英特尔旗下两个主要研究机构英特尔实验室(Intel Labs)和基础材料研究所(Components Research)近日宣布,他们在大规模生产量子计算处理器方面取得了重大进展。
在魁北克奥福德举行的2022年硅量子电子研讨会上,英特尔研究人员表示,英特尔的晶体管研发中心制造“硅自旋量子比特设备”时,已经能够展示出最高水平的产量和均匀率,这被认为是英特尔的一个重要里程碑,因为英特尔正在朝着能够在现有晶体管制造工艺上制造量子计算芯片的方向发展。
在这场打造量子计算机的竞赛中,英特尔是关键参与者之一。量子计算机是一种更先进的机器,可以将数据编码为“量子比特”,而不是传统计算机中使用的比特。量子比特的优势在于它并不局限于状态1或者是0,可以同时作为两种状态存在,这种特性称为叠加。
这主要源自于量子物理学的奇异特性。英特尔将量子比特比作一枚硬币,它可以是正面、反面或不停旋转的状态。当硬币在旋转时,它可以同时被认为是正面和反面。
英特尔进一步解释说,如果一个旋转的硬币能够同时代表两种状态,那么两个旋转硬币则可以代表四种状态:HH、TT、HT、TH。因此,可能性就会迅速扩大,三个旋转硬币则能够代表八个状态。
重要的是你要理解,量子比特代表多种状态的能力使其比传统比特更加强大,因此量子计算机中的量子比特越多,机器的能力就越强。
令人惊讶的是,尽管量子比特看起来很神奇,但实际上是采用了和传统计算机芯片相同的制造方式,是在硅晶片上作为“自旋量子比特”生产出来的,最大的区别是它更脆弱一些,且只能存在于极低温的环境中,以保持其稳定性。
到目前为止,大多数研究过程都集中在一次创建一个量子芯片上,而英特尔的做法有所不同,是使用现有的极紫外光刻技术来制造一个典型的300毫米晶圆,其中包含了多个量子芯片。据英特尔称,这种原型展示了迄今为止最强的一致性,成品率约为95%。
图:英特尔低温探测器在自动化过程中摄取的图像,显示了1.6开尔文的量子比特设备,其中可以在所有16个位置(4个传感器和12个量子比特位置)形成量子点,并调整到最后一个单个电子上而无需工程师的输入操作。英特尔制造的设备所具有的均匀性和可重复性,实现了以上这些结果,并且这些结果是在一整个晶圆上收集到的。该系统持续运行以生成迄今为止所知的最大的量子点设备数据集。
英特尔量子硬件总监James Clarke表示,研究表明,采用英特尔现有晶体管工艺节点制造量子芯片的想法是一个“合理的战略”,随着技术的成熟,将会看到相关成果。
由于与早期芯片相比,英特尔已经实现了更高的产量和一致性,因此英特尔现在可以使用统计过程控制技术来确定有那些制造过程区域是可以优化的。英特尔通过这种方式可以加速研究工作,并有望在一天之内大规模生产用于商业量子计算机的数千个甚至数百万个量子比特。
Clarke表示:“未来,我们将继续提高这些设备的质量并开发更大规模的系统,以这些步骤作为构建模块,帮助我们快速推进。”
好文章,需要你的鼓励
东北大学与快手科技联合研发的UNITE系统为多模态信息检索带来突破性进展。这项发表于2025年5月的研究首次系统分析了模态特定数据如何影响检索性能,并提出创新的模态感知掩码对比学习技术,有效解决不同模态间的竞争关系。UNITE能同时处理文本、图像、视频及其组合,在40多项测试中超越现有方法,即使与参数规模更大的模型相比也表现出色。研究发现视频-文本对在通用检索中表现优异,而文本-文本和文本-图像对对指令遵循任务至关重要,为未来多模态系统研究提供了宝贵指南。
这篇研究论文揭示了多模态大语言模型(MLLMs)存在严重的模态偏差问题,即模型过度依赖文本信息而忽视图像等其他模态。研究团队通过理论分析和实验证明,这种偏差主要源于三个因素:数据集不平衡、模态骨干能力不对称以及训练目标设计不当。他们提出了系统的研究路线图和解决方案,包括增强视觉模态在数据集中的贡献、改变模型关注点和应用偏好优化策略。未来研究方向则包括开发更客观的评估指标、探索更多模态组合中的偏差问题以及应用可解释AI技术深入分析偏差机制。
ComfyMind是香港科技大学研究团队开发的一个协作式AI系统,旨在解决当前开源通用生成系统面临的稳定性和规划挑战。该系统基于ComfyUI平台,引入了两项关键创新:语义工作流接口(SWI)和带本地反馈执行的搜索树规划机制。SWI将低级节点图抽象为语义函数,而搜索树规划将生成过程视为分层决策任务。实验表明,ComfyMind在ComfyBench、GenEval和Reason-Edit三个基准测试中均大幅超越开源基线,并达到与GPT-Image-1相当的性能,为开源通用生成AI开辟了新路径。
这项研究介绍了一种名为"热带注意力"的新型注意力机制,专为解决神经网络在组合算法推理中的困境而设计。传统注意力机制使用softmax函数产生平滑的概率分布,无法精确捕捉组合算法所需的锐利决策边界。