跳到正文
世界时间EU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

关于人工智能与技术的门户事件 · 分析 · 访谈 · 技术背景

搜索
直播
›

超流氦量子比特设计、美国能源部路线图与通用门集合

萨里大学的研究人员称,他们设计出一种用超流氦构建的量子比特,计算显示其错误率可能比常规超导量子比特低约100倍。该研究发表在《npj Quantum Information》上,ScienceDaily于10月1日进行了报道。

科技分析林晓雯发布: 2026年10月2日6 分钟阅读资料来源 11
超流氦量子比特设计、美国能源部路线图与通用门集合

这一方案名为超流氦振荡器量子器件(SHOQ),使用的是不带电的超流氦-3。氦不携带电荷,因此该设计天然屏蔽了部分干扰超导电路的电磁噪声。团队在《npj Quantum Information》上的论文称,这是首个基于超流体的量子比特设计。ScienceDaily在10月1日刊登了摘要。

据ScienceDaily的报道,萨里大学混合量子系统领域的达芙妮·杰克逊研究员、该研究第一作者Priya Sharma说:“我们并非最早想到这一构想背后各个组件的人,但我们第一次把它们集成到一个微流控器件中,并算出了让器件作为量子比特工作所需的具体细节。”

Sharma补充说,数学计算表明它应当可行,下一步是制作原型。目前尚未造出原型。这一区别很重要:100倍是计算结果,不是测量结果,材料中也没有对该数字的独立复现。

八天内的三项成果,路径各不相同

萨里大学的设计是材料中9月23日至10月1日期间集中出现的若干量子计算成果之一。9月25日,ScienceDaily报道了芝加哥大学普利兹克分子工程学院、哈佛大学、石溪大学和Quantinuum的工作:他们在Quantinuum的H2处理器上使用54个量子比特,演示了由非阿贝尔任意子构建的通用门集合。论文发表在《Nature》上。团队把编织与融合结合起来,而单靠编织无法提供这些操作。

Quantinuum慕尼黑办公室董事总经理、科学负责人、共同作者Henrik Dreyer在ScienceDaily的报道中称非阿贝尔编码是“量子纠错竞赛中的黑马”。他说,这项工作首次在非阿贝尔编码中展示了通用门集合,并且容错计算原则上无需魔法态蒸馏或魔法态培育即可进行。Dreyer说,这两步是标准纠错编码中最昂贵的操作。

芝加哥大学普利兹克分子工程学院助理教授、共同作者Ruben Verresen说得更直白:“我们演示了所谓的通用门集合,意思是,如果你把信息存储在这些涌现的夸克版本中,并让它们移动,你就能完成任何你想要的量子计算。”同一篇ScienceDaily报道的日期是9月25日。

随后在9月30日,加州理工学院在《Nature》上发表了结果,测量了伊辛与三临界伊辛共形场论预言的能级,这些比值理论家计算了大约40年,却没有直接的实验确认。加州理工学院威廉·K·戴维斯理论物理学教授Jason Alicea说,这些能级“编码了关于理论本身的深刻信息”。这项工作用激光捕获的中性原子作为量子模拟器,而不是通用量子计算机。

恩德雷斯实验室研究生、共同第一作者Xiangkai Sun直白地概括了这一转变:“过去10年,人们一直在学习控制这些系统,现在我们到了可以用它们做基础物理研究的阶段。”ScienceDaily在9月30日刊登了这篇报道。

还有京都大学和广岛大学,其研究人员演示了一种纠缠测量,可以识别3光子W态,而自25年多前提出GHZ态的等效测量以来,这一能力一直缺失。通讯作者Shigeki Takeuchi说,团队“终于也获得了W态的纠缠测量,并对3光子W态做了真正的实验演示”。ScienceDaily在9月29日报道了此事。

华盛顿要的是实用性,不是量子比特数量

政策层面也在推进。费米实验室在9月27日发布了SCAC量子委员会报告,提出一条以里程碑为驱动的路径,目标是展示量子计算的科学实用性,明确目标是在2028年前实现一台具有科学相关性、经过纠错的机器,长期愿景是建立专门的量子计算用户设施。费米实验室首席技术官Anna Grassellino担任该小组委员会主席,芝加哥大学普利兹克分子工程学院的Supratik Guha担任副主席。费米实验室的说明称,报告吸收了来自国家实验室、学术界、产业界和联邦机构数百名贡献者的意见。

报告主张,衡量成功应看科学实用性,而不是硬件基准。报告列出的应用包括预测药物发现所需的分子性质、设计催化剂、模拟聚变相关材料以及模拟早期宇宙物理。美国能源部的设想是集成:把量子处理器接入混合经典-量子工作流,与其高性能计算中心和现有用户设施协同运行。

在物理与政策之间,还有一个不那么光鲜的问题。Hoang Pham Cong和Ho Viet Duc Luong于9月28日发布在arXiv上的预印本定义了感知计算的决定价值,并发现更好的感知并不总能可靠地带来更好的下游决策。作者在KITTI和nuScenes上测试已部署的单目几何,报告称,改变下游损失的升级中有34%到54%反而使结果更糟。他们写道,按漏检目标的感知增益而非决定价值在可部署信号中选择,平均使实际测试决策增益相对全廉价损失降低了7.4%。这篇论文是机器学习成果,不是量子成果,但它落在能源部路线图提出的同一个问题上:什么才算有用的输出。

商业与应用层面继续推进

10月1日,Q/C Technologies表示将与桑迪亚国家实验室的集成纳米技术中心合作,为其面向AI推理的光学处理单元开发纳米光子组件。HPCwire当天刊登了这一消息。公司执行主席Joshua Silverman说,获得CINT的光子学专长是公司开发平台过程中的“重要一步”。列出的项目目标包括非线性操作、存储、精度、光学损耗以及与电子系统的集成,这更像一份未解决问题清单,而不是产品规格。

与此同时,Quantum Space与All Points Logistics就其Prime任务签署了一份航天器处理工作订单,SpaceNews在9月30日报道。Prime是该公司Ranger和Scout平台的探路者,已完成系统集成评审,目标是在2027年下半年从范登堡太空军基地发射。Quantum Space总裁Kerry Wisnosky说,协议涵盖洁净室设施、推进剂加注服务、发射场安全与运行评审、地面支持以及运往运载火箭集成设施的运输。

材料中还有两条较早的内容,更适合当作背景而非新闻。谷歌DeepMind在9月23日介绍了它将如何为其Private AI Compute平台带来持久的加密服务器端记忆,密钥保存在用户设备上。Quanta Magazine在9月23日报道了普林斯顿化学家Gregory Scholes的工作,该工作提示复杂的经典网络可以在数学上模仿量子行为而本身并非量子,这一主张与上述硬件里程碑放在一起显得有些别扭。

在最近的八个来源中,模式是一致的:设计、模拟和门集合的推进速度,快于其中任何一个能被证明在值得解决的问题上胜过现有机器。萨里大学的100倍是本周最引人注目的数字。它也是被检验得最少的。

评论 0

资料来源

11
  1. 01This new qubit could be 100 times less error-prone in superfluid quantum computer breakthroughEN
  2. 02Quantum computing's "dark horse" just proved it can go universalEN
  3. 03Caltech physicists finally measure a quantum energy ladder predicted 40 years agoEN
  4. 04Quantum teleportation breakthrough: Scientists crack a 25-year entanglement challengeEN
  5. 05DOE releases national quantum computing roadmap following field-wide effort led by SCAC subcommitteeEN
  6. 06Q/C Technologies Collaborates with Sandia on Optical Computing for AI InferenceEN
  7. 07Quantum Space Executes Launch Processing Agreement with All Points Logistics for Prime MissionEN
  8. 08The Decision Value of Perception ComputeEN
  9. 09Advancing Private AI Compute with secure, server-side memoryEN
  10. 10Biology Might Not Be Quantum, but Its Math Is QuantumlikeEN
  11. 11AI-Defined Vehicles Push Compute, Memory, And Validation LimitsEN

本文所有数字与引语均来自下列来源,未添加来源之外的内容。

本内容由编辑部在人工智能辅助下制作完成。

林晓雯

林晓雯

人工智能、模型与技术

林晓雯负责FLASH24的人工智能、模型与技术方向,主要写科技、人工智能与模型、媒体与互联网三个领域。她习惯从论文预印本、开源代码库和厂商技术文档入手,先核对训练数据来源和评测口径,再决定是否落笔。遇到模型跑分,她会自己复现一遍小规模测试,并对照独立第三方榜单,确认数字没有注水。她常联系一线工程师和产品经理,也盯着各大会议截稿日,把不同版本的技术报告放在一起比。业余时间她玩3D打印、折腾老电脑,还关心模型从网络垃圾里学到的偏见问题,这让她对数据清洗格外敏感。她有一条原则:拿不到原始数据的性能宣称,不写。

编辑部 →

评论

0
  1. 还没有评论——来说两句吧。

写评论

评论公开展示。我们不发布辱骂、垃圾信息和广告内容。