IBM正在与初创公司Algorithmiq展开合作,探索使用量子计算机加速药物发现的方法。两家公司今天公布了这一合作伙伴关系。
IBM正在进行多年的研究工作,其重点是开发大型量子计算机。人们相信,量子计算系统可以执行的那些计算任务,即使对于目前最强大的传统超级计算机来说也过于复杂。IBM在上周公布了这项研究工作的最新成果Osprey,一款具有433个量子位的量子处理器。
而总部位于芬兰的Algorithmiq公司正在开发一个经过优化可以运行在量子处理器上的模拟平台。该平台旨在帮助科学家加速医疗和材料科学等领域的研究计划。今年早些时候,Algorithmiq从Tiger Global等投资方那里融资了400万美元。
在此次合作中,Algorithmiq将与IBM合作探索如何将量子计算机用于药物发现,特别是两家公司希望开发加速药物发现过程和降低相关成本的方法。
IBM和Algorithmiq将优先考虑新兴的量子化学领域作为他们研究的一部分。量子化学是将量子力学的概念应用于分子和材料的研究。据称,Algorithmiq已经开发出多种算法,这些算法已经经过证明有可能推进该领域的研究。
构建大型量子计算机的主要障碍之一就是量子处理器的基本构建块——量子位容易出现计算错误,因此很难执行复杂的计算任务例如模拟分子。Algorithmiq表示,他们的研究人员发现了一种“显着提高”量子化学模拟准确性的方法。
“量子计算是彻底改变药物发现和开发过程的关键,”Algorithmiq公司联合创始人、首席执行官Sabrina Maniscalco表示。
IBM和Algorithmiq计划把此次合作中开发的一部分新技术贡献给开源Qiskit软件工具包。该工具包是由IBM于2017年发布的,可以让开发人员更轻松地编写可运行在量子处理器上运行的算法。此外,Qiskit还包括了一组预打包的量子算法。
IBM通过云服务的方式向开发人员提供IBM的量子处理器。IBM最新的量子处理器Osprey,其量子位数量是上一代设备的3倍多。IBM还打算在明年推出一款更先进的Condor处理器,将包含1000多个量子位。
好文章,需要你的鼓励
这项研究提出了R1-Searcher++框架,通过两阶段训练策略使大语言模型能像人类一样灵活利用内部知识和外部信息。该方法创新性地采用强化学习激励模型优先使用内部知识,并引入记忆机制将检索到的信息转化为内部知识,实现动态知识获取。实验表明,R1-Searcher++不仅在多步问答任务上表现优异,还大幅减少了检索次数,显著提高了推理效率。
这项研究提出了AutoRefine,一种革新性的强化学习框架,为大语言模型引入了"边思考边搜索和完善"的全新范式。与传统方法不同,AutoRefine在连续搜索调用之间添加知识完善步骤,让模型能够有效过滤和组织信息。通过结合答案正确性和检索质量双重奖励,该方法在七项问答基准测试中平均提升6.9%的准确率,特别在复杂多跳推理场景中表现突出,解决了现有检索增强推理的核心局限性。
这项研究揭示了一种新型网络安全威胁:利用普通网络广告攻击AI网页代理。中科院研究团队开发的AdInject攻击无需特殊权限,仅通过精心设计的广告内容就能误导AI代理点击恶意链接,成功率高达90%以上。研究使用严格的黑盒模型,更符合现实场景,暴露了当前AI代理面临的实际安全漏洞。实验还表明,即使添加专门的防御提示,这类攻击仍能成功率超过50%,凸显了设计更强大防御机制的紧迫性。
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。