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
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。