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
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。