IBM今天宣布大型量子计算机开发工作取得新的里程碑进展,27量子位Falcon芯片的量子数量增加了一倍。
量子数量是衡量量子计算机性能的一项标准。Falcon芯片的量子数量为64,是IBM上一代系统的2倍。迄今为止,除了IBM之外只有一家公司的系统达到了64:霍尼韦尔的6量子位“离子阱”平台。
IBM设定的目标是至少将硬件平台的量子数量增加一倍,并在2018年和2019年成功实现了这一目标。再加上今天的公告,IBM现在可以声称自己已经连续第三年保持这种增长势头了。
IBM今年早些时候宣布对三款27量子位Falcon芯片其中一款进行升级,实现了最新的性能提升。该处理器也是IBM近年来部署的28个量子处理器中最新开发的一款处理器,是IBM正在并行研究的多个芯片设计之一。
IBM表示,通过“硬件感知”优化实现了量子数量的增加,让Falcon芯片释放更高的性能。这些优化包括对Qiskit的软件改进,Qiskit是IBM运行在量子系统上的代码编译器。此外,IBM的研究人员还开发了一种减少量子比特噪声或干扰(是导致信息丢失和量子计算速度放缓的错误来源)的技术。
此次公告最值得注意的细节之一是,IBM的优化技术可以应用于其他芯片,例如未来推出比27量子位Falcon更大的处理器中,这项技术就有助于更高性能的提升。
IBM的下一代系统已经就绪了,IBM量子计算副总裁Jay Gambetta表示,他所带领的团队正在开发一种新的、“大幅”改进的53量子位Hummingbird处理器,IBM曾在今年年初公布了一些关于该处理器的详细信息。
Gambetta在声明中补充说:“IBM所采用的全栈方法,为开发硬件感知的应用、算法和电路提供了一条创新途径。”
即使IBM等厂商近年来取得了量子技术上的进步,但大规模量子计算要变成现实,还有很长的一段路要走。作为此次IBM新增优化的重点之一,量子位噪声仍然量子计算技术发展的主要障碍。研究人员还试图解决其他挑战,例如减少量子芯片传输数据所需的网络线缆数据等等。
尽管如此,科学家们已经开始研究如何将量子计算应用于现实中的方法了,其中IBM量子芯片发挥了重要作用。IBM已经通过云服务的形式让研究人员可以使用该芯片,而且该服务在全球范围内拥有超过25万注册用户。
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。