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
TechCrunch Disrupt 2025 AI舞台将汇聚塑造科技未来的领军人物,顶尖风投将揭示在快速变化的AI领域获得融资的关键。来自Apptronik、ElevenLabs、Hugging Face、Runway等创新企业的领导者将分享前沿洞见,探讨AI如何重塑创意过程、改变物理世界、变革国防安全和重新定义人际关系。10月27-29日,五大主题舞台将在旧金山呈现科技创新的未来图景。
西班牙研究团队提出了一种创新的AI自我纠错方法SSC,让人工智能学会识别和修正规则中的漏洞。当AI发现自己在钻空子获得高分时,它会反思规则的合理性并主动改进。实验显示这种方法将AI的"钻空子"行为从50-70%降低到3%以下,同时提升了回答质量。这项技术有望让AI从被动执行指令转变为能够质疑和改进指令的智能协作伙伴。
英超联赛与微软达成五年战略合作伙伴关系,推出AI驱动的Premier League Companion服务,为全球球迷提供个性化体验。该服务利用Azure OpenAI技术,整合30多个赛季的统计数据、30万篇文章和9000个视频,帮助球迷发现和了解更多内容。未来还将为Fantasy Premier League引入个人助理经理功能,并通过Azure AI优化比赛直播体验和赛后分析。
这篇文章详细解析了Long、Shelhamer和Darrell在2015年CVPR会议上发表的开创性研究"全卷积网络用于语义分割"。文章以通俗易懂的方式,将这项复杂的技术比作艺术家的绘画过程,解释了如何让计算机不仅识别图像中有什么物体,还能精确标出每个物体的位置和边界。研究团队通过将传统分类网络改造为全卷积形式,并巧妙运用上采样和跳跃连接技术,实现了高效准确的像素级图像理解。这一突破为自动驾驶、医学影像和增强现实等领域带来了革命性变化,奠定了现代计算机视觉的重要基础。