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
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。