在Alphabet的研究人员致力于实现量子霸权的时候,位于俄勒冈州希尔斯伯勒(Ronler Acres)的英特尔实验室的员工们,在过去五年中一直在追求重要目标:“量子实用性”。
英特尔今天透露了Ronler Acres实验室的工作成果:一个由英特尔与两个荷兰研究机构合作开发的、用于控制量子计算机的超低温片上系统,该系统被命名为Horse Ridge,源于俄勒冈州一条颇受欢迎、因为寒冷而著称的山地自行车道。
现有的量子计算机是非常脆弱的,必须置于凉爽、密闭的环境中才能正常运转,而且通常是以接近绝对零度的低温冰箱的形式来营造这种隔热的环境。量子硬件本身通过复杂的电线网和传统的计算仪器连接到外部世界,让研究人员得以操纵内部的量子位。
在英特尔看来,所有这些都阻碍和量子计算机的商业可行性。典型的量子计算机有数百条电缆线,如果构建规模更大、性能更高的量子计算机,电缆线数量还会更多。如果当前只有几十个量子位的量子机器需要数百根电缆线才能与外界交互,那么明天有数千甚至数百万个量子位的生产级量子计算机所需的支持硬件是无法想象的。
这正是Ronler Acres实验室致力于解决的难题。英特尔表示,这种芯片的尺寸大约相当于茶杯碟,可以执行的任务数量与那些数百条电缆的传统量子计算机控制系统是相同的。该芯片置于低温冰箱内,量子硬件在其中运行,通过与编程指令对应的电磁微波脉冲无线操作量子位。
英特尔称,该芯片是实现大规模量子计算的一个重要里程碑。英特尔量子硬件总监Jim Clarke在博客中写道:“如果我们能够有效解决量子系统的控制和互连挑战,那么很快就会实现量子实用性。”但是他强调说,在量子技术准备好迎来黄金时代之前,科研界还需要有“更多令人激动的里程碑要实现”。
好文章,需要你的鼓励
Snap 推出 Lens Studio 的 iOS 应用和网页工具,让所有技能层次的用户都能通过文字提示和简单编辑,轻松创建 AR 镜头,包括生成 AI 效果和集成 Bitmoji,从而普及 AR 创作,并持续为专业应用提供支持。
SEALQA是维吉尼亚理工大学研究团队开发的新型基准测试,旨在评估搜索增强型语言模型在面对矛盾、嘈杂或无用搜索结果时的推理能力。它包含三种测试:SEAL-0(极具挑战性的核心问题集)、SEAL-HARD(更广泛的困难问题集)和LONGSEAL(测试长上下文多文档推理)。研究发现,即使是前沿模型在这些测试中表现也很差,增加测试时计算资源往往不能带来可靠的性能提升,高级推理模型对嘈杂搜索结果特别敏感,模型在识别大量干扰文档中的相关信息时仍然困难重重。
这篇论文提出了"计划与预算"框架,解决大型语言模型在推理任务中的效率问题。研究者发现模型存在"推理失调"现象——简单问题上过度思考,复杂问题上思考不足。他们开发了贝叶斯预算分配模型(BBAM)作为理论基础,将推理分解为子问题并根据不确定性分配计算资源。实验表明,该方法在不同任务上显著提高推理效率,令牌使用减少39%,E?指标提升187.5%,且能使小型模型达到大型模型的效率水平。