Google量子人工智能团队当地时间周二宣布,将开始设计和制造基于超导材料的量子信息处理器,这将使量子人工智能实验室利用自行设计的硬件进行量子计算方面的研究工作。
在量子处理器研发方面,Google与加利福尼亚大学圣巴巴拉分校的物理学家约翰•马丁尼斯(John Martinis)及其团队进行了合作。马丁尼斯是量子研究领域的领头羊,今年早些时候因在量子信息处理和计算领域的卓越成就被授予伦敦奖。
Google技术主管哈特穆特•内文(Hartmut Neven)周二在Google+上发帖称,“有了自己的硬件小组,量子人工智能团队就能制造和测试量子优化和推论处理器的新设计。”
量子人工智能实验室是Google、美国宇航局艾姆斯研究中心和高校空间研究协会在2013年联合成立的,目的是研究如何利用量子计算推动机器学习技术的发展。
量子计算机能解决传统计算机难以胜任的、不可想象地复杂的计算问题。当前的计算机中,数据是由0或1表示的。在量子计算机中,数据是由量子位表示的,可以同时是1和0。目前只有为数不多的几家公司在进行量子计算方面的研究,生产和运行量子计算机还存在物理和财务方面的障碍。
尽管Google在考虑利用自己的硬件进行量子计算方面的研究,但量子人工智能团队将继续使用D-Wave的量子计算机进行研究工作。D-Wave是世界上商业化销售量子计算机的第一家公司。内文在帖子中说,“我们将继续与D-Wave的科学家合作,在艾姆斯研究中心利用Vesuvius计算机进行研究工作。Vesuvius的处理器将被升级为1000量子位的华盛顿处理器。”
好文章,需要你的鼓励
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。
伊利诺伊大学研究团队通过对比实验发现,经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象,但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距",即生成答案的能力强于验证答案质量的能力,且模型在自我验证时无法有效利用视觉信息,为AI多模态推理发展提供了重要启示。
MIT等顶尖机构联合提出SparseLoRA技术,通过动态稀疏性实现大语言模型训练加速1.6倍,计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分,在保持模型性能的同时显著提升训练效率,已在多个任务上验证有效性。