今天,英特尔发布包含12个硅自旋量子比特(silicon spin qubit)的全新量子芯片Tunnel Falls,继续探索量子实用性,以解决重大难题。Tunnel Falls是英特尔迄今为止研发的最先进的硅自旋量子比特芯片,利用了英特尔数十年来积累的晶体管设计和制造能力。
在英特尔的晶圆厂里,Tunnel Falls是在300毫米的硅晶圆上生产的,利用了英特尔领先的晶体管工业化制造能力,如极紫外光刻技术(EUV),以及栅极和接触层加工技术。在硅自旋量子比特中,信息(0/1)被编码在单个电子的自旋(上/下)中。硅自旋量子比特本质上是一个单电子晶体管,因此英特尔能够采用与标准CMOS(互补金属氧化物半导体)逻辑生产线类似的流程制造它。
英特尔认为,硅自旋量子比特比其他量子比特技术更有优势,因其可以利用先进晶体管类似的生产技术。硅自旋量子比特的大小与一个晶体管相似,约为50 x 50纳米,比其它类型的量子比特小100万倍,并有望更快实现量产。《自然·电子学》期刊上的一篇论文表示,“硅可能是最有机会实现大规模量子计算的平台”。
同时,利用先进的CMOS生产线,英特尔可以通过其创新的制程控制技术提高良率和性能。Tunnel Falls的良率达到了95%,实现了与CMOS逻辑制程接近的电压均匀性(voltage uniformity)。此外,英特尔可在每块晶圆上实现超过24000个量子点。Tunnel Falls能够形成可被相互隔离或同时操控的4到12个量子比特。
接下来,英特尔将继续致力于提高Tunnel Falls的性能,并将其和英特尔量子软件开发工具包(SDK)整合在一起,集成到英特尔的量子计算堆栈中。此外,基于制造Tunnel Falls的经验,英特尔已经开始研发下一代量子芯片,预计将于2024年推出。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。