IBM正取得量子计算的又一个里程碑进展:创下了量子计量(Quantum Volume)的新高,IBM预计,按这种速度发展,用上所谓的量子优势(Quantum Advantage)只需十年时间。
俗称“蓝色巨人”的IBM将在美国物理学会的三月会议上介绍这一科学里程碑的细节。IBM在2019年国际消费电子展上展出的旗下Q系统量子计算机引起小小轰动。另外,IBM近来在量子计算领域取得了稳步的进展。
也就是说,科技高管的量子计算购买指南可能还是需要一段时间。上文提到的量子计量是一项性能指标,用于表示量子优势的进展。量子优势指的是量子应用可为经典计算机带来实质优势。
量子计量由量子位的数目、连通性和相干时间决定的,另外量子计量也会影响到门限和测量误差、器件串扰和电路软件编译器效率。
IBM表示其Q System One拥有一个20-qubit的处理器,产生的量子计量为16,是当前IBM Q系统的两倍,IBM Q的量子计量为8。 IBM还表示,Q System One的错误率属于IBM已经测量到的最低错误率一类。
此进展虽备受关注,但真正的广泛用例仍需数年的时间。 IBM表示,量子计量需要在未来十年内每年翻一番才能真正达到量子优势。 量子优势的快速进展将加速此时间表。自2017年以来,IBM旗下量子计算机的量子计量已经翻了一倍。
量子优势一旦实现后,就会有新的应用程序、更多的涉及生态系统的应用和实际业务用例。到时候量子计算的消费仍然可能是通过云计算,因为此技术具有的一些独特特性,使得传统数据中心看上去成了很简单的系统。 IBM从2016年开始通过云服务提供量子计算技术,现在与合作伙伴一起共同寻找商业和科学用例。
ZDNet曾发过关于量子计算和经典计算之间的区别的入门文章,援引其中的两段如下:
每个经典电子计算机都是利用了电子的自然行为产生符合布尔逻辑的结果(给定任何两个特定的输入状态,输出状态是特定的)。这里的基本交换单位是二进制数字(“比特”),比特的状态是0或1。在传统的半导体里,这两种状态由晶体管内的低电压电平和高电压电平表示。
而量子计算机的结构完全不同。量子计算机寄存状态的基本单位是量子位(qubit),量子位也存储0或1状态(实际上是0和/或1)。量子计算不是通过晶体管完成的,而是通过轰击在彼此垂直的电场里的原子获得量子位,得到的结果是排列的离子,而这些离子同时又能方便且等效地分离开。在这些离子分得足够开时,绕着它们旋转的电子就成了成为量子位的本位地址。
好文章,需要你的鼓励
这篇研究提出了OThink-R1,一种创新的大型推理模型,能够像人类一样在快速直觉思维和慢速深度推理之间自动切换。研究者发现,现有推理模型即使面对简单问题也会生成冗长的推理过程,导致计算资源浪费。通过分析推理轨迹并使用LLM评判员区分冗余和必要推理,OThink-R1能根据问题复杂度动态调整思考深度。实验表明,该方法平均减少了23.4%的生成文本量,同时保持或提高了准确率,代表了向更高效、更人性化AI推理系统迈出的重要一步。
这项研究提出了SHARE,一种新型文本到SQL修正框架,它利用三个小型语言模型(SLM)协同工作,实现高效精准的SQL错误修正。SHARE首先通过基础行动模型将SQL转换为行动轨迹,再经过模式增强模型和逻辑优化模型的层次化精细化修正。研究团队还创新性地提出了层次化自演化训练策略,大大提高了训练数据效率。实验结果表明,SHARE在多个基准测试上显著提升了SQL生成准确率,计算成本仅为传统方法的十分之一,并展现出强大的泛化能力,适用于各种生成器模型和SQL方言。
这项由香港大学和南京大学等机构研究人员联合开发的双专家一致性模型(DCM)解决了高质量视频生成中的效率难题。研究团队发现扩散模型蒸馏过程中存在优化冲突:早期阶段负责语义布局与运动,后期阶段关注细节精修,两者学习动态差异显著。DCM创新性地将这两个任务分配给不同的专家模型,通过参数高效的实现方式,使模型仅需4步即可生成接近50步原始模型质量的视频,大幅提升生成速度,为实用化AI视频创作铺平道路。
这项研究介绍了QARI-OCR,一种基于Qwen2-VL-2B-Instruct模型微调的阿拉伯文字识别系统。研究团队通过三阶段合成数据训练,成功解决了阿拉伯文字识别中的主要挑战:曲线连笔特性、上下文变化的字母形状和发音符号。QARI v0.2模型创下了0.061的字符错误率和0.160的单词错误率,超越了现有开源解决方案,为阿拉伯文化遗产的数字化保存提供了重要工具。