瑞士研究人员声称,他们利用两块量子超导芯片、一根30米长的导管以及相应软件,成功构建出一款完美随机数生成器。研究人员表示,该装置可用于生成加密密钥,或为彩票、区块链等应用提供"公共随机性服务"。
不过,提出类似主张的研究团队并非只有他们一家。
大多数随机性来源都存在一定偏差。例如,硬币或骰子往往会偏向某一面。苏黎世联邦理工学院(ETH Zurich)研究团队负责人之一安德烈亚斯·瓦尔拉夫(Andreas Wallraff)表示:"即便是基于量子力学效应的现代随机数生成器——例如利用光子在分束器上的反射——也并非完全不受系统误差或'偏差'的影响。"
纯粹基于软件的伪随机数生成器中同样存在此类偏差问题。这已在物联网设备及WhatsApp等应用中引发过安全漏洞。
为解决上述问题,研究团队搭建了两块超导量子芯片,每块芯片代表一个量子比特,并将其冷却至接近绝对零度。两块芯片通过一根同样经过低温冷却的30米长微波导管相连,在两者之间传播的微波光子由此形成量子纠缠状态。
该过程产生的结果随后经由一种特殊算法处理,从而生成真正完美的随机数序列。另一位团队负责人雷纳托·雷纳(Renato Renner)表示:"最终生成的0和1序列是真正完美的随机序列,我们甚至可以对此加以认证。这一技术突破使我们能够创造出永远保持完美随机性的随机数。"
研究团队本周在《自然》杂志上发表了题为"实验性随机性放大"的论文,正式公布了上述研究成果。
Q&A
Q1:什么是量子随机数生成器?它和普通随机数生成器有什么区别?
A:量子随机数生成器利用量子力学原理产生随机数,而普通随机数生成器通常是基于数学算法的伪随机数生成器。伪随机数生成器存在一定规律性,可能被预测,也容易受到系统误差影响。量子随机数生成器则利用量子纠缠等物理现象,理论上可以产生真正无规律、不可预测的随机数序列,安全性更高,更适合用于加密密钥生成等对随机性要求严格的场景。
Q2:瑞士研究团队的量子随机数生成器具体是如何工作的?
A:该装置由两块超导量子芯片组成,每块芯片代表一个量子比特,被冷却至接近绝对零度。两块芯片通过一根30米长、同样经过低温冷却的微波导管相连,其间传播的微波光子形成量子纠缠状态。产生的结果再经由特殊算法处理,最终输出经过认证的完美随机数序列,确保其随机性在理论上永久有效。
Q3:这种完美随机数生成器有哪些实际应用场景?
A:根据研究团队介绍,该装置可用于多个对随机性要求极高的领域。首先是网络安全领域,可用于生成高强度加密密钥,有效防止密钥被预测或破解;其次可作为公共随机性服务平台,为彩票开奖提供公正透明的随机结果;此外还可应用于区块链领域,为智能合约或去中心化应用提供可信的随机数来源,提升系统公平性与安全性。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。