抛开量子比特的物理学基本原理不谈,云巨头倒是对未来充满信心。
量子硬件显然还未发展成熟,但量子计算的发展步伐要比量子网络略快些许。事实上,对于超安全交易而言,量子网络已经成为一个深奥、但却极具深远意义的技术领域。而亚马逊云科技(AWS)正致力于将量子连接从实验室环境带入现实世界。
AWS一直没有推动自研量子处理器,而是通过Braket服务围绕现有量子设备和工具建立了生态系统。但之前的努力基本都针对量子计算展开,如今这家科技巨头终于将目光投向了量子网络。
除了2021年底建立的量子计算中心之外,AWS还宣布将建设量子网络中心。该公司宣称,量子网络中心的建设目的在于“解决基础性科学与工程挑战,并为量子网络开发新的硬件、软件与应用程序。”
与量子计算机一样,这些网络同样利用粒子物理学原理,特别是借由光子实现信息传输。AWS描述了早期潜在应用场景,包括对各独立量子系统进行集群化,由此实现超越传统加密的量子密钥分发——这也是美国政府目前密切关注的研究课题。
2020年,美国能源部建立起量子互联网蓝图,其中包含四大量子网络优先研究方向,用以明确当前最重要的攻坚概念:
尽管仍有未解的难题,但美国能源部表示,他们“已经获得一定进展,可以考虑从小规模实验转向建立首个全国性量子互联网设施。”
美国能源部的第三项研究领域,针对的就是功能性量子互联网的主要实现障碍之一。从本质上讲,这里指向的是量子物理学层面的一个基本问题:光子无法被放大,因此传输范围是有限的。AWS解释称,“这就意味着必须开发出特殊新技术,例如量子中继器及传感器,才能建立起全球量子网络。”
这类网络必须依赖于量子纠缠效应,但即便如此,传输范围仍无法令人满意。美国能源部在其蓝图中表示,纠缠实验的距离虽然可延伸至令人印象深刻的1200公里,但还是不足以支撑起全球互联网体系。
荷兰研究人员最近解决了量子网络中的一个基本问题——通过中间节点实现数据传输。但论文并未提及此项实验能够实现多大的传输范围。
面对一系列工程与科学挑战,AWS的量子网络中心当然得挑选出合适的切入课题,但中心建立公告中并未具体说明。亚马逊方面也未披露关于量子网络中心的未来发展计划。
好文章,需要你的鼓励
多伦多大学研究团队提出Squeeze3D压缩框架,巧妙利用3D生成模型的隐含压缩能力,通过训练映射网络桥接编码器与生成器的潜在空间,实现了极致的3D数据压缩。该技术对纹理网格、点云和辐射场分别达到2187倍、55倍和619倍的压缩比,同时保持高视觉质量,且无需针对特定对象训练网络,为3D内容传输和存储提供了革命性解决方案。
浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法,通过整合不同类型的参数高效微调技术,解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法,同时大幅降低训练参数和计算成本,为大模型高效微调提供了新的技术路径。
耶鲁、哥大等四校联合研发的RKEFino1模型,通过在Fino1基础上注入XBRL、CDM、MOF三大监管框架知识,显著提升了AI在数字监管报告任务中的表现。该模型在知识问答准确率提升超过一倍,数学推理能力从56.87%提升至70.69%,并在新颖的数值实体识别任务中展现良好潜力,为金融AI合规应用开辟新路径。
加州大学圣巴巴拉分校研究团队开发出能够自我进化的AI智能体,通过《卡坦岛拓荒者》桌游测试,这些AI能在游戏过程中自主修改策略和代码。实验显示,具备自我进化能力的AI显著超越静态版本,其中Claude 3.7模型性能提升达95%。研究验证了AI从被动工具向主动伙伴转变的可能性,为复杂决策场景中的AI应用开辟新路径。