D-Wave Systems公司正着手向COVID-19研究人员免费提供云量子计算服务——下面来看具体服务方案。
D-Wave Systems公司已经开始向COVID-19研究人员免费提供云量子计算服务时长。上周公布的这项提案将主要面向疫苗与疗法、流行病学研究、供应分配、医院后勤以及病患诊断等具体应用场景。
D-Wave公司位于加拿大不列颠哥伦比亚省本那比市,公司CEO Alan Baratz表示,“我们已经开始向企业、政府以及研究人员开放免费且无限制条件的使用服务,致力于解决与此次疫情流行相关的问题。我们也意识到,其中不少用户可能还没有量子计算机方面的经验。因此,我们与已经具备丰富系统经验的客户及合作伙伴取得联系,希望他们能够为这些新用户提供帮助与指导。”
D-Wave正在安排免费的量子计算咨询服务,包括为一线抗疫人员建立一整套关于科学计算、规划、管理以及操作的专业知识教程。
长期以来,量子计算一直停留在理论研究层面,直到近年来才开始被用于解决实际问题。D-Wave公司成立于1999年,号称是全球第一家商用量子计算机公司。他们的计算机方案主要采用超导电路(简称SQUID,又名超导量子干涉设备)构建而成,能够通过此类电路显示出可通过宏观视角观察到的量子特性。
D-Wave公司在2011年到2017年期间先后推出四套系统,规模从128量子比特到2048量子比特不等。根据该公司的公告,他们将在今年9月发布第五套系统,计划进一步将量子比特数量提升至5640,并于年底期间正式开售。
自2018年以来,D-Wave公司就开始通过其“Leap”量子云计算服务为用户提供对量子计算资源的远程访问方案。
Baratz解释道,目前Leap已经孕育出一个拥有1000多位开发者的生态系统,致力于将量子计算资源用于多个领域——包括蛋白质折叠、财务建模以及葡萄牙里斯本地区的公交线路优化等。
从今年2月起,D-Wave开始提供增强型量子计算云服务(Leap 2),借此将模拟量子比特(运行在传统计算机上)与D-Wave的真实量子比特进行耦合。
最早的Leap量子云只能支持最多包含100个变量的问题,而且这100个变量彼此之间必须保持稀疏关联。相比之下,Leap 2则最多支持10000个变量,且允许变量之间完全相互关联。
为了说明这种“稀疏关联”与“完全关联”之间的区别,Baratz还提出了一个示范性用例:假定某家航空公司的机队拥有100架飞机,分布在25处机场当中,并有500名机组人员负责为机内或地面的得意之作产提供服务。在这一场景下,要计算出飞机以及工作人员的最佳日程安排结果,必然涉及大量原始参数——包括飞机的实际限制(维护时间表、天气以及特定机场内的当前可用停机位)、机组人员情况(地勤)、飞机认证水平、工作以及休假时间表等等。这些约束条件将以变量的形式相互关联,并通过编程在D-Wave算法中得到全面处理。
Baratz指出,“变量的多少,一般取决于大家希望解决的实际问题,例如有多少架飞机、飞机上有多少个座位等。以此为基础,变量的约束条件就是指在进行赋值分配时,必须得到满足的相关参数。”
Masayuki Ohzeki是总部位于东京的Sigma-i公司的联合创始人。他们正利用D-Wave量子云开发出最佳海啸疏散路线,同时摸索如何提高自动机构运载车在工厂内运输物料时的执行效率。
现在,Ohzeki表示他的团队已经开始进行路线规划工作,希望以更优方式运送COVID-19患者往返各医疗机构。
与之前提到的航空公司示例一样,由于每位患者的交通状况因素都有所不同(包括患者自身病情,以及特定班次下的可用工作人员数量),因此问题往往非常复杂。
他指出,“从这个意义上讲,最重要的是关注交互并提出新的表述,而非硬性照搬教科书中提出的现有框架。Sigma-i公司热爱探索,希望找到更巧妙的量子退火机使用方式。”
Kristel Michielsen是德国Jülich超级计算中心的量子信息处理小组负责人,同时也是D-Wave程序员团队中的一员。他们目前正为COVID-19研究人员提供免费咨询服务。她解释道,“Jülich超级计算中心积极发布关于量子退火的专业知识,也将帮助研究人员选定合适的问题,并将问题内容「翻译」为可经量子退火解决的形式。”
在周二的一封后续电子邮件中,Baratz收集了新冠病毒研究人员在使用D-Wave一周之后提交的报告,其中反映出相关团队在使用量子计算资源方面的不少显著特征。
Baratz总结道,“我们看到,各研究团队主要利用量子计算服务处理以下几大类问题:1)病毒传播的建模与仿真;2)护士及其他医院资源的调度;3)评估病毒的突变率;4)评估现有药物作为潜在治疗方法的可能性。我们已经听到来自世界各地的组织及开发人员给出的积极反馈,也期待着他们能够与我们的全球合作伙伴携手并进,共同找到针对COVID-19疫情的潜在解决方案。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。