尽管退出计算机市场已经有30多年的时间了,霍尼韦尔(Honeywell International)却凭借全新的量子计算系统重新参与竞争。据称,该系统很快将成为全球速度最快的量子计算系统。
霍尼韦尔是航空航天等行业工业设备提供商,曾与IBM在大型机业务上有竞争关系。霍尼韦尔承诺,这次推出的量子计算机将让当前最强量子计算机的性能提高一倍。
量子计算机有很多种类,因此很难逐对个体进行性能对比。为了解决这个问题,IBM制定了一种名为“量子体积”的度量标准,以提供标准化的处理速度测量方法。霍尼韦尔表示,该系统在3个月内的量子体积为64,而IBM目前速度最快的量子计算是32。
霍尼韦尔的这个量子计算机是基于所谓离子捕获设计的。在捕获离子量子计算机中,量子位是悬浮在真空中的带电原子粒子,并通过用激光操纵这些粒子以进行计算。
霍尼韦尔使用镱原子作为量子位,这些原子悬浮在内部制造的离子陷阱中,大小和足球差不多。
霍尼韦尔量子计算团队成员在今天发布的一份研究报告中详细介绍道:“我们在霍尼韦尔位于蒙大拿州普利茅斯的微制造生产工厂设计并制造了带有分段式陷阱电极的二维表面陷阱。这种陷阱设计用于低温环境,是使用金电极制造的。”
霍尼韦尔表示,这种陷阱离子的方法让该系统的量子位比IBM和谷歌的系统量子位更耐用。也就是说,他们执行计算的停机时间更短,整体处理速度有所提高。此外,这种量子位的交互方式可以让量子算法运行速度更快。
但最重要的是,这种离子捕获设计具有高度可扩展性。霍尼韦尔大胆宣称,该系统的量子体积将在未来5年以每年10倍的速度增长,到2025年性能将提升100,000倍。
Moor Insights&Strategy分析师Patrick Moorhead表示:“我对霍尼韦尔公布的消息感到惊讶,但是我看过了霍尼韦尔是如何处理捕获离子量子时,这可以说是霍尼韦尔50年来一直擅长的核心技术。在我看来,霍尼韦尔将量子时间轴从十年末期重置为十年中期,甚至可能更早。当然,如果路线图能够实现,那么按路线图逐年增加的数量级将让所有人刮目相看。霍尼韦尔很有经验,我个人看到的霍尼韦尔量子计划让我信心倍增。”
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。