英特尔在《自然》杂志上发表的研究展示了单电子控制下高保真度和均匀性的量子比特。
英特尔在《自然》杂志发表题为《检测300毫米自旋量子比特晶圆上的单电子器件》的研究论文,展示了领先的自旋量子比特均匀性、保真度和测量数据。这项研究为硅基量子处理器的量产和持续扩展(构建容错量子计算机的必要条件)奠定了基础。
英特尔打造的300毫米自旋量子比特晶圆
英特尔的量子硬件研究人员开发了一种300毫米低温检测工艺,使用互补金属氧化物半导体(CMOS)制造技术,在整个晶圆上收集有关自旋量子比特器件性能的大量数据。
量子比特器件良率的提升,加上高通量的测试工艺,让英特尔的研究人员能够根据更多的数据分析均匀性,这是扩展量子计算机的重要一步。研究人员还发现,这些晶圆上的单电子器件在作为自旋量子比特运行时表现良好,门保真度达到了99.9%。就完全基于CMOS工艺制造的量子比特而言,这一保真度设立了业界领先水平。
自旋量子比特的尺寸较小,直径约为100纳米,因此密度高于其它类型的量子比特(如超导量子比特),从而能够在相同尺寸的芯片上构建更复杂的量子处理器。英特尔使用了极紫外光刻(EUV)技术实现小尺寸自旋量子比特芯片的大批量制造。
用数百万个均匀的量子比特实现容错量子计算机,需要高度可靠的制造工艺。凭借在晶体管制造领域丰富的专业积累,英特尔走在行业前沿,利用先进的300毫米CMOS制造技术打造硅自旋量子比特。300毫米CMOS制造技术通常能够在单个芯片上集成数十亿个晶体管。
在这些研究成果的基础上,英特尔希望继续取得进展,使用这些技术添加更多互连层,以制造具有更高量子比特数和更多连接的2D阵列,并在工业制造流程中实现高保真的双量子比特门(2-qubit gates)。在量子计算领域,英特尔未来的工作重点是通过下一代量子芯片继续扩展量子器件和实现性能提升。
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。
上海交通大学研究团队发布了突破性的科学推理数据集MegaScience,包含125万高质量实例,首次从12000本大学教科书中大规模提取科学推理训练数据。该数据集显著提升了AI模型在物理、化学、生物等七个学科的推理能力,训练的模型在多项基准测试中超越官方版本,且具有更高的训练效率。研究团队完全开源了数据集、处理流程和评估系统。
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。
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。