公司同时宣布对两家领先的量子计算软件提供商进行战略投资,与摩根大通在量子计算的金融行业应用方面进行战略合作
2020年3月3日,美国北卡罗来纳州夏洛特—霍尼韦尔(纽交所代码:HON)今日宣布在量子计算领域取得突破,将提升量子计算机的性能,公司将在未来三个月内发布全球最强大的量子计算机。
霍尼韦尔还宣布对两家领先的量子计算软件提供商进行战略投资,并将与摩根大通共同开发量子算法。这体现了量子计算领域取得重大的技术和商业进展,将改变量子计算行业的发展动态。
在未来三个月内,霍尼韦尔将把全球量子体积(Quantum Volume)最强大的量子计算机推向市场。量子体积是用于度量量子计算机性能的指标,而不是仅仅以量子比特(Quantum Bit)数量作为度量标准。量子体积更准确全面地度量了量子计算机的能力,包括度量可解决问题的复杂程度等。霍尼韦尔即将发布的量子计算机,其量子体积将至少达到64,是业界未来第二排名的两倍。
在一篇科学论文里,霍尼韦尔展示了量子电荷耦合器(QCCD)架构,这是提升量子计算机性能的一项重大技术突破。这篇论文目前可以在霍尼韦尔网站上获取,并将在今天晚些时候发布到在线数据库平台arXiv上。霍尼韦尔还宣布,未来五年,量子计算机的量子体积每年将提高一个数量级。
这一在量子体积上的突破源于霍尼韦尔量子计算解决方案拥有高质量、全连接以及低错误率的量子比特。
“构建能够解决更深度、更复杂问题的量子计算机不仅仅是增加量子比特数量的事情,”Moor Insights&Strategy量子计算分析师Paul Smith-Goodson说。“量子体积是一个强大的工具,应该被其他基于量子比特门的量子计算机公司采用作为过渡的衡量基准。”
霍尼韦尔董事长兼首席执行官杜瑞哲表示:“企业应该现在开始确定他们的策略,以利用或缓解由新量子计算技术可能带来的许多业务变化。”
“量子计算将使我们能够应对复杂的科学和商业挑战,推动计算能力、运营成本和速度的逐步改进,”杜瑞哲说。“材料公司将探索新的分子结构。交通运输公司将优化物流。金融机构将需要更快、更精确的软件应用程序。制药公司将加快新药的研发。霍尼韦尔正在努力推动量子计算领域的发展,并为我们的客户创造机会,以从这项强大的新技术中受益。”
为了加速量子计算的开发和拓展客户的实际运用,霍尼韦尔创投投资了两家量子软件和算法领导者——剑桥量子计算公司(CQC)和Zapata Computing公司。CQC和Zapata补充了霍尼韦尔自身的量子计算能力,他们带来了大量跨行业的算法和软件能力。CQC在量子软件领域实力强劲,尤其是在化学、机器学习和增强网络安全领域拥有量子开发平台和企业级应用。Zapata创建了企业级、量子赋能的软件,可以针对大量行业和用户,允许用户建立量子工作流,并在一系列量子和经典设备上自由执行。
霍尼韦尔同时宣布,公司将和全球知名金融公司摩根大通合作,运用霍尼韦尔计算机开发量子算法。
“霍尼韦尔独特的量子计算机,以及所建立的生态系统,可以帮助我们解决金融服务行业主要的以及不断上升的商业挑战,”摩根大通董事总经理兼应用研究和工程未来实验室负责人Marco Pistoia博士说。
2018年年底,霍尼韦尔宣布了量子计算能力。事实上,在宣布之前的10年内,公司一直在打造量子计算机的技术基础。2019年年底,霍尼韦尔宣布和微软合作,通过微软的Azure量子服务,为霍尼韦尔量子计算机提供云接入服务。
霍尼韦尔量子计算机采用离子阱技术,利用大量单个带电原子(离子)保存量子信息。霍尼韦尔系统利用电磁场来囚禁每一个离子,并对被囚禁的离子采用激光脉冲加以操作和编码。
相比其它不直接使用原子的量子比特技术,霍尼韦尔的离子阱技术可以一致地生成量子比特,其误差亦得到充分地分析阐述。这些高性能操作需要跨众多学科的雄厚积累,涵盖原子物理、光学、低温学、激光、磁学、超高真空和精密控制系统。霍尼韦尔在这些科技领域拥有数十年的专业积累。
目前,霍尼韦尔拥有100多名的跨学科科学家、工程师和软件开发者,专门致力于推进量子体积,并解决跨行业的实际企业问题。
好文章,需要你的鼓励
CIO们正面临众多复杂挑战,其多样性值得关注。除了企业安全和成本控制等传统问题,人工智能快速发展和地缘政治环境正在颠覆常规业务模式。主要挑战包括:AI技术快速演进、IT部门AI应用、AI网络攻击威胁、AIOps智能运维、快速实现价值、地缘政治影响、成本控制、人才短缺、安全风险管理以及未来准备等十个方面。
北航团队发布AnimaX技术,能够根据文字描述让静态3D模型自动生成动画。该系统支持人形角色、动物、家具等各类模型,仅需6分钟即可完成高质量动画生成,效率远超传统方法。通过多视角视频-姿态联合扩散模型,AnimaX有效结合了视频AI的运动理解能力与骨骼动画的精确控制,在16万动画序列数据集上训练后展现出卓越性能。
过去两年间,许多组织启动了大量AI概念验证项目,但失败率高且投资回报率令人失望。如今出现新趋势,组织开始重新评估AI实验的撒网策略。IT观察者发现,许多组织正在减少AI概念验证项目数量,IT领导转向商业AI工具,专注于有限的战略性目标用例。专家表示,组织正从大规模实验转向更专注、结果导向的AI部署,优先考虑能深度融入运营工作流程并产生可衡量结果的少数用例。
这项研究解决了AI图片描述中的两大难题:描述不平衡和内容虚构。通过创新的"侦探式追问"方法,让AI能生成更详细准确的图片描述,显著提升了多个AI系统的性能表现,为无障碍技术、教育、电商等领域带来实用价值。