与2020年的其他科技展会一样,今年的微软Build 2020大会也将以数字在线形式召开。在本届大会上,微软着力介绍了Azure Quantum这一云服务家族新成员。
微软Azure Quantum是一套开放式全栈云量子生态系统,于2019年首次发布。Azure Quantum可帮助用户访问来自三家不同厂商的量子硬件,且支持使用微软提供的开源量子开发套件(QDK)、微软Azure经典计算机以及一款量子模拟器。略有遗憾的是,经过十余年的拓扑量子计算机研究,微软并未能取得显著成果,因此这套平台上也没有微软自家的量子计算机方案。
去年11月,微软宣布将在自家Azure云当中推出Quantum服务,今年经过筛选的客户与合作伙伴已经能够预览这套Azure Quantum平台。除了开源QDK,微软方面还在其免费在线培训平台Microsoft Learn中推出了两个新的模块。
根据微软方面的说法,根据去年对潜在量子开发群体的调查,他们对Azure Quantum进行了增强。微软在博文中向开发人员们解释称,“我们听到了大家的声音,意识到大家希望了解量子计算可能对自身业务产生的影响、希望以更简单的方式探索量子代码编写,也希望在多种经典与量子硬件之上运行自己的应用程序。在本届微软Build大会上,我们将为Azure Quantum引入新的使用体验,帮助大家轻松转型为量子开发人员。”
Azure量子开发人员们能够直接使用现有库,或者通过Q#与QDK编写算法,而后从三种不同的量子硬件技术中随意挑选并进行评估。这种丰富的资源组合可帮助开发人员轻松编写并测试量子程序,且完全不需要触及量子硬件的基础物理原理层面。
今年晚些时候,微软还将为开发人员们策划一场专门的研讨会,其中将涵盖量子计算原理、经典计算机优化算法、Q#与QDK概述以及如何创建量子算法虚拟实验室。
Azure Quantum平台
HONEYWELL QUANTUM SOLUTIONS离子阱量子计算机
Azure Quantum提供三种量子计算机选项:Honeywell Quantum Solutions、IonQ以及Quantum Computing Circuits。
Honeywell与IonQ都采用到离子阱技术,其中使用稀土金属的同位素产生离子量子比特,并利用精密激光去除原子的外层电子以形成离子。接下来,激光会将离子移动到适当的位置,并通过振荡电压场将其固定在该位置。虽然两家公司的设计思路类似,但具体计算机方案在架构方面仍存在差异。
Quantum Circuits公司(QCI)属于耶鲁大学应用物理系下辖的子公司。他们使用超导量子比特作为计算比特,这也是目前市面上最常见的量子比特实现方式。谷歌、英特尔、IBM以及Rigetti都在使用超导量子比特。这种量子比特类似于经典计算机中使用的微型电路,能够在略高于绝对零度的环境下显示出量子特性。
Azure Quantum上的混合环境
某些计算任务更适合经典计算机,但也有一部分任务能够在量子硬件上得到更好的加速处理效果。
在采访当中,Honeywell Quantum Solutions公司总裁Tony Uttley介绍了目前量子技术专家们的普遍观点。Uttley解释道,在必要时,量子生态系统终将演变为类似于Azure Quantum的混合平台;在这类平台上,经典计算机与量子计算机将携手运作以解决各类复杂问题。
Uttley还观察到,Azure Quantum允许开发人员在三台不同的量子计算机上对自己的算法进行基准测试。每台计算机的架构、保真度与连接性方面的差异,决定了硬件对叠加、纠缠与干扰等量子效应的实际使用方式。此外,根据算法的不同,这些差异可能会带来差异化的基准测试结果。
量子云服务的未来
量子计算目前仍处于发展阶段。就在几年之前,还有不少科学家怀疑量子计算永远不可能实现。但当下,怀疑的声音已经削弱了许多。根据最近的发展,量子计算机很可能在未来三到五年之内开始解决某些有意义的实际问题。
IBM公司将目前的状态称为“量子就绪”阶段。他们相信,企业需要加紧培训自己的员工,同时认真思考如何将量子计算能力整合到自己的业务流程与应用程序当中。
另外,由于大多数企业都不需要也没办法负担量子计算机带来的高昂成本,量子云服务成为他们以无缝且廉价方式获取量子计算资源的几乎唯一途径。
而当量子计算真正改变世界之后,谁行动得更早、准备得更充分,谁就将在这激动人心的量子时代占得先机。
好文章,需要你的鼓励
在我们的日常生活中,睡眠的重要性不言而喻。一个晚上没睡好,第二天的工作效率就会大打折扣,而充足的睡眠不仅能让我们恢复精力,还能帮助大脑整理和巩固当天学到的知识。有趣的是,AI模型竟然也表现出了类似的“睡眠需求”。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
尽管模型上下文协议(MCP)自11月推出以来用户数量快速增长,但金融机构等监管行业仍保持谨慎态度。银行等金融服务公司虽然在机器学习和算法方面是先驱,但对于MCP和Agent2Agent(A2A)系统的采用较为保守。监管企业通常只使用内部代理,因为其API集成需要经过多年审查以确保合规性和安全性。专家指出,MCP缺乏基本构建块,特别是在互操作性、通信标准、身份验证和审计跟踪方面。金融机构需要确保代理能够进行"了解您的客户"验证,并具备可验证的身份识别能力。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。