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

萨里大学研究人员称,他们设计了一种基于超流氦的量子比特。计算显示,其错误率可能比传统超导量子比特低约100倍。该研究发表于《npj Quantum Information》,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

该方案名为超流氦振荡器量子器件(SHOQ),使用电中性的超流氦-3。由于氦不带电荷,这种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》发表的论文指出,这是首个基于超流体的量子比特设计。ScienceDaily于10月1日刊登了相关摘要。

萨里大学混合量子系统领域的Daphne Jackson研究员、该研究第一作者Priya Sharma对ScienceDaily表示:“我们并非最早思考这一构想背后各个组件的人,但我们首次将它们整合进一个微流控器件,并算出了让器件能作为量子比特工作所需的具体细节。”

Sharma补充说,数学推导表明该方案应该可行,下一步是制作原型。目前尚未有原型问世。这一区别很重要:100倍这个数字是计算结果,而非测量结果,档案中也没有任何独立复现。

八天内的三项成果,路径却各不相同

萨里大学的设计只是档案中9月23日至10月1日之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的合作。团队在Quantinuum的H2处理器上使用54个量子比特,展示了由非阿贝尔任意子构建的通用门集。论文发表在《Nature》上。他们结合了编织与融合操作,而单靠编织无法提供后者。

Quantinuum慕尼黑办公室董事总经理兼科学负责人、共同作者Henrik Dreyer在ScienceDaily的报道中称,非阿贝尔码是“量子纠错竞赛中的一匹黑马”。他表示,这项工作首次展示了非阿贝尔码中的通用门集,容错计算原则上可以不再依赖魔法态蒸馏或培育。Dreyer指出,这两步是标准纠错码中最昂贵的操作。

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:“我们展示了一个所谓的通用门集,意思是如果你把信息存储在这些涌现版本的夸克里,并让它们移动,你就能完成任何想要的量子计算。”同一篇ScienceDaily报道发布于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,测量了伊辛和三相点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,一直没有直接实验证实。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”。这项工作使用激光捕获的中性原子作为量子模拟器,而非通用量子计算机。

Endres实验室研究生、共同第一作者Xiangkai Sun把这一转变说得很直白:“过去10年,人们一直在学习控制这些系统,现在我们已经到了能用它们做基础物理研究的阶段。”ScienceDaily在9月30日刊登了这一报道。

还有京都大学和广岛大学。他们的研究人员展示了一种纠缠测量,能识别3光子W态。自25年多前提出GHZ态的等价测量以来,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

政策层面也在动。费米实验室在9月27日发布了SCAC量子委员会报告,提出一条以里程碑驱动的路径,目标是展示量子计算的科学实用性。报告明确要在2028年前造出一台与科学相关、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,成功应以科学实用性来衡量,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,以及为早期宇宙物理建模。美国能源部的设想是整合: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。

在物理与政策之间,还夹着一个不那么光鲜的问题。Hoang Pham Cong和Ho Viet Duc Luong于9月28日上传到arXiv的预印本定义了感知计算的决策价值,发现更好的感知并不一定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,报告称在改变下游损失的升级中有34%到54%反而让结果更糟。他们写道,按漏检目标的感知增益而非决策价值来选择可部署信号,平均会使实际测试决策增益比全用廉价方案时低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,能用上CINT的光子学专长是“重要的一步”,公司正在开发其平台。项目列出的目标包括非线性操作、存储、精度、光损耗以及与电子系统的集成。这更像一份未解问题清单,而不是产品规格。

与此同时,Quantum Space就其Prime任务与All Points Logistics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平台的探路任务,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、地面支持和运往运载火箭集成设施的运输。

档案里还有两条旧消息,更适合当背景而不是新闻。谷歌DeepMind在9月23日介绍了如何为其Private AI Compute平台带来持久的、加密的服务器端记忆,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。该工作表明复杂的经典网络可以在数学上模仿量子行为而本身并不是量子的,这一说法与上面的硬件里程碑摆在一起显得有些别扭。

在最近八条来源里,模式很一致:设计、模拟和门集的推进速度,都快过其中任何一项被证明能在值得解决的问题上击败现有机器。萨里大学的100倍是本周最抢眼的数字。它也是被检验得最少的那个。

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。