量子计算公司D-Wave Systems今天透露,已经将第一台下一代5000量子位量子计算机出售给了洛斯阿拉莫斯国家实验室。
据D-Wave称,这套名为Advantage的新系统让企业组织相比没有使用量子计算机的竞争对手具备更大优势。
对于刚起步的人来说,量子计算是一种全新的、功能强大的计算机体系结构。虽然目前量子计算机仍处于发展早期,但它有解决极其复杂难题的潜力,并且这些难题是当前计算机无法解决的或者需要花费数年才能解决的。
与传统计算机相比,量子计算机的主要不同之处在于它可以同时处于多种状态。传统计算机采用二进制或者“位(bit)”,用0或者1来表示。而量子计算采用可以“叠加”的“ 量子位(qubit)”,可以表示为1、0或者两者兼有的状态。
另外,qubit可以使用一种称为“超密集编码”的方法,可同时保留两个bit。因此,一个qubit中包含两个叠加的bit,意味着处理数据量是普通计算机的4倍。Qubit还可以必须相互关联,从而使每个qubit都知道其他qubit的状态,这意味着随着qubit呈指数增长量子计算机也会变得越来越强大。
但是量子计算机的类型是不尽相同的。D-Wave的竞争对手包括IBM、Google和Rigetti Computing,这些厂商专注于打造可以解决任何类型问题的通用型量子计算机。但是对D-Wave来说,主要依赖于一种名为“量子退火”的方法,该方法最适合解决诸如物流这样的优化问题。但是,量子计算不能用于破解现代加密方面的难题。
尽管如此,洛斯阿拉莫斯国家实验室似乎仍然认为D-Wave的量子退火计算机足以满足其自身的特定需求。该实验室已经针对D-Wave上一代2000量子位系统开发了60多个应用,做好了采用功能更强大的Advantage的准备。
洛斯阿拉莫斯国家实验室仿真和计算实验室副主任Irene Qualters在一份声明中说:“这是我们第三次升级D-Wave系统。每次升级都让我们新的研究项目可以使用量子算法和新工具,以实现洛斯阿拉莫斯担负的国家安全使命。量子计算是我们研究的关键领域,我们的研究人员对使用D-Wave的Advantage量子系统而感到兴奋。”
Advantage系统让该实验室可以使用新的量子处理器,该处理器不仅有更多的量子位,而且“噪音更少”。量子位本身也是也更智能的方式互连的,从而带来了更高的性能。
D-Wave首席产品官Alan Baratz表示:“我们借助Advantage量子系统正在构建有史以来第一台实现商业利益的量子计算机。我们双方在量子平台上的投资将使客户能够更大规模地解决更复杂的问题,并使新兴的量子和混合应用充满活力。”
Constellation Research分析师Holger Mueller表示,量子计算机最重要的是能够解决复杂问题的能力,因为如今企业对量子计算的实际业务用例更感兴趣,而不是量子位的数量。
Mueller说:“对于企业高管而言,是时候关注一下厂商们是如何让构建和操作下一代应用变得更简单了。现在进行优化很重要,因为量子计算的颠覆潜力已经超过数字化转型的潜力,而且颠覆速度也更快。”
D-Wave表示,Advantage系统将于2020年中期投入使用。
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。