IBM近日推出了一款名为Osprey的新型量子处理器,该处理器具有433个量子位,是上一代芯片的三倍多。
开发Osprey是IBM专注于开发大型量子计算机这一长期研究工作的其中一部分。人们相信,这种大型量子计算机可以执行甚至对于当前最先进的传统超级计算机都过于复杂的计算任务,还有助于推进化学、人工智能和物流等领域的研究。
IBM研究总监Darío Gil表示:“这一新的433量子位‘Osprey’处理器让我们离量子计算机用于解决以前无法解决的问题更近了一步。我们与全球合作伙伴及客户一起,不断扩大和推进我们在硬件、软件和经典集成方面的量子技术,以应对我们在这个时代面临的最大挑战。”
据报道,IBM这一新的433量子位Osprey芯片是基于超导传输量子位技术的。IBM在2021年推出的上一代Eagle量子芯片有127个量子位,也采用了相同的技术。
量子位是量子计算机的基本组成部分,主要用于存储数据并对这些数据进行计算。IBM Osprey新型芯片具有由超导材料制成的量子位,超导材料使电能够从一个点传输到另一个点而不会产生热量或者损失能量。
Osprey使用一种名为“transmon qubit”技术的超导量子位,该技术是耶鲁大学在2007年发明的,旨在让量子芯片不易受噪声的影响。这里的噪声,是指可能导致量子芯片电路发生错误的干扰。
Osprey的量子位不会自行进行计算,而是依靠外部量子位控制系统来管理就三国城。系统使用微波脉冲来管理量子位的配置。IBM在开发Osprey的过程中,对量子硬件产品组合的这一组件进行了广泛升级。
上一代的量子位控制系统采用的是FPGA。FPGA是一种芯片,可以针对特定的计算任务进行微调,以提高执行任务的速度。据报道,IBM已经用专用集成电路取代了FPGA,前者可以进行更广泛的微调,以进一步提高处理性能。
此外,系统会生成一系列执行,以针对Osprey量子位执行计算的方式进行微调,现在这个指令通过专门的电线传输到这些量子位。IBM开发了一种改进的电线设计,所需的空间减少了70%,进一步降低了制造成本。
来自量子位控制系统的信号到达Osprey之后,必须将每个信号路由到芯片内相关的量子位,这个任务由IBM所谓的多层布线系统组件来执行,而且是直接集成到Osprey芯片中的。
IBM最早在上一代Eagle量子处理器中就实现了多层布线系统。在Eagle处理器中,这种系统是三层金属相互排列的,这种设计旨在减少干扰,降低量子位发生错误的风险。
为了提高量子芯片的可靠性,IBM还对软件进行了增强。除了Osprey,IBM此次还推出了新版本的Qiskit Runtime,这个软件平台开发的算法可以运行在IBM的量子芯片上,新版本新增了错误缓解算法,让开发人员能够权衡量子位的性能以提高计算可靠性。
因为很容易受到干扰,所以像Osprey这样的量子芯片必须部署在冷却到接近绝对零温度的专用腔室中。IBM此次推出了IBM Quantum System 2新版量子芯片腔室,预计将于2023年底上市。
据IBM称,该腔室可以容纳多个量子芯片,最多可容纳4158个量子位,此外还可以容纳芯片的量子位控制系统。IBM表示,该腔室最多可以将三个Quantum System 2机箱连接在一起,打造一个拥有多达16632个量子位的量子计算环境。
IBM计划在未来几年进一步改进量子计算硬件,在2023年推出名为Condor的下一代量子芯片,量子位数量将是Osprey的两倍多。
此外,IBM计划开发可以连接在一起以实现性能优化的量子芯片,首款这样的芯片预计将于2024年问世。据IBM称,该系列中的第二个芯片将于2025年问世,将能够打造具有4158个量子位的多芯片处理器。
好文章,需要你的鼓励
智能网卡(SmartNIC)技术自2013年AWS首次应用以来,虽然获得了VMware、英特尔、AMD和英伟达等巨头支持,但市场表现平平。分析师指出,目前主要客户仍局限于服务提供商。然而,随着AI技术蓬勃发展,情况正在改变。英伟达、红帽等厂商在AI云架构中推荐使用DPU,认为其可优化推理工作负载并提升资源效率,AI革命有望真正推动智能网卡技术普及。
法国Valeo公司联合巴黎索邦大学开发出DIP技术,让AI模型能像人类一样通过少量样本快速学习图像理解。该技术采用创新的"元学习"训练方式,无需人工标注即可显著提升模型在复杂场景下的分割性能,训练时间仅需9小时,在多个数据集上表现优异,为自动驾驶、医疗影像等领域应用提供了新可能。
YouTube为Premium会员推出AI生成的搜索轮播功能,可在购物和地点查询时显示相关视频序列。同时,此前仅限Premium用户的AI对话助手开始向美国普通用户开放,用户可通过"询问"按钮获得视频摘要和内容问答服务。该AI工具基于YouTube平台和网络信息运行,但准确性仍待观察。
微软等机构联合推出的RealPlay系统首次实现了用游戏控制指令生成现实视频的突破。该系统仅使用赛车游戏数据训练,却能控制现实中的汽车、自行车和行人运动,控制成功率达90%。RealPlay支持交互式视频生成,用户可像玩游戏般逐步指导视频发展,生成质量接近真实拍摄,为AI视频生成和未来游戏引擎开发开辟了新方向。