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
多伦多大学研究团队提出Squeeze3D压缩框架,巧妙利用3D生成模型的隐含压缩能力,通过训练映射网络桥接编码器与生成器的潜在空间,实现了极致的3D数据压缩。该技术对纹理网格、点云和辐射场分别达到2187倍、55倍和619倍的压缩比,同时保持高视觉质量,且无需针对特定对象训练网络,为3D内容传输和存储提供了革命性解决方案。
浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法,通过整合不同类型的参数高效微调技术,解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法,同时大幅降低训练参数和计算成本,为大模型高效微调提供了新的技术路径。
耶鲁、哥大等四校联合研发的RKEFino1模型,通过在Fino1基础上注入XBRL、CDM、MOF三大监管框架知识,显著提升了AI在数字监管报告任务中的表现。该模型在知识问答准确率提升超过一倍,数学推理能力从56.87%提升至70.69%,并在新颖的数值实体识别任务中展现良好潜力,为金融AI合规应用开辟新路径。
加州大学圣巴巴拉分校研究团队开发出能够自我进化的AI智能体,通过《卡坦岛拓荒者》桌游测试,这些AI能在游戏过程中自主修改策略和代码。实验显示,具备自我进化能力的AI显著超越静态版本,其中Claude 3.7模型性能提升达95%。研究验证了AI从被动工具向主动伙伴转变的可能性,为复杂决策场景中的AI应用开辟新路径。