Cisco 近日公布了为迎接量子计算时代做网络准备的计划。在其位于圣塔莫尼卡的新开的量子实验室正式启用之际,该公司宣布已与加州大学 (UC) 圣塔芭芭拉分校联合研发出一款量子网络纠缠芯片原型。
据 Cisco 介绍,该芯片能够生成一对对纠缠的光子,通过量子瞬移实现跨距离的量子态传输。爱因斯坦曾称这种现象为 "超距作用"。
与 Cisco 合作研发该芯片原型的加州大学 (UC) 圣塔芭芭拉分校电子与计算机工程副教授 Galan Moody 表示:"集成光子技术能够将多种光源集成到单一芯片上,并通过将这些光源与光纤和电子控制相结合,一个设备便可为诸多用户的量子网络提升纠缠速率。"
该芯片是 Cisco 构建面向量子计算时代数据中心架构方案的核心组件。在一篇讨论数据中心中量子计算挑战的博客文章中,Cisco 的量子计算负责人 Reza Nejabati 和研究主管 Ramana Kompella 写道:"量子数据中心网络结构面临的挑战与经典网络截然不同。量子数据中心必须保持脆弱的量子态,分发纠缠资源,促进处理器之间的瞬移,并以亚纳秒级精度同步操作。"
Cisco 的量子数据中心架构包含三层。第一层为专用量子硬件所构成的物理层;第二层为分发量子资源的纠缠管理层;最后一层是将算法在联网处理器之间分配的计算层。Nejabati 和 Kompella 指出,这个架构使得多个较小的量子处理器能够协同合作,形成统一系统,可能大幅缩短实用量子应用实现的时间。
除了纠缠芯片之外,Cisco Outshift 部门高级副总裁 Vijoy Pandey 表示:"我们正在构建将量子处理器大规模连接起来的基础设施,这将实现分布式量子计算、量子传感以及可改变诸如药物研发、材料科学和复杂物流问题等关键应用的优化算法。而我们的量子网络纠缠芯片正是这一愿景的基石。"
Vijoy Pandey, Cisco 表示:"我们量子网络方案的强大之处,在于我们同时注重软件和硬件的开发。"
Pandey 表示,Cisco 正在推进其他关键组件的研究原型开发,其中包括纠缠分发协议、分布式量子计算编译器、量子网络开发工具包 (QNDK) 以及利用量子真空噪声生成的量子随机数生成器 (QRNG)。
他表示:"我们量子网络方案的强大之处,在于我们同时注重软件与硬件的开发。通过自主研发网络硬件组件——例如这款芯片与完整的软件平台相结合,我们获得了对这些元素如何协同构建完整量子网络基础设施的独到见解。"
尽管一些公司只专注于某一种量子计算技术,Cisco 表示其做法对量子技术持中立态度,这意味着它适用于任何量子计算技术。Pandey 补充道:"我们不必去选定赢家,因为我们正在构建一种网络结构,能够帮助所有量子技术实现规模化。"
该公司承诺在进一步完善量子网络技术栈的过程中,将会公布更多关于量子数据中心基础设施的发展路线图。Cisco 还在其产品系列中实施了后量子密码学 (PQC) NIST 标准,Pandey 表示,此举将确保在后量子时代经典网络依然安全。
好文章,需要你的鼓励
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。