IBM 和麻省理工学院 (MIT) 联合成立了 MIT-IBM 计算研究实验室，这是一个旨在推进人工智能、算法和量子计算领域基础研究的全新联合研究机构，重点关注能够突破经典系统实际局限性的计算方法。该实验室由 MIT-IBM 沃森人工智能实验室（成立于 2017 年，位于麻省理工学院校园内）发展而来。它反映了技术格局的转变：人工智能如今已得到广泛应用，而量子计算也正朝着更具实用性的方向发展。
领导层将新实验室描述为在建模、算法和系统设计领域开展更深入合作开发的平台，尤其是在人工智能和量子计算的交叉领域。麻省理工学院领导层将这项工作定位为合作伙伴过去十年成果的延续，以及以学术严谨性和产业相关性为支撑的长期研究机制。
研究方向：人工智能、算法、量子计算和混合系统
该实验室的技术议程以跨多个领域的合作努力为中心。
其中一个主要研究领域是人工智能和混合计算，探索将经典计算与先进的人工智能方法相结合，并在适当情况下融入量子计算元素。目标是加强人工智能能力在生产级计算环境中的集成，重点在于实现切实可行的运营改进。
此外，该实验室还着重开发小型高效的语言模型架构和新型人工智能计算范式。这些工作均以企业部署为导向，尤其关注系统的可靠性、透明性和可信度等属性。这表明，实验室的关注点不仅在于研究原型，更在于创建能够满足实际应用需求的运行系统。
该议程还包括对量子算法的研究，以及解决材料科学、化学和生物学等领域相关复杂问题所需的数学基础。与此同时，还将对下一代计算的数学和算法基础进行更广泛的研究，旨在增进对基础理论的理解和能力。
该实验室还重点介绍了涵盖机器学习理论、优化、哈密顿模拟和偏微分方程 (PDE) 的基础性工作。这些领域通常是大规模动力系统近似的瓶颈，传统方法在保真度、成本或两者兼具方面都可能面临挑战。虽然列举了几个应用实例，但其技术主线是改进模拟和优化方法，从而实现更高精度的预测和更高效的计算流程。
与麻省理工学院的计划和IBM的量子路线图保持一致
麻省理工学院指出，该实验室与学院的两项全院计划相辅相成：麻省理工学院生成式人工智能影响联盟和麻省理工学院量子计划。IBM方面则重申了其在2029年前交付容错量子计算机的计划，以及其向以量子为中心的超级计算领域更广泛的推进，IBM将其描述为将量子系统与高性能计算和人工智能加速器紧密集成。
实验室结构和领导力
该实验室将继续由麻省理工学院计算机科学与人工智能实验室 (CSAIL) 高级研究科学家奥德·奥利瓦 (Aude Oliva) 和 IBM 研究院人工智能基础副总裁大卫·考克斯 (David Cox) 共同领导。三个研究方向均已任命了领域负责人：
- 人工智能：Jacob Andreas（麻省理工学院电子工程与计算机科学系）和 Kenney Ng（IBM 研究院；麻省理工学院-IBM 科学项目经理）
- 算法：Vinod Vaikuntanathan (MIT EECS) 和 Vasileios Kalantzis (IBM Research)
- 量子力学：Aram Harrow（麻省理工学院物理系）和 Hanhee Paik（IBM；量子算法中心）
麻省理工学院还指定麻省理工学院施瓦茨曼计算机学院院长丹·胡滕洛赫担任该实验室的麻省理工学院联合主席。
前一次实验至今的输出结果
麻省理工学院和IBM将新实验室定位为在沃森人工智能实验室的规模和发表成果基础上发展而来。自成立以来，双方的合作已资助了210多个研究项目，涉及150多位麻省理工学院教职员工和200多位IBM研究人员，并发表了1,500多篇同行评审文章。该项目还资助了500多名学生和博士后研究人员，将人才培养与科研产出并列为一项持续的成果。
IBM 和 Dallara 宣布将人工智能和量子探索应用于空气动力学设计工作流程
在 MIT-IBM 实验室启动后的另一份声明中，IBM 和 Dallara 集团披露了一项合作，重点是将人工智能应用于基于物理的车辆空气动力学，并探索量子和混合量子-经典方法，这些方法可以随着时间的推移补充大量仿真的设计周期。
基于物理的AI作为加速CFD驱动迭代的替代方法
该项目旨在解决赛车运动和高性能车辆开发中一个众所周知的限制：计算流体动力学 (CFD) 精确但昂贵，迭代几何探索可能需要数小时才能完成一次扫描，而整个开发流程可能需要数周或数月。
IBM 和 Dallara 公布了一项基于物理的 AI 方法的初步成果，该方法用于评估一款概念性 LMP2 赛车的多种后扩散器配置。在对比测试中，传统的 CFD 方法需要几个小时才能计算出所有配置。相比之下，AI 方法仅需约 10 秒即可完成相同的评估，误差范围与 CFD 相当，并且能够识别出最佳配置。
IBM 将此描述为一种将数百种配置的评估时间从数天压缩到数分钟的途径，从而能够在设计周期的早期阶段进行探索，同时将完整的 CFD 计算用于更深入的验证和最终优化。该版本还提到了后扩散器角度从 -2 度调整到 +4 度的压力场建模，并称 AI 输出与 CFD 结果高度吻合。
量子和混合方法正在评估中
与此同时，各团队表示，他们正在评估量子或量子-经典混合技术在模拟和优化工作流程中的应用前景。近期目标是探索性的：确定哪些工作负载可以与现有的计算流体动力学（CFD）流程互补，并随着量子系统的成熟，规划更长远的应用前景。
研究出版物和模型谱系（arXiv 和 ICLR）
IBM 和 Dallara 将这项工作与近期发表的论文联系起来：
- 初步合作成果已在一份文件中描述。 arXiv预印本，日期为2026年4月20日.
- 这项工作建立在 IBM 的规范不变谱变换器 (GIST) 模型之上，该模型在以下文献中被引用： 3月17日预印本。
这些公司表示，他们于 2026 年 4 月 26 日在里约热内卢举行的国际学习表征会议 (ICLR) 上展示了相关进展。
Dallara首席信息官Fabrizio Arbucci强调了神经代理模型更广泛的意义，该模型最初在高性能车辆中进行了测试。他强调，空气动力效率的提升，例如阻力降低1%到2%，可以显著节省各种交通工具（包括乘用车和飞机）的燃油，从而使依赖空气动力学的行业受益。
Amazon