2020年2月18日——英特尔研究院联合QuTech(由荷兰代尔夫特理工大学与荷兰国家应用科学院联合创立),在旧金山举办的2020年国际固态电路会议(ISSCC)上发布了一份研究报告,概述了其全新低温量子控制芯片Horse Ridge的关键技术特点。该报告揭示了Horse Ridge的关键技术能力,这些能力为强大量子系统的构建解决了一系列重大挑战,使该系统能够体现量子实用性:可扩展性、灵活性和保真度。
英特尔研究院首席工程师Stefano Pellerano手持Horse Ridge芯片。新款的低温控制芯片将加快全堆栈量子计算系统的发展,在商业上可行的量子计算机发展进程中,这是一个重要里程碑。(图片来源:Walden Kirsch/英特尔公司)
英特尔研究院量子硬件总监Jim Clarke表示:“如今,量子研究人员只用到少量的量子位,他们使用的是规模较小、定制化的系统,有着复杂的控制和互连机制。英特尔的Horse Ridge大大降低了这种复杂性。为了实现量子实用性需要数千个量子位,而通过系统性地将规模扩展至数千个量子位,我们正继续稳步推进,让商业上可行的量子计算在未来成为现实。”
落实量子实用性是一场漫长的马拉松,而量子研究界目前才刚刚跑完这场马拉松的头一公里。要想将量子计算应用于实际问题,就必须能扩展到数千个量子位,同时还要控制这些量子位,并保证高保真度。Horse Ridge使用高度集成的片上系统(SoC)来加快设置速度,极大地简化了当前运行量子系统所需的复杂控制电子设备,并改进了量子位性能,同时还使系统能够高效扩展到量子计算所需的更多量子位,以便解决实际存在的现实应用问题。
研究报告中包括的关键技术细节:
可扩展性:采用英特尔22nm FFL(FinFET低功耗)CMOS技术部署的集成式SoC设计,将4个射频(RF)频道集成到一个设备之中。利用“频率复用”技术,每一个频道可以控制多达32个量子位。该技术将多路基带信号调制到一系列不重叠的频带上,每个频带用来传送单独的信号。
利用这4个频道,Horse Ridge可望通过单个设备控制多达128个量子位,与以往相比能显著减少所需的电缆和机架仪表数量。
保真度:量子位数量的增加会其他问题,对量子系统容量和运行提出挑战。这方面的潜在影响之一就是量子位保真度和性能的下降。在开发Horse Ridge的过程中,英特尔优化了频率复用技术,该技术可以支持系统扩展,并减少“相移”错误。相移是指在不同频率控制多个量子位时出现的一种现象,会导致量子位之间的串扰。
Horse Ridge使用的多个频率可以高精度“调谐”,使量子系统在用同一射频线路控制多个量子位时,能够适应并自动校正相移,提高量子门保真度。
灵活性:Horse Ridge可以覆盖很宽的频率范围,能够控制超导量子位(称为传输子)和自旋量子位。传输子的频率通常在6千兆赫(GHz)至7千兆赫左右,而自旋量子位频率则为13千兆赫至20千兆赫左右。
英特尔正在研究硅自旋量子位,这种量子位有可能在高达1开尔文的温度下工作。有了这项研究奠定的基础,英特尔有望成功集成硅自旋量子位器件和Horse Ridge的低温控制器,从而创建一种解决方案,将量子位和控制器件集成到一个精简封装中。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。