目前,全球各大IT企業(yè)紛紛進(jìn)行量子計(jì)算技術(shù)探索絕不是什么偶然。特別是以谷歌、IBM以及英特爾為代表的巨頭們正為各自的項(xiàng)目投入大量資源,而這一切也確實(shí)在過去幾年當(dāng)中帶來了令人矚目的進(jìn)展。雖然這三大主要參與者已經(jīng)吸引到眾多媒體的關(guān)注與報(bào)道,但就目前的情況看,我們還很難斷言未來這一新興市場到底會由誰所主導(dǎo)。
這主要是因?yàn)?,截至?dāng)下,人們對于哪種技術(shù)方法能夠構(gòu)建起真正具有商業(yè)可行性的通用量子計(jì)算能力還沒有達(dá)成共識。也就是說,IBM、谷歌、英特爾乃至Rigetti都在開發(fā)自己的固態(tài)量子處理器。雖然這種方法延襲了數(shù)十年來各大廠商在硅基半導(dǎo)體和大規(guī)模集成電路方面的經(jīng)驗(yàn)基礎(chǔ),但這種技術(shù)要求將芯片冷卻到接近絕對零度,并使用主動糾錯技術(shù)來保持量子位元的正常工作。
不過對量子計(jì)算的另類探索,則始于一個名為IonQ的研究項(xiàng)目——其利用懸浮在真空當(dāng)中的鐿原子將捕獲的離子作為量子比特。在此項(xiàng)目中,研究人員利用激光束進(jìn)行處理,包括操縱離子以實(shí)現(xiàn)原子量子比特的信息存儲與檢索、執(zhí)行邏輯運(yùn)算并將這些基本粒子連接起來以形成特定電路。在最近與IonQ公司CEO兼聯(lián)合創(chuàng)始人Chris Monroe的對話當(dāng)中,他介紹了為什么他堅(jiān)信這種方法最有可能實(shí)現(xiàn)商業(yè)量子計(jì)算的飛躍式發(fā)展。
由于激光速受到編程機(jī)制的控制(編程由傳統(tǒng)計(jì)算機(jī)實(shí)現(xiàn)),因此這套系統(tǒng)能夠動態(tài)構(gòu)建量子硬件以優(yōu)化實(shí)際應(yīng)用的電路布局。量子計(jì)算有望被應(yīng)用于量子化學(xué)、物流、機(jī)器學(xué)習(xí)以及密碼學(xué)等諸多領(lǐng)域并負(fù)責(zé)處理各種優(yōu)化問題,而IonQ采取的前所未有新方式則使得量子計(jì)算系統(tǒng)能夠以類似于FPGA的方式對硬件與軟件進(jìn)行編碼,從而快速調(diào)整自身電路組成形式。
如果Monroe和他的公司能夠通過這一另辟蹊徑的方式超越其它規(guī)模更大、資金更充裕的競爭對手,那么原因絕不是InoQ擁有量子物理學(xué)知識更扎實(shí)的工程師團(tuán)隊(duì)。事實(shí)上,Monroe表示將處理器擴(kuò)展至可運(yùn)行實(shí)際生產(chǎn)型應(yīng)用程序的挑戰(zhàn)時,問題的核心并不在于實(shí)現(xiàn)質(zhì)量更高的量子比特——現(xiàn)有原子的表現(xiàn)已經(jīng)非常完美;相反,他們要做的是對量子比特施以精度更高的光學(xué)控制。其中的關(guān)鍵在于減少激光噪聲與運(yùn)動干擾,這要求他們提供更出色的工程技術(shù)支持,而非發(fā)現(xiàn)新材料或者實(shí)現(xiàn)其它物理層面的突破。
IonQ公司目前運(yùn)行有三種設(shè)備。截至目前,他們最出色的系統(tǒng)能夠一次運(yùn)行10到20個量子比特,并成功完成數(shù)百次運(yùn)算。在基準(zhǔn)測試當(dāng)中,他們的平均單量子比特門保真度為99.5%,雙量子比特門保真度為97.5%,狀態(tài)準(zhǔn)備與測量結(jié)果間的誤差僅為0.7%。這意味著他們的方案與迄今為止的任何固態(tài)量子器件相比,都能夠達(dá)到相當(dāng)甚至更好的水平。Monroe表示,他們堅(jiān)信只需要改進(jìn)光學(xué)控制系統(tǒng),這些設(shè)備就能夠擴(kuò)展至數(shù)百量子比特并執(zhí)行數(shù)萬項(xiàng)運(yùn)算,且完全無需任何糾錯操作。
他承認(rèn),“從長遠(yuǎn)角度來看,這樣的能力可能還不夠好。但我們確實(shí)可以解決一些有趣的現(xiàn)實(shí)問題。”他們的長期目標(biāo)是構(gòu)建起能夠數(shù)百萬甚至是數(shù)十億次運(yùn)算的系統(tǒng),為此,Monroe表示他們還是得采用糾錯機(jī)制。但根據(jù)他的介紹,這些系統(tǒng)中每個可用量子比特可能只需要10或20個與之對應(yīng)的糾錯量子比特,這一數(shù)字要比使用固態(tài)量子器件進(jìn)行糾錯所需要的量子比特?cái)?shù)低幾個量級。
事實(shí)上,Monroe認(rèn)為對固態(tài)量子計(jì)算處理器的探索終將是死路一條。如果研究人員無法改善這些系統(tǒng)目前所普遍存在的,高達(dá)2%的誤差率,那么未來將需要過多的量子比特專門用于糾錯,這意味著只有極少量的量子比特可以被真正用于執(zhí)行邏輯運(yùn)算。這種方法中的矛盾在于,隨著各量子比特之間誤差與串?dāng)_效應(yīng)的增加,誤差率也將隨著量子比特的增加而趨于上升,這又反過來要求研究人員添加更多糾錯用量子比特。他表示,“這意味著擴(kuò)展嘗試將變得非常非常困難。”
但I(xiàn)onQ公司也絕非無可匹敵,至少在第三方可用性方面,他們還得盡快縮小差距。目前IBM與谷歌,甚至包括初創(chuàng)企業(yè)Rigetti公司,都已經(jīng)開始為研究人員乃至一部分潛在早期客戶提供量子樣機(jī)。IBM公司在這方面走得最遠(yuǎn),其商用Q Network已經(jīng)開始承接付費(fèi)客戶,并吸引到幾家全球知名企業(yè),例如摩根大通、三星以及??松梨诘?。
自從2016年成立至令,IonQ公司及其35名員工一直致力于構(gòu)建、測試并進(jìn)一步完善其初始系統(tǒng)。到目前為止,該公司的戰(zhàn)略始終是將全部資源投入到平臺的快速發(fā)展層面,以避免其對于技術(shù)的探索受到妨礙。Monroe表示,該公司此前籌集到的2000萬美元風(fēng)險投資,目前已經(jīng)花掉了三分之二甚至是四分之三,而這一切都被用在了技術(shù)開發(fā)當(dāng)中。
IonQ公司目前已經(jīng)與學(xué)術(shù)界保持一定的合作伙伴關(guān)系,允許部分科研人員臨時訪問他們的系統(tǒng)。但在Monroe看來,這還遠(yuǎn)遠(yuǎn)不夠,他意識到有必要讓自己的平臺更廣泛地接觸研究人員與商業(yè)組織,以確保這類用戶能夠根據(jù)技術(shù)特性有針對性地開發(fā)出實(shí)際用例。雖然目前還沒有發(fā)布任何官方消息,但這位CEO表示他們正在制定計(jì)劃,并暗示稱IonQ公司將在未來幾個月陸續(xù)宣布多項(xiàng)即將與財(cái)力雄厚的合作伙伴正式開展的合作項(xiàng)目。
Monroe最后總結(jié)稱,“人們正在迫不及待地敲門,他們希望早點(diǎn)體驗(yàn)到這些系統(tǒng)。”
好文章,需要你的鼓勵
浙江大學(xué)團(tuán)隊(duì)提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計(jì)算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團(tuán)隊(duì)提出SIRI方法,通過"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實(shí)驗(yàn)顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時,輸出長度減少46.9%,真正實(shí)現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊(duì)開發(fā)出Rolling Forcing技術(shù),實(shí)現(xiàn)AI視頻實(shí)時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點(diǎn)機(jī)制和高效訓(xùn)練算法三項(xiàng)創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團(tuán)隊(duì)發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個AI模型。實(shí)驗(yàn)結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績。這項(xiàng)研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。