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
Snap 推出 Lens Studio 的 iOS 应用和网页工具,让所有技能层次的用户都能通过文字提示和简单编辑,轻松创建 AR 镜头,包括生成 AI 效果和集成 Bitmoji,从而普及 AR 创作,并持续为专业应用提供支持。
罗切斯特理工学院和美国陆军研究实验室的研究团队开发了一种突破性的无源域适应方法,通过混搭拼图增强技术和置信度-边界加权策略,使AI模型能在没有原始训练数据的情况下适应新环境。该方法在三个主要基准数据集上取得显著成果,特别是在PACS数据集上准确率提升了7.3%,为AI系统在隐私保护、安全限制等现实场景中的应用提供了新解决方案。
这篇论文介绍了R1-Code-Interpreter,一种通过有监督学习和强化学习训练大型语言模型进行代码推理的新方法。研究团队收集了144个推理和规划任务,利用多轮训练教会模型自主决定何时使用文本推理或生成代码。最终的14B模型在测试集上将准确率从44.0%提高到64.1%,超过纯文本GPT-4o并接近带Code Interpreter的GPT-4o。研究揭示了SFT阶段的关键作用,并发现模型展现出自发的自我检查行为,为开源模型提供了与商业模型竞争的代码解释器能力。