每个参与量子计算的人都会被问到一个问题:"这项技术何时能够实现商业化?"
在伦敦举办的首届量子数据中心联盟论坛上,谷歌量子计算标准工作组成员、IEC/ISO量子技术标准联合技术委员会美国代表团主席李奥斯汀向专家小组提出了这个问题。
尽管业界围绕逻辑量子比特和纠错技术产生了大量讨论,这些技术对于构建能够执行有用任务的量子计算机至关重要,但构建完全可用且可扩展的量子计算系统仍缺乏众多关键拼图。
专业硬件挑战
在论坛上发言的QuEra公司首席技术官亚历山大·基斯林讨论了激光器的局限性,这些激光器正在为完全不同的应用领域进行优化。他说:"你可以找到功率很高的激光器,但这些激光器没有任何相干性,"这使得它们不适合用于量子计算机。
基斯林认为,业界需要解决的另一个挑战是可扩展性。他说,现实中,量子比特数量翻倍的系统不应该需要两倍大小的机器,并补充说必须在量子比特数量增加时控制量子计算机所需的基础设施。
"如果我们只是在量子计算机旁边再建造一个系统,然后想办法连接它们,我会说这是可扩展的,但不是可伸缩的,"他说。
牛津量子电路公司产品开发副总裁欧文·阿诺德讨论了与稀释制冷机供应商合作面临的挑战。稀释制冷机是实现超导环境所必需的,某些量子计算机系统需要这种环境。他说:"这些设备非常令人印象深刻,但它们主要是为学术市场而建造的。"
根据阿诺德的经验,稀释制冷机制造商需要考虑如何将这种专业设备扩展到数据中心环境中运行。"如果你需要稀释制冷机,那么你就需要运行该制冷机的专业知识,"他补充说。
另一个考虑因素是量子计算机往往是为实验而构建的。"实验失败了,这在很大程度上是可以接受的。受影响的人数很少,"他说。
但当考虑到量子计算行业在数据中心部署此类机器的雄心时,这不再只是一个可以有限中断的实验。相反,需要99.999%的正常运行时间。阿诺德补充说:"我们希望为这些设备提供更好的诊断功能。我们希望控制维护周期,并确保有冗余电源。"
即使量子计算背后的科学能够发展到可以高度可靠地执行的程度,行业能够制造出数据中心就绪的量子计算系统,编程的便利性仍需要解决,以实现数据中心规模的采用。
编程便利性和混合复杂性
Quantinuum公司产品管理总监乔什·萨沃里在论坛上讨论了公司的2029年路线图,以及到那时需要克服的挑战才能交付商业化可行的产品。他认为需要围绕标准达成行业一致。
萨沃里表示,QIR(设计和实现必要编译器技术以加速量子编程语言设计进步的社区范围努力)和CQASM(为量子计算提供将量子电路表达为代码方式的编程语言)需要为应用程序开发人员提供统一的编程接口。
专家小组还讨论了量子计算机如何作为一种协处理器与经典高性能计算(HPC)并存。虽然这种方法可能是许多量子计算公司在数据中心部署其机器的发展方向,但这种架构极其复杂。
QuEra的基斯林说:"我们今天试图解决的问题类型如何通过量子计算机加速仍然未知。"
如果采用混合方法,诸如考虑可以发送到量子计算机的应用程序代码与最适合在HPC架构上运行的代码,以及在这些不同类别的计算资源之间进行协调等因素,都是行业需要回答的问题。
已经有大量关于量子计算的研究表明,至少从技术角度来看,行业的目标是可以实现的。但量子数据中心联盟论坛专家小组传达的信息是,在这些机器能够真正在商业数据中心设置中扩展之前,还需要做大量工作。
好文章,需要你的鼓励
Gartner预测,到2030年所有IT工作都将涉及AI技术的使用,这与目前81%的IT工作不使用AI形成鲜明对比。届时25%的IT工作将完全由机器人执行,75%由人类在AI辅助下完成。尽管AI将取代部分入门级IT职位,但Gartner认为不会出现大规模失业潮,目前仅1%的失业由AI造成。研究显示65%的公司在AI投资上亏损,而世界经济论坛预计AI到2030年创造的就业机会将比消除的多7800万个。
谷歌DeepMind团队开发的GraphCast是一个革命性的AI天气预测模型,能够在不到一分钟内完成10天全球天气预报,准确性超越传统方法90%的指标。该模型采用图神经网络技术,通过学习40年历史数据掌握天气变化规律,在极端天气预测方面表现卓越,能耗仅为传统方法的千分之一,为气象学领域带来了效率和精度的双重突破。
人工智能正从软件故事转向AI工厂基础,芯片、数据管道和网络协同工作形成数字化生产系统。这种新兴模式重新定义了性能衡量标准和跨行业价值创造方式。AI工厂将定制半导体、低延迟结构和大规模数据仪器整合为实时反馈循环,产生竞争优势。博通、英伟达和IBM正在引领这一转变,通过长期定制芯片合同和企业遥测技术,将传统体验转化为活跃的数字生态系统。
韩国成均馆大学研究团队开发了首个机器遗忘可视化评估系统Unlearning Comparator,解决了AI"选择性失忆"技术缺乏标准化评估的问题。系统通过直观界面帮助研究人员深入比较不同遗忘方法,并基于分析洞察开发出性能优异的引导遗忘新方法,为构建更负责任的AI系统提供重要工具支持。