荷兰的研究人员表明,他们可以通过一个中间节点传输量子信息。通过中间节点传输量子信息是实现所谓的量子互联网的一个必要特征。
近年来,科学家们认为,量子互联网除了在连接多个量子系统时是必要的,量子互联网也是一个更理想的传输安全数据的网络。所有这些吸引了美国政府等各方面的投资。
尽管量子互联网的这些用途,但要创建一个功能性的量子互联网仍缺少一些重要的元素。
量子信息是状态的叠加。在两个网络节点之间有可能通过纠缠过程传输量子信息;当科学家创造两个或更多的粒子并使每个粒子的量子状态不能独立于其他粒子状态的描述时,纠缠过程就会发生。通过这种方式,研究人员已经表明他们可以在两个节点之间“传送”量子信息。
Qutech是由荷兰代尔夫特理工大学和应用科学研究组织在2014年成立的量子计算研究所,该研究所的研究人员成功演示了他们可以通过一个中间节点创造这种效果。计算机网络运行的必要条件是可以以这种方式通过节点传输信息。
为了简化描述,博士生Sophie Hermans和她的同事们用了我们的信息工作者常用到的名字为网络节点起了名字:Alice、Bob 和 Charlie(名字第一个字母分别为A、B、C)。Alice和Charlie之间没有直接联系。
荷兰的研究人员在演示中首先在相邻的节点Alice和Bob之间建立纠缠量子状态。第二个节点(或处理器)然后存储其纠缠状态。接下来,Bob与Charlie创建一个纠缠状态。荷兰的量子科学家们然后用上了在他们领域中已知的一种奇特效果。他们通过测量鲍勃的状态影响到纠缠,从而在Alice和Charlie之间建立了直接联系。
根据该团队本周发表在《自然》杂志上的一篇论文,“音信”信息然后就可以经编码后置于额外的量子比特上,该额外量子比特在与Charlie的纠缠状态一起测量时就可以将信息传送给Alice。
虽然该演示的意义重大,也很可能在量子网络工作概念上十分地重要,但与量子计算领域的许多工作一样,离实际应用还有一段距离。
美国马里兰州国家标准与技术研究所信息技术实验室的物理学博士Oliver Slattery和韩国科学技术研究院量子信息中心的高级研究员Yong-Su Kim在一篇附文中表示,在量子网络中不间断地传送信息仍然有一些距离。
他们表示,“Hermans等人成功地在Alice和Charlie(两个没有直接联系的节点之间)传送量子信息。这一成就不仅是基础科学的胜利,也显示出利用迷人的量子应用解决现实世界问题取得了进展。”
他们还表示,“在量子网络各节点之间进行可靠的远程传输仍有一定的距离,这项工作明确了真正实现量子互联网所面临的巨大挑战,但Hermans等人提供了一条可能的前进道路。提高用于保存纠缠的存储器的鲁棒性将导致更高的纠缠率,而改进的光学接口将提高远程节点纠缠的效率。”
在图中的直线连接配置中,Alice(A)、Bob(B)和Charlie(C)三个网络节点之间通过光纤链接(实线)连接。每个连接设置里存在一个通信量子比特(紫色),量子比特能够与其相邻的节点产生纠缠。
尽管如此,在网络中安全地移动量子数据的应用前景非常巨大,美国政府绝不想置身之外。
美国能源部曾在2020年里制定过一个“蓝图战略”,旨在开发一个国家量子互联网。
能源部部长Dan Brouillette当时表示,“美国通过构建这项新兴技术将继续努力地切实保持和扩大我们的量子能力。”
美国政府当时的声明称量子互联网“可以成为一个安全的通信网络,对科学、工业和国家安全的关键领域产生深远影响”。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。