，并具有可接受的延迟、成本和可靠性？
- • **RQ2（AI驱动科学）**：AI机器人能否让没有技术背景的普通受众直观理解量子现象——叠加、纠缠、Bell态测量？
- • **RQ3（部署）**：结合两个方向的系统在实际中是否可行？成功的部署展示了关于双向关系的什么内容？

本文的贡献如下。我们提出了一个完整的、实际部署的系统，展示了AI-量子双向关系，包括量子电路设计：基于SV1和DM1模拟器上独立单量子比特Hadamard测量的双源随机数生成器（QRNG），加一个2量子比特Bell态，部署在亚马逊云服务（AWS）Braket SV1（状态向量模拟器）上，为ToyLWE（Toy Learning-With-Errors）身份签名提供种子。我们描述了Telegram Bot API集成架构，支持多群组隔离和优雅降级，以及使量子衍生的身份对普通受众可理解的三界面用户体验（UX）。开源实现在GitHub上可用：<https://github.com/QuantBlockchain/QSignAI>

当前工作聚焦于生产部署、后量子密码身份绑定和双源提取器理论；配套论文《Quantum Futures Interactive》[13]强调教育游戏设计、玩家体验评估和博物馆规模交互装置。两者共享AWS Braket和无服务器基础设施栈，但贡献各有侧重。

## 二、背景与相关工作

### II-A 量子随机性

经典PRNG是确定性的：给定相同种子，总是产生相同序列。量子测量遵循玻恩规则——结果由概率幅决定，而非隐变量，如Aspect等人[2]通过关闭贝尔不等式漏洞所实验确认，该不等式由贝尔[3]建立。云端可访问的量子随机性现已通过AWS Braket等服务提供。NIST SP 800-90B[16]定义了密码应用中的随机性要求。本文的关键区分：量子随机性是**输入**（电路产生的内容）；身份签名是**输出**（ToyLWE推导出的内容）。

### II-B 后量子启发签名

NIST后量子密码（PQC）标准化过程[17]产生了CRYSTALS-Dilithium（FIPS 204[18]），基于Regev[20]引入的带错误学习（LWE）问题。LWE将秘密向量与噪声向量混合，产生一个计算上与均匀分布不可区分的分布。本文使用的ToyLWE（Toy Learning-With-Errors）是一个演示性、教学性的实例——与LWE的结构类比，而非生产原语。走向生产的路径是使用CRYSTALS-Dilithium（FIPS 204, ML-DSA）[18]替换，采用相同的量子随机性种子熵管道。

### II-C 支持机器人的社交消息平台

支持机器人的群组消息平台暴露一个可编程的webhook应用编程接口（API），使AI代理能够在人类参与者和后端系统之间进行中介。当前部署使用Telegram，该平台在2025年3月突破10亿月活跃用户（MAU）[8]。先前的机器人应用涵盖教育、医疗和公民参与[9]，但没有一个将量子电路与实时社交展示相结合。现有的互动活动平台（Slido、Mentimeter）使用无量子来源的PRNG令牌。

### II-D AI for Science

AlphaFold2的结果[12]确立了AI for Science的模板：一个AI系统使科学问题以经典方法无法比拟的规模变得可及。QSignAI将相同的模板应用于量子科学传播：一个AI机器人使量子现象对非专业人士的现场观众可及。量子机器学习[5]和含噪中等规模量子（NISQ）时代计算[19]为近期的量子应用提供了更广泛的背景。

## 三、系统架构

总体架构如图1所示。系统由三个集成层组成。

**参与层**是一个支持机器人的群组消息平台。当前部署使用Telegram的Bot API<sup>1</sup>，通过`X-Telegram-Bot-Api-Secret-Token` 验证webhook交付。提及检测解析 `message.entities` 中的 `type:"mention"`，进行偏移量/长度提取；`caption_entities` 处理照片消息。照片通过平台文件API下载（20 MB限制）并上传到私有加密的亚马逊简单存储服务（S3）桶<sup>2</sup>。

**量子身份层**在AWS Braket SV1<sup>3</sup>上运行，详见第四节。**展示层**是一个Next.js<sup>4</sup>应用，通过Amazon CloudFront提供服务，每五秒轮询新消息。

**基础设施**。整个栈使用AWS Cloud Development Kit (CDK)<sup>5</sup>定义为基础设施即代码。弹性容器服务（ECS）Fargate运行1–4个容器实例，CPU利用率70%时自动扩展。Amazon DynamoDB (DynamoDB) 存储消息，使用复合键 `GROUP#{groupId}/MSG#{timestamp}#{messageId}`，静态加密并启用时间点恢复。所有凭证存储在AWS Secrets Manager中；代码或容器镜像中不出现任何秘密。扩展参数总结在表II中。

**安全性**。多层安全措施包括：CloudFront密钥标头验证阻止直接访问应用负载均衡器（ALB）；每个webhook请求都进行Telegram令牌验证；管理端点使用承载令牌认证；HTTP严格传输安全（HSTS）和内容安全策略（CSP）标头；最低权限身份与访问管理（IAM）角色；所有用户输入（最大4096字符）进行HTML实体编码。系统API端点列于表I。

表 I: QSignAI REST API 端点。图标表示角色：★\bigstar 摄取，◆\blacklozenge 显示，×\times 删除，∘\circ 输出，∙\bullet 管理，⊳\triangleright 健康。

表 II: ECS Fargate 自动扩展参数。值的颜色编码表示规模：■\blacksquare 最小/稳定，■\blacksquare 中等。

## 四、量子随机性管道

### IV-A 为何使用量子随机性

PRNG是一个确定性函数：给定相同种子，总是产生相同输出。恢复种子的对手可以重现系统曾经发出的每个身份令牌。量子测量没有这样的算法在底层。玻恩规则指出测量结果由概率幅决定——而非隐变量，也非先前的系统状态。这由Aspect等人[2]实验确认。基于量子随机性种子的身份令牌，在物理QPU上，无法被任何经典对手预测或重现，无论计算能力如何，因为随机性不是计算出来的——而是测量得到的[4, 10]。当前部署使用经典模拟器（SV1和DM1），它们在硬件层面是确定性的；该架构已为QPU做好准备，提取器管道可直接应用于硬件来源的随机性[22]。

### IV-B 电路A：双源量子RNG

两个量子电路如图2所示。电路A在AWS Braket上实现双源量子随机数生成器（QRNG）。两个独立的单量子比特Hadamard电路并行执行：一个在SV1状态向量模拟器（**理想源**）上，另一个在DM1密度矩阵模拟器（**噪声源**）上。每个电路应用Hadamard门将量子比特置于叠加态，然后在计算基上测量。重复此过程 `n` 次，得到两个原始比特串：

- X ∈ {0,1}^n 来自SV1，表示理想量子随机性；
- Y ∈ {0,1}^n 来自DM1，捕获物理上有噪声但独立生成的随机性。

这些原始流并非各自均匀——SV1是确定性模拟器，单源模态结果可预测——因此通过一个Toeplitz双源提取器进行压缩。