微软今天公布了有关开发拓扑量子计算机的最新消息,这种新型量子计算机理论上要比当前技术更快、更可靠。
微软透露,微软的研究人员最近克服了制造这种计算机的“重大障碍”。
现有的量子计算机在进行计算时很容易出错,所以实际应用十分有限。出现计算错误是由于量子计算机的基本组成部分(量子位)经常在不应该删除或修改信息时删除或修改了信息,如果存在数据被意外修改的风险,那么就很难对数据进行处理。
拓扑量子计算机——也就是微软眼下正在打造的这种量子计算机——理论上要比当前系统不容易出现这种计算错误,也就会让量子计算技术更容易承载复杂的计算任务。微软认为,这项技术可能是促进大规模量子计算机发展的关键。
然而在实践中,构建拓扑量子计算机是非常困的难。微软今天公布了有关开发这种计算机的更新信息,称他们的科学家已经达到了研究上的一个里程碑,可以显着推进该项目。
拓扑量子计算机使用名为Majorana零模式的准粒子来进行计算。准粒子是一种物理现象,与粒子(例如电子和原子)具有某些相似性,但不是粒子。微软今天表示,微软的研究人员已经找到了一种方法,可以生成拓扑量子计算机所必需的Majorana零模式。
微软还借助Majorana零模找到了产生另一种物理现象的方法,称为拓扑超导相,这是在特定条件下出现超导材料的一种特性,它对于促进拓扑量子计算机数据处理是很有必要的。
据微软称,研究人员使用一种将半导体与超导元素相结合的特制设备,以创造准粒子和拓扑超导相。该设备在冷却到接近绝对零温度的工业冰箱内运行,而且微软已经制作了该设备的多个版本,并在模拟环境中对其进行了测试。
为了验证该技术的有效性,微软评估了一种名为拓扑间隙的硬件属性,这种属性可提供处理可靠性数据的指标。能够可靠地处理数据,是拓扑量子计算机相对于其他量子计算机的一个主要优势。微软称,评估结果表明,该技术可以提供一条可行的商业化途径。
微软量子硬件集团总经理Chetan Nayak在一篇博文中这样写道:“我们的团队测量了超过30 μeV的拓扑间隙,而且这是实验环境下噪音水平的3倍多,温度也要更高,说明这是一个很强大的特性。”
他说:“这既是一次具有里程碑意义的科学进步,也是拓扑量子计算之旅的关键一步。我们的结果得到了详尽测量和严格数据验证程序的支持。”
他表示,下一步将是利用微软在构建拓扑量子位的研究中所开发的多种方法,最终微软计划把大量这样的量子位组装成一台功能正常的量子计算机。据微软估计,一个芯片能上可容纳超过一百万个拓扑量子位。
他这样写道:“在基础物理层面的展示之后,下一步就是拓扑量子位了。我们假设拓扑量子位与其他量子位相比,是把速度、大小和稳定性进行了有利的组合。我们相信最终量子位将有助于在未来实现完全可扩展的量子计算机,从而让我们能够实现有关量子计算的全部承诺,解决社会面临的最复杂的、最紧迫的挑战。”
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。