亚马逊的云子公司AWS日前发布了有关研究的第一篇论文,详细介绍了未来量子计算机的新架构,如果新架构能得以实现,则将为纠错设定新标准。
AWS云公司日前公布了容错量子计算机新蓝图,尽管新蓝图仍是纯理论性的,但新蓝图描述了一种控制量子比特(或称qubits)的新方法,可确保量子比特尽可能准确地进行计算。
这篇论文很可能会引起许多致力于改进量子纠错(QEC)专家的注意,量子纠错是个与量子计算同步发展的领域,旨在解决阻碍实现实用的大规模量子计算机的一些关键障碍。
量子系统由于成倍地提高了计算能力,有望在金融、药物发现等行业获得突破性进展,但实际上量子系统仍然存在各种不完善的地方或者说错误,这些都会搞砸计算结果。
量子计算机的构件是量子比特,量子比特处于特殊的量子状态:量子比特不像经典计算设备里比特那样处于1或0的状态,量子比特可以同时处于1和0两种状态。虽然量子比特这种特性使得量子计算机可以同时进行许多计算,但量子比特也非常不稳定,一旦暴露在外界环境里,其量子状态就有可能崩溃。因此,量子门中的量子比特所进行的计算可能常常不那么靠谱,科学家们现在的研究就是要找到发现量子比特何时出错以及纠正错误的方法。
AWS量子计算中心研究科学家Patricio Arrangoiz-Arriola和Earl Campbell在一篇博客文章里表示,"一些已知有用的量子算法可能需要几百万或几十亿个量子门,这些算法可能与经典算法比具有压倒性优势。但不幸的是,量子算法构件里的量子门很容易出错。"
博文称,"虽然错误率在不断下降,但仍比能提供高保真算法运行所需的错误率高了许多个数量级。研究人员为了进一步降低错误率需要用到其他一些补充方法(如QEC),以达到在物理层面降低门错误率的目的。"
量子纠错可以用不同的方法。传统的方法名为主动QEC,就是用许多不完美的量子比特(名叫“物理量子比特”)去纠正已被确定存在错误的一个量子比特并恢复其粒子的精确状态。这种方式产生的可控量子比特人称“逻辑量子比特”。
但主动QEC产生的硬件开销很大,因为每个逻辑量子比特的编码需要许多物理量子比特,因此要构建一个由大规模量子比特电路组成的通用量子计算机就十分地困难。
另一种方法是被动QEC,被动QEC侧重于设计一个具有固有抗错稳定性的物理计算系统。虽然围绕被动QEC的许多工作仍处于实验阶段,但该方法旨在建立固有的容错性,从而可以加速构建具有大规模量子比特的量子计算机。
根据发布的新蓝图,AWS的研究人员会结合主动和被动QEC打造一款理论上可以达到更高的精度水平的量子计算机。其架构提出了一个基于 "猫态 "(cat states)的系统,猫态是被动QEC的一种形式,量子比特在振荡器里保持叠加状态,通过注入和提取一对光子确保量子状态保持稳定。
根据AWS科学家的说法,研究显示,这种设计可以减少比特比特反转错误,比特反转指量子比特状态从1反转到0或从0反转到1。但为了进一步保护量子比特不受其他类型错误的影响,研究人员提出将被动QEC与已知的主动QEC技术结合起来用。
例如,重复码已经是量子设备用到的成熟检错和纠错方法,Arrangoiz-Arriola和Campbell在他们的理论量子计算机里将重复码与猫态放在一起用,以达到提高容错的目的。
结果似乎颇为喜人:猫态和重复码的结合产生了一个架构,架构里只需用于稳定的2000多个超导元件就可以产生一百个能够执行一千个门的逻辑量子比特。
Arrangoiz-Arriola和Campbell表示,“利用当前或近期技术可以将这些置于单一稀释箱内,其计算能力将远远超过我们在经典计算机上可以模拟的范围。”
不过,在研究人员提出的这个理论架构能够以物理设备形状现身前还存在一些挑战。例如,猫态在之前的概念验证实验中是在实验室里展示的,但尚未进入实用规模生产。
该论文则提出,越来越多的大科技公司看起来已经加入这场量子竞赛,AWS也在为量子计算做好准备。
IBM最近公布了一个路线图,目标是2023年的1121量子位系统,IBM目前正在研发127量子位的处理器。谷歌的54量子位 Sycamore芯片曾在2019年成为量子霸主,当时是个大新闻。而微软最近也推出了旗下基于云的量子生态系统Azure Quantum的公开预览版。
亚马逊则推出一项名为Amazon Braket的AWS管理服务,科学家、研究人员和开发人员可以通过该管理服务利用D-Wave、IonQ和Rigetti等量子硬件供应商的计算机进行实验。不过,亚马逊尚有待打造自己的量子计算机。
好文章,需要你的鼓励
Coursera在2025年连接大会上宣布多项AI功能更新。10月将推出角色扮演功能,通过AI人物帮助学生练习面试技巧并获得实时反馈。新增AI评分系统可即时批改代码、论文和视频作业。同时引入完整性检查和监考系统,通过锁定浏览器和真实性验证打击作弊行为,据称可减少95%的不当行为。此外,AI课程构建器将扩展至所有合作伙伴,帮助教育者快速设计课程。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
英国政府研究显示,神经多样性员工从AI聊天机器人中获得的收益远超普通同事。在Microsoft 365 Copilot试点中,神经多样性员工满意度达90%置信水平,推荐度达95%置信水平,均显著高于其他用户。患有ADHD和阅读障碍的员工表示AI工具为他们提供了前所未有的工作支持,特别是在报告撰写方面。研究表明,AI工具正在填补传统无障碍技术未能解决的职场差距,为残障人士提供了隐形的工作辅助。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。