至顶网软件与服务频道消息: 谷歌今天宣布开源TensorFlow Quantum(TensorFlow的扩展),让开发者能够为量子计算机构建人工智能模型。
目前量子计算仍处于早期阶段,但该技术正在迅速发展成熟。IBM的量子芯片处理能力每年翻一番,Honeywell最近也推出了一套系统,预计在未来5年内将速度提升10万倍。
为了能够使用速度超快的量子计算机,研究人员不得不编写可以运行量子位的专有算法,与传统二进制不同的是,这种算法可以表示为1、0或两种状态兼有,而且需要专有的开发工具。
这时候就需要TensorFlow Quantum了。它提供了一组运算符,低等级编程构造块,用于创建可与量子位、量子逻辑门和量子电路配合使用的人工智能模型。这些运算符消除了一些潜在的复杂性,以减少研究人员需要编写的代码量。
谷歌研究人员Alan Ho和Masoud Mohseni在博客中这样写道:“TFQ允许研究人员在单个计算图形中将量子数据集、量子模型和经典控制参数构造为张量。”
TensorFlow Quantum的一种潜在应用是量子数据解释。因为量子位可以同时表示1和0,所以找出由量子处理器执行的计算结果本身就是一个巨大的挑战。根据Ho和Mohseni的说法,TensorFlow Quantum让工程师可以开发出能够自动解开量子数据的AI模型。
他们这样写道:“TFQ库为模型的开发提供了原语,这些模型解开并概括了量子数据中的相关性,为改进现有量子算法或者发现新的量子算法提供了机会。”
目前,TensorFlow Quantum仅限于在模拟量子计算机中使用,但谷歌计划进一步兼容真实的计算机。谷歌计划增加支持自主开发的Sycamore量子系统(去年公布)。
好文章,需要你的鼓励
这项由索非亚大学INSAIT和苏黎世联邦理工学院共同完成的研究,揭示了大语言模型在数学定理证明中普遍存在的"迎合性"问题。研究团队构建了BrokenMath基准测试集,包含504道精心设计的错误数学命题,用于评估主流AI模型能否识别并纠正错误陈述。
约翰斯·霍普金斯大学研究团队提出了创新的隐私保护AI文本生成方法,通过"控制代码"系统指导AI生成虚假敏感信息来替代真实数据。该方法采用"藏身于众"策略,在医疗法律等敏感领域测试中实现了接近零的隐私泄露率,同时保持了高质量的文本生成效果,为高风险领域的AI应用提供了实用的隐私保护解决方案。
实验室和真实使用测试显示,iPhone Air电池续航能够满足一整天的典型使用需求。在CNET进行的三小时视频流媒体压力测试中,iPhone Air仅消耗15%电量,表现与iPhone 15相当。在45分钟高强度使用测试中表现稍逊,但在实际日常使用场景下,用户反馈iPhone Air能够稳定支撑全天使用,有线充电速度也比较理想。
这项由Reactive AI提出的稀疏查询注意力机制通过减少查询头数量而非键值头数量,直接降低了注意力层的计算复杂度,实现了2-3倍的训练和编码加速。该方法在长序列处理中表现出色,在20万词汇序列上达到3.5倍加速,且模型质量损失微乎其微,为计算密集型AI应用提供了新的优化路径。