IBM公司在今日举行的年度量子开发者大会上发布了两款新型量子处理器,旨在于明年提供可扩展的量子计算能力,并在2029年实现容错量子计算。
量子Nighthawk处理器突破性能极限
公司发布的量子Nighthawk是一款120量子比特处理器,配备218个新一代可调耦合器,在前代Heron处理器基础上增加了20%的耦合器数量。据公司介绍,量子比特间连接性的增强使用户能够执行复杂度提升30%的电路,同时保持较低的错误率。
量子比特是量子计算机中逻辑信息的基本单元,类似于经典计算机的比特。与只能表示0或1的经典比特不同,量子比特可以同时处于0、1或两者的"叠加态"。利用这一特性,IBM的Nighthawk等量子处理器能够执行复杂的并行计算。
可调耦合器进一步扩展了这种能力,允许量子比特对相互作用,从而实现量子纠缠。量子纠缠的价值在于单次计算操作可以同时影响多个量子比特的量子态,使量子计算机能够同时探索多种潜在解决方案。
IBM表示,Nighthawk的架构将使程序员能够探索需要多达5000个双量子比特门的复杂问题。公司预期该处理器的未来版本将在2026年底提供7500个门,2028年达到15000个门。
通过这款新芯片,IBM正致力于实现"量子优势"的路径,即量子计算机证明其能够执行传统强大计算机无法完成或不实用的特定计算。目标是证明量子计算机能够超越在小众问题上的理论优势,开始比任何传统计算机更快地解决有用的现实世界问题。
IBM的目标是在2026年底前确认首批经过更广泛社区验证的量子优势案例。为支持这一目标,IBM创建了一个公共追踪器,用于监测和验证量子计算机在经典难题上的新兴演示。IBM、Algorithmiq公司、BlueQubit公司和Flatiron研究所正在为该追踪器做出贡献。
Algorithmiq首席执行官兼联合创始人Sabrina Maniscalco表示:"我们设计的模型探索的复杂性程度对目前测试的所有最先进经典方法都构成挑战。这只是第一步——量子优势的验证需要时间,追踪器将让每个人都能跟踪这一进程。"
实现容错量子计算的突破
公司还发布了量子Loon,这是一款实验性处理器,展示了实现极低错误率和高效错误恢复所需的全部组件。
尽管量子计算机功能强大,能够高速解决复杂问题,但量子比特本身极其脆弱,会受到环境中最微小波动的干扰。
IBM表示,Loon验证了一种新架构,能够实现实用的高效量子错误纠正。这一功能使量子计算机能够高速运行,同时处理由磁场、热量或其他随机波动引起的不可避免的错误。
一项突破性功能是整合了多个高质量低损耗路由层,允许超越最近邻的量子纠缠,并在同一芯片上物理连接距离较远的量子比特。公司还展示了在计算间重置量子比特的技术。
结合IBM设计的用于实时准确解码错误的经典计算机硬件(耗时少于480纳秒),Loon为高速扩展量子容错性提供了必要基础。
为支持即将推出的量子计算机规模,IBM宣布将在纽约奥尔巴尼纳米技术综合体的先进300毫米芯片制造设施进行晶圆的主要制造。
Loon和Nighthawk代表了IBM在2029年前交付大规模容错量子计算机平台路线图上的重要里程碑。
Q&A
Q1:量子Nighthawk处理器有什么特殊能力?
A:量子Nighthawk是IBM发布的120量子比特处理器,配备218个新一代可调耦合器,比前代增加20%的耦合器数量。它能让用户执行复杂度提升30%的电路,同时保持低错误率,使程序员能够探索需要多达5000个双量子比特门的复杂问题。
Q2:什么是量子优势,IBM何时能实现?
A:量子优势是指量子计算机能够执行传统强大计算机无法完成或不实用的特定计算,超越理论优势开始解决现实问题。IBM目标是在2026年底前确认首批经过验证的量子优势案例,并创建了公共追踪器来监测进展。
Q3:量子Loon处理器解决了什么关键问题?
A:量子Loon是实验性处理器,专门解决量子比特极其脆弱、易受环境干扰的问题。它验证了新架构,能实现实用的高效量子错误纠正,整合多个高质量低损耗路由层,结合实时错误解码硬件,为高速扩展量子容错性提供基础。
好文章,需要你的鼓励
IBM在量子开发者大会上发布两款新型量子处理器。Quantum Nighthawk配备120个量子比特和218个新一代可调耦合器,比前代产品增加20%耦合器,可执行复杂度提升30%的电路。Quantum Loon是实验性处理器,展示了实现极低错误率和高效错误恢复的所有组件。IBM计划2026年底确认首批量子优势案例,并于2029年交付大规模容错量子计算平台。
斯坦福大学等机构联合开发的CIFT系统首次解决了机器人"近视眼"问题,通过精确控制真实数据和合成数据的混合比例,让机器人在陌生环境中的表现提升54%以上。该系统包含多视角视频增强引擎MVAug和数据组合优化策略,能够预测数据失效的"去相干点",确保机器人学习真正重要的任务特征而非环境表象,为实用化通用机器人奠定了重要基础。
VDURA数据平台第12版本通过扩展元数据计算、添加系统级快照功能和支持叠瓦磁记录硬盘来降低每TB成本。新版本引入弹性元数据引擎,可动态扩展元数据节点,将元数据操作性能提升最多20倍。快照功能支持即时的节省空间的数据集时点副本。SMR硬盘支持通过智能写入放置引擎,在不影响吞吐量的情况下每机架增加25-30%容量。
香港中文大学研究团队开发的Search-R3系统成功解决了大语言模型推理与搜索分离的问题,通过两阶段训练让AI在深度思考过程中直接生成搜索向量。该系统在多个领域测试中显著超越现有方法,特别是启用推理后性能提升明显,为AI系统设计提供了推理与搜索统一的新范式,展现了从专门化向通用化发展的重要方向。