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
加利福尼亚大学和萨里大学研究团队开发了一种创新的AI系统,能够仅通过简单的手绘素描就在复杂照片中精确识别关键点。这项技术突破了传统机器学习需要大量同类数据的限制,实现了真正的跨模态学习。系统在动物关键点识别任务中达到了39%的准确率,超越现有方法约5个百分点,并且在真实手绘素描测试中表现稳定。该技术有望在生物学研究、医疗诊断、工业检测等多个领域找到广泛应用。
AI系统正变得越来越善于识别用户偏好和习惯,像贴心服务员一样定制回应以取悦、说服或保持用户注意力。然而这种看似无害的个性化调整正在悄然改变现实:每个人接收到的现实版本变得越来越独特化。这种认知漂移使人们逐渐偏离共同的知识基础,走向各自的现实世界。AI个性化不仅服务于我们的需求,更开始重塑这些需求,威胁社会凝聚力和稳定性。当真相本身开始适应观察者时,它变得脆弱且易变。
约翰霍普金斯大学发布DOTRESIZE技术,通过最优传输理论实现AI大模型智能压缩。该方法将相似神经元合并而非删除,在保持性能的同时显著降低计算成本。实验显示,压缩20%后模型仍保持98%性能,为AI技术普及和可持续发展提供新路径。