
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
亚马逊FAR部门研究团队通过创新的"掩码比特建模"技术,突破了图像生成领域的传统认知。研究发现离散方法劣势源于信息容量不足而非技术路线缺陷,提出的BAR框架通过渐进式比特预测解决大词汇表计算难题,在ImageNet-256上创下0.99 gFID新纪录,同时实现数十倍的速度提升,为AI图像生成开启质量与效率并举的新时代。
北京大学与美团联合研究团队提出轮廓引导路径探索(OPE)方法,解决AI并行推理中的"互信息饱和"问题。通过先生成多样化策略轮廓再执行具体推理,避免多条思路重复收敛的困境。在数学推理测试中,该方法显著提升了复杂问题的解决成功率,为AI推理能力的可靠性提升提供了新的技术路径。
南洋理工大学研究团队开发了Dr. MAS训练方法,专门解决多智能体大语言模型系统的训练不稳定问题。该方法通过为每个AI智能体使用个性化的评价标准,避免了传统全局标准化导致的梯度爆炸问题。在数学推理和多轮搜索任务中,Dr. MAS显著提升了系统性能和训练稳定性,为构建更强大的AI协作系统提供了重要技术支撑。
腾讯AI实验室开发的Covo-Audio是首个真正实现端到端语音对话的7B参数大模型,能直接处理语音输入并生成自然回应。该系统突破了传统流水线式处理的局限,实现了智能与声音分离、全双工交互等创新功能,在多项基准测试中表现优异,特别是在情感理解和自然对话方面达到了新的水准,为语音交互技术的实用化和个性化应用开辟了新路径。