至顶网软件频道消息:英特尔公司的Jim Clarke写道,目前技术层面存在的挑战极为困难。但考虑到这场量子计算马拉松比赛才刚刚开场,没人有勇气早早弃赛离去。
英特尔公司的17超导量子比特测试芯片,已经被最新的49量子比特器件所取代。
与目前传统的基于CMOS的系统相比,量子计算机确实有望实现指数级的性能增长。事实上,这种增长程度甚至超出了人类的理解范畴。因此,量子计算机将带来现有系统所无法实现的种种优势,这无疑令人兴奋异常。着眼于这样的前景,我们也看到不少量子计算的鼓吹者们先后涌现。他们认为在短短几年之内,这些机器即将带来颠覆整个世界的能力。但与此同时,也有更多的量子计算怀疑论者认为这样的情景永远不可能发生。
在英特尔,我们采取的则是更加实用主义的量子计算观点。我们的企业与高性能计算客户已经开始要求我们提供相关功能。我们预计这方面需求将持续增长。然而,量子计算目前仍处于研究阶段,而且确实有可能永远无法成真。
不过,我们都看到了其中的巨大潜力,这样的空间让我们无法放弃追求的脚步。
最近,IEEE Spectrum发表了一篇文章,其中认为量子计算永远无法实现。其主要论点在于,量子计算系统需要控制数量极大的量子态信息,这样的控制规模远远超过可实现的水平。
作为一个长期关注新型半导体技术实际上市周期的量子计算乐观主义者加现实主义者,我能够理解这种担忧情绪存在的理由,但我同样相信,就目前而言我们还“从未”意识到量子计算的真实前景。
在我看来,量子计算全面实现的道路上横亘着四大关键性挑战。但如果能够将其解决,那么我们将可以在未来10到12年之内打造出一台商业可用型量子计算机,而这台设备也许真的能够彻底改变你、我所熟知的生活方式。
1. 量子比特质量: 我们需要构建量子比特,从而以大规模方式生成可实际使用的指令或者门操作。但从量子计算行业的角度出发,我们还没有攻克这一目标。即使是目前基于云端的量子计算机,其过低的量子比特仍远不足以满足大规模系统的要求。另外,当两个量子比特进行相互操作时,其仍然会产生错误,而且错误率远远高于实现有效计算所设定的上限。换句话说,在进行一定数量的指令或者操作之后,当我们继续执行运算,那么目前的量子比特就会产生错误的答案。我们得到的结果,也无法与噪音结果区分开来。
2. 纠错: 现在,由于量子比特无法提供执行实际运算所需要的准确率,因此我们需要构建纠错算法,负责检查并纠正随机量子比特错误。这些算法代表着复杂的指令集,其利用大量物理量子比特来有效延长系统中信息的生命周期。就目前而言,纠错尚未在量子计算中得到大规模证明,但其已经成为我们研究工作中的优先领域,我认为其也是实现完整商业量子系统的先决条件之一。
3. 量子比特控制: 为了实现复杂的算法,包括刚刚提到的纠错方案,我们需要证明自身有能力控制多个量子位。这种控制必须保持极低延迟——大约10纳秒。另外,其必须来自基于CMOS的自适应反馈控制电路。这与IEEE Spectrum之前发表的那篇质疑文章相似。但虽然难度令人生畏,但我完全有理由相信这一目标有可能得到实现。
4. 线路过于复杂: 最后,我们需要解决“扇出”的问题——或者说,如何扩大量子芯片内的量子比特数。目前,我们需要多条控制线或者多个激光器来创建单一量子比特。我们很难相信通过这样简陋的方式,我们最终能够构建起一块包含数百万个量子比特的的芯片,其中包含数百万条用于对接电路板或者延伸至低温测量室之外的线路。事实上,半导体行业早在上世纪六十年代中期就已经意识到这个问题,并将其定义为核心经验。换句话说,如果没有精心设计的线路作为支撑,我们将永远无法真正驰骋在量子高速公路之上。
在英特尔公司,我们正在努力解决这些挑战。举例来说,我们正在研究能够在较高温度之下运行的量子比特,旨在将其与基于CMOS的电子器件协同集成,以便实现量子比特控制。更高的温度将使我们能够将CMOS电子器件放入冰箱运行,同时又不会对量子态造成影响。本地CMOS电子设备可帮助我们控制系统延迟,并为量子比特布线或者互连机制提供更多自由发挥的空间。
这一切都需要不懈的工作。不要被那些看似光鲜的工具或者充满炒作意味的宣传给迷惑了双眼。半导体行业的每一轮重大变革都要以十年作为时间周期单位:从1947年的晶体管,到1958年的集成电路,再到1970年的第一款微处理器,即英特尔4004。但与此同时,我们也要坚定信心,永远不可放弃希望。
量子计算当中的潜力太大,赌注也太高;考虑到这场量子计算马拉松比赛才刚刚开场,没人有勇气早早弃赛离去。
好文章,需要你的鼓励
CIO们正面临众多复杂挑战,其多样性值得关注。除了企业安全和成本控制等传统问题,人工智能快速发展和地缘政治环境正在颠覆常规业务模式。主要挑战包括:AI技术快速演进、IT部门AI应用、AI网络攻击威胁、AIOps智能运维、快速实现价值、地缘政治影响、成本控制、人才短缺、安全风险管理以及未来准备等十个方面。
北航团队发布AnimaX技术,能够根据文字描述让静态3D模型自动生成动画。该系统支持人形角色、动物、家具等各类模型,仅需6分钟即可完成高质量动画生成,效率远超传统方法。通过多视角视频-姿态联合扩散模型,AnimaX有效结合了视频AI的运动理解能力与骨骼动画的精确控制,在16万动画序列数据集上训练后展现出卓越性能。
过去两年间,许多组织启动了大量AI概念验证项目,但失败率高且投资回报率令人失望。如今出现新趋势,组织开始重新评估AI实验的撒网策略。IT观察者发现,许多组织正在减少AI概念验证项目数量,IT领导转向商业AI工具,专注于有限的战略性目标用例。专家表示,组织正从大规模实验转向更专注、结果导向的AI部署,优先考虑能深度融入运营工作流程并产生可衡量结果的少数用例。
这项研究解决了AI图片描述中的两大难题:描述不平衡和内容虚构。通过创新的"侦探式追问"方法,让AI能生成更详细准确的图片描述,显著提升了多个AI系统的性能表现,为无障碍技术、教育、电商等领域带来实用价值。