目前,全球各大IT企業(yè)紛紛進(jìn)行量子計(jì)算技術(shù)探索絕不是什么偶然。特別是以谷歌、IBM以及英特爾為代表的巨頭們正為各自的項(xiàng)目投入大量資源,而這一切也確實(shí)在過去幾年當(dāng)中帶來了令人矚目的進(jìn)展。雖然這三大主要參與者已經(jīng)吸引到眾多媒體的關(guān)注與報(bào)道,但就目前的情況看,我們還很難斷言未來這一新興市場到底會(huì)由誰所主導(dǎo)。
這主要是因?yàn)?,截至?dāng)下,人們對(duì)于哪種技術(shù)方法能夠構(gòu)建起真正具有商業(yè)可行性的通用量子計(jì)算能力還沒有達(dá)成共識(shí)。也就是說,IBM、谷歌、英特爾乃至Rigetti都在開發(fā)自己的固態(tài)量子處理器。雖然這種方法延襲了數(shù)十年來各大廠商在硅基半導(dǎo)體和大規(guī)模集成電路方面的經(jīng)驗(yàn)基礎(chǔ),但這種技術(shù)要求將芯片冷卻到接近絕對(duì)零度,并使用主動(dòng)糾錯(cuò)技術(shù)來保持量子位元的正常工作。
不過對(duì)量子計(jì)算的另類探索,則始于一個(gè)名為IonQ的研究項(xiàng)目——其利用懸浮在真空當(dāng)中的鐿原子將捕獲的離子作為量子比特。在此項(xiàng)目中,研究人員利用激光束進(jìn)行處理,包括操縱離子以實(shí)現(xiàn)原子量子比特的信息存儲(chǔ)與檢索、執(zhí)行邏輯運(yùn)算并將這些基本粒子連接起來以形成特定電路。在最近與IonQ公司CEO兼聯(lián)合創(chuàng)始人Chris Monroe的對(duì)話當(dāng)中,他介紹了為什么他堅(jiān)信這種方法最有可能實(shí)現(xiàn)商業(yè)量子計(jì)算的飛躍式發(fā)展。
由于激光速受到編程機(jī)制的控制(編程由傳統(tǒng)計(jì)算機(jī)實(shí)現(xiàn)),因此這套系統(tǒng)能夠動(dòng)態(tài)構(gòu)建量子硬件以優(yōu)化實(shí)際應(yīng)用的電路布局。量子計(jì)算有望被應(yīng)用于量子化學(xué)、物流、機(jī)器學(xué)習(xí)以及密碼學(xué)等諸多領(lǐng)域并負(fù)責(zé)處理各種優(yōu)化問題,而IonQ采取的前所未有新方式則使得量子計(jì)算系統(tǒng)能夠以類似于FPGA的方式對(duì)硬件與軟件進(jìn)行編碼,從而快速調(diào)整自身電路組成形式。
如果Monroe和他的公司能夠通過這一另辟蹊徑的方式超越其它規(guī)模更大、資金更充裕的競爭對(duì)手,那么原因絕不是InoQ擁有量子物理學(xué)知識(shí)更扎實(shí)的工程師團(tuán)隊(duì)。事實(shí)上,Monroe表示將處理器擴(kuò)展至可運(yùn)行實(shí)際生產(chǎn)型應(yīng)用程序的挑戰(zhàn)時(shí),問題的核心并不在于實(shí)現(xiàn)質(zhì)量更高的量子比特——現(xiàn)有原子的表現(xiàn)已經(jīng)非常完美;相反,他們要做的是對(duì)量子比特施以精度更高的光學(xué)控制。其中的關(guān)鍵在于減少激光噪聲與運(yùn)動(dòng)干擾,這要求他們提供更出色的工程技術(shù)支持,而非發(fā)現(xiàn)新材料或者實(shí)現(xiàn)其它物理層面的突破。
IonQ公司目前運(yùn)行有三種設(shè)備。截至目前,他們最出色的系統(tǒng)能夠一次運(yùn)行10到20個(gè)量子比特,并成功完成數(shù)百次運(yùn)算。在基準(zhǔn)測試當(dāng)中,他們的平均單量子比特門保真度為99.5%,雙量子比特門保真度為97.5%,狀態(tài)準(zhǔn)備與測量結(jié)果間的誤差僅為0.7%。這意味著他們的方案與迄今為止的任何固態(tài)量子器件相比,都能夠達(dá)到相當(dāng)甚至更好的水平。Monroe表示,他們堅(jiān)信只需要改進(jìn)光學(xué)控制系統(tǒng),這些設(shè)備就能夠擴(kuò)展至數(shù)百量子比特并執(zhí)行數(shù)萬項(xiàng)運(yùn)算,且完全無需任何糾錯(cuò)操作。
他承認(rèn),“從長遠(yuǎn)角度來看,這樣的能力可能還不夠好。但我們確實(shí)可以解決一些有趣的現(xiàn)實(shí)問題。”他們的長期目標(biāo)是構(gòu)建起能夠數(shù)百萬甚至是數(shù)十億次運(yùn)算的系統(tǒng),為此,Monroe表示他們還是得采用糾錯(cuò)機(jī)制。但根據(jù)他的介紹,這些系統(tǒng)中每個(gè)可用量子比特可能只需要10或20個(gè)與之對(duì)應(yīng)的糾錯(cuò)量子比特,這一數(shù)字要比使用固態(tài)量子器件進(jìn)行糾錯(cuò)所需要的量子比特?cái)?shù)低幾個(gè)量級(jí)。
事實(shí)上,Monroe認(rèn)為對(duì)固態(tài)量子計(jì)算處理器的探索終將是死路一條。如果研究人員無法改善這些系統(tǒng)目前所普遍存在的,高達(dá)2%的誤差率,那么未來將需要過多的量子比特專門用于糾錯(cuò),這意味著只有極少量的量子比特可以被真正用于執(zhí)行邏輯運(yùn)算。這種方法中的矛盾在于,隨著各量子比特之間誤差與串?dāng)_效應(yīng)的增加,誤差率也將隨著量子比特的增加而趨于上升,這又反過來要求研究人員添加更多糾錯(cuò)用量子比特。他表示,“這意味著擴(kuò)展嘗試將變得非常非常困難。”
但I(xiàn)onQ公司也絕非無可匹敵,至少在第三方可用性方面,他們還得盡快縮小差距。目前IBM與谷歌,甚至包括初創(chuàng)企業(yè)Rigetti公司,都已經(jīng)開始為研究人員乃至一部分潛在早期客戶提供量子樣機(jī)。IBM公司在這方面走得最遠(yuǎn),其商用Q Network已經(jīng)開始承接付費(fèi)客戶,并吸引到幾家全球知名企業(yè),例如摩根大通、三星以及??松梨诘?。
自從2016年成立至令,IonQ公司及其35名員工一直致力于構(gòu)建、測試并進(jìn)一步完善其初始系統(tǒng)。到目前為止,該公司的戰(zhàn)略始終是將全部資源投入到平臺(tái)的快速發(fā)展層面,以避免其對(duì)于技術(shù)的探索受到妨礙。Monroe表示,該公司此前籌集到的2000萬美元風(fēng)險(xiǎn)投資,目前已經(jīng)花掉了三分之二甚至是四分之三,而這一切都被用在了技術(shù)開發(fā)當(dāng)中。
IonQ公司目前已經(jīng)與學(xué)術(shù)界保持一定的合作伙伴關(guān)系,允許部分科研人員臨時(shí)訪問他們的系統(tǒng)。但在Monroe看來,這還遠(yuǎn)遠(yuǎn)不夠,他意識(shí)到有必要讓自己的平臺(tái)更廣泛地接觸研究人員與商業(yè)組織,以確保這類用戶能夠根據(jù)技術(shù)特性有針對(duì)性地開發(fā)出實(shí)際用例。雖然目前還沒有發(fā)布任何官方消息,但這位CEO表示他們正在制定計(jì)劃,并暗示稱IonQ公司將在未來幾個(gè)月陸續(xù)宣布多項(xiàng)即將與財(cái)力雄厚的合作伙伴正式開展的合作項(xiàng)目。
Monroe最后總結(jié)稱,“人們正在迫不及待地敲門,他們希望早點(diǎn)體驗(yàn)到這些系統(tǒng)。”
好文章,需要你的鼓勵(lì)
新加坡國立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。