法国量子计算初创公司Quobly SAS近日宣布完成1.15亿欧元(约合1.33亿美元)融资,用于推进其量子技术的商业化落地。
本轮A轮融资由上市芯片制造商意法半导体(STMicroelectronics NV)领投,法国公共投资银行Bpifrance、SEALSQ及Isalt跟投。此前,Quobly已完成4000万欧元融资,并利用这笔资金完成了其技术可行性验证。
Quobly的技术路线
Quobly正在研发一种基于硅自旋量子比特架构的量子芯片。该技术的核心是量子点——一种直径仅有几纳米的微型半导体晶体。每个量子点中包含一个电子,该电子充当量子比特的载体,数据则被编码在电子的自旋属性上,而自旋会影响电子的磁场特性。
要基于自旋量子比特设计构建大规模量子计算机,目前面临多重技术挑战。一是难以可靠地协调大量分布在量子点中的电子;二是读取这些电子运算结果的难度较高。Quobly表示,其技术方案能够有效应对上述两项挑战。
电容耦合问题及解决方案
协调自旋电子的困难,部分源于一种称为"电容耦合"的物理现象——相邻量子点之间会发生能量交换,从而降低运算精度。此外,量子计算机中负责向量子点提供电子的储存器也可能引入干扰。
为此,Quobly的芯片设计通过将量子点与储存器隔离来解决上述问题。同时,该设计将量子点组织成小型阵列集群,结构比传统自旋量子比特电路更加简洁,从而进一步降低了量子比特协调的难度。
读取信号的技术创新
在自旋量子比特计算机的另一大难题——运算结果的读取上,传统方案依赖一种名为"电荷传感器"的设备。这类设备灵敏度有限,会遗漏部分运算数据,且体积相对较大,占用了本可用于布置量子比特的空间。
Quobly以一种更高效的技术取而代之,即"基于栅极的反射测量法"。该方法通过检测量子点发出的光信号来推断运算结果。据Quobly介绍,其反射测量设备比电荷传感器占用空间更小,读取量子比特内容的速度也更快。
技术源头与制造合作
Quobly的核心技术源自法国电子研究机构CEA-Leti,公司于2022年从该机构分拆独立。两年后,Quobly与意法半导体达成合作,由后者负责芯片制造。本次融资完成后,双方计划进一步深化合作。
意法半导体将采用300毫米硅晶圆生产Quobly的芯片。与标准晶圆使用多种硅同位素不同,Quobly将采用单一同位素——硅-28,该材料有助于降低量子芯片中的噪声干扰。
在制造工艺上,Quobly计划采用FD-SOI(全耗尽绝缘体上硅)工艺。该技术在硅晶圆与上层电路之间增加一层薄绝缘材料,显著提升了能效表现,而这一绝缘层是其他制造工艺所不具备的。
商业化路线图
Quobly预计在2026年底前交付首台商用量子计算机。明年,公司将与意法半导体合作,开发搭载100个量子比特的升级版系统,并计划在2032年前实现百万量子比特规模的量子计算机。
Quobly联合创始人兼首席执行官Maud Vinet表示:"本轮融资标志着公司从技术验证阶段迈入工业化执行阶段。通过这轮A轮融资,我们将持续推进研发工作,确保技术实现产业化,并扩大我们在国际市场的商业布局。"
Q&A
Q1:Quobly的硅自旋量子比特技术有什么独特之处?
A:Quobly的技术基于硅自旋量子比特架构,利用量子点中电子的自旋属性存储数据。其核心创新包括两点:一是通过隔离量子点与储存器、将量子点组织成小型阵列的方式,解决了电容耦合干扰问题;二是用基于栅极的反射测量法替代传统电荷传感器,实现更快速、更省空间的量子比特读取。此外,公司还采用硅-28单一同位素材料降低噪声,并引入FD-SOI工艺提升能效。
Q2:Quobly此次融资将如何使用?
A:Quobly本轮A轮融资共募集约1.33亿美元,主要用于三个方向:持续推进量子技术研发、推动技术实现工业化量产,以及拓展国际商业市场。具体计划包括:2026年底前交付首台商用量子计算机,2025年与意法半导体合作开发100量子比特升级版系统,并力争在2032年前建造百万量子比特规模的量子计算机。
Q3:Quobly与意法半导体的合作具体体现在哪些方面?
A:意法半导体是本轮融资的领投方,同时也是Quobly的制造合作伙伴。意法半导体负责使用300毫米硅晶圆为Quobly生产量子芯片。Quobly特别指定采用硅-28单一同位素晶圆,以降低量子芯片运行时的噪声水平。本次融资完成后,双方计划在现有合作基础上进一步扩展,共同推动量子芯片的研发与量产进程。
好文章,需要你的鼓励
今天讲的出海案例是明阳电气,这家输配电设备公司在马来西亚投产首个海外生产基地,并以 250 万林吉特子公司承接本地制造。
SurGe是亚琛工业大学提出的单图三维重建模型,通过邻域注意力解码器和点梯度匹配损失,显著改善了AI从单张照片生成三维点图时的局部表面质量问题。
数学界发布《莱顿宣言》,由16位研究人员历时8个月起草,已获国际数学联盟背书。宣言指出,AI正威胁数学研究的核心价值:AI生成的错误证明难以识别、论文引用不规范、版权争议频发、科技公司主导研究议题,以及企业借新闻稿抢占话语权等问题日益严峻。宣言呼吁数学家透明披露AI使用情况,建议监管机构保护作者权利并规范AI产业,同时警告各方不要轻信科技公司对AI能力的夸大宣传。
清华大学与UCLA联合提出One-Forcing,通过结合分布匹配蒸馏与真实数据判别器,实现单步自回归视频生成,VBench得分83.76,训练成本仅需传统方案三分之一。