0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

国外云计算企业首次使用QPU超导芯片进行无监督机器学习训练及推理

lhl545545 来源:人民邮电报 作者:吕博 吴冰冰 2020-06-22 15:24 次阅读
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

近两年“量子计算”逐渐走入公众视野,因其天生具有海量数据存储与无与伦比的计算加速能力,有望成为下一代计算革命的缔造者。目前国内外多家云计算商业巨头、初创企业和科研机构以量子云平台服务的方式,揭开了量子计算的“神秘面纱”,在量子计算技术真正成熟之前,可提前释放量子计算的潜力,吸引越来越多的量子计算研究者、量子软件开发者和公众用户在云平台上开展科学实验、软件开发与应用探索,进而促进量子计算产业提前布局与生态的良性培养。未来随着量子计算、云计算、大数据与人工智能的深度融合,量子云计算将会成为一种新型的计算模式,有望带动整个信息产业、计算产业和互联网的全面升级。

量子计算正因其突破传统计算瓶颈的指数级计算能力,被视为第四次工业革命的引擎。从IBM宣布推出业界首个试商用量子计算样机,到谷歌声称成功实现“量子优越性”,技术的全面爆发为量子计算的产业化发展带来了更多可能性,对于大数据、云计算、人工智能和互联网更是一种激励,多学科交叉产生良好“化学反应”后,量子计算云平台应运而生,成为量子计算产业布局与生态推广的主要载体与践行者,一方面展示了云计算公司强大的超算能力,另一方面以生态共享的方式加快了量子计算领域的预研与产业化,作为交叉产业的焦点,也是量子计算潜在应用的孵化器。

仰望星空:量子计算云平台

已经起势,发展稳中有进

目前量子计算虽然在一些实验环境下取得了可喜进展,但离真正的应用仍然有很长的路要走。从理论和特定计算问题上量子计算的优越性得到验证后,人们开始探寻一种模式,可以聚集人类智慧,对量子计算关键问题进行攻坚,并共享研究成果,促进量子计算实用化早日到来。在这样的背景下,越来越多的量子计算公司、研究机构等发布了量子计算云平台,采用经典计算模拟量子计算运行的方式,对量子计算领域的诸多关键问题进行推演,意在突破量子计算的资源稀缺性和脆弱性瓶颈,最终为学术界研究和工业界研发扫清障碍。依托互联网资源,量子计算云平台为各类用户提供云端接入,对量子计算资源和成果进行开放共享,并提供各种基于量子计算的衍生服务,呈现良好的发展态势。

国外云计算企业和初创公司对量子云计算进行了提前布局,目前处于竞争加剧状态。如IBM推出20量子比特的量子云服务器,提供了完善的QiKit量子程序开发套件,并建立了完善的开源社区服务。谷歌发布了72量子比特计算机Bristlecone,开发了Cirq量子开源框架,提供了量子化学材料计算的OpenFermion-Cirq用例。初创公司Rigetti 开放了量子云服务平台,研制了19量子比特处理器QPU,并首次使用QPU超导芯片进行无监督机器学习训练及推理,展示出量子计算﹢人工智能的巨大潜力。

国内虽起步较晚,但发展势头良好,与国际先进量子云计算服务公司的差距在逐步缩小。中科院量子信息与量子科技创新研究院与阿里云在超导量子计算方向发布了11量子比特的云接入超导量子计算服务。华为发布了HiQ量子计算云服务平台和兼容ProjectQ量子编程框架。初创公司本源量子研发的本源量子计算云平台,兼具科普、教学、编程等多重功能,为高校研究者与应用开发者创造了良好的研究与科普社区。

目前量子计算云平台从物理底层、计算引擎、应用软件开发到上层应用已经具备生态雏形。在量子计算云平台上培养研究者和用户的操作习惯,引导诸多行业对“量子计算”的应用倾向,为将来计算领域的内核升级奠定生态基础,可以预见未来量子计算云平台势必会成为“量子计算”争夺的主战场。

脚踏实地:产业应用征程

尚远,诸多方面仍需加强

量子计算云平台是“量子信息”时代的排头兵,但征程尚远,迷雾未消,量子计算的技术路线、产业路线与应用路线仍存在诸多不确定性,这需要学术界和工业界共同努力推动,提高量子信息产业发展的“信噪比”。

结合量子信息产业发展的趋势与诉求,对于未来量子云计算平台的建设、发展与依托平台所开展的关键举措,本文提出如下两点建议:

一是通过量子计算云平台实现对重大科学问题的聚焦。近期谷歌“量子优越性”实验的成功,在技术与原理上验证了量子计算的威力,接下来应更加关注如何将量子计算的优势与有价值的科学领域相结合,帮助人类加速解决一部分经典计算很难解决甚至无能为力的问题。依托量子计算云平台,可找到有价值的科学问题,并对症下药地设计好相应的算法,完成计算任务,再进一步探讨商业价值。因此在量子计算云平台上,建议首先实现量子智能的模拟开发和科学问题的求解,扫清理论障碍,待时机成熟之时,平滑演进到“专用”甚至“通用”的量子计算领域,完成从学术问题到工程问题的转化。

二是依托量子计算云平台,培养对接未来量子产业的量子工程师和科技人员。对于年轻而茁壮发展的量子计算而言,当前跨学科人才的缺乏同样亟待解决,如设计量子算法要求科学家对问题有较为深刻的理解与知识储备,而最终制造可复制、能够稳定完成容错计算的设备,则需要芯片制造半导体工程师们以及新一批量子信息工程师的贡献。当前美国已经将量子信息人才培养上升到国家战略层面,如2019年9月24日在白宫举行的量子信息与计算科学峰会上发布的《国家量子信息科学战略概览》,明确提出要鼓励学术界和产业界共同合作培养出未来国家所需的量子专业人才,并通过各种途径普及推广量子信息科学,甚至还给教育部下达了明确的任务——“要在中小学阶段开始提供相关的量子信息科学教育”。我国要在代表未来的量子信息领域占有一席之地,同样应重视量子信息教育与人才培养。考虑到量子计算云平台具有大数据、互联网、产业应用的综合属性,不但可以为产业界赋能,也可成为学术界和教育界的助推器,因此一方面建议加大量子计算云平台“教育”与“科普”方面的软硬件投入,另一方面呼吁信息、通信、互联网和计算领域的专家,在量子计算云平台上开展跨学科、跨领域的积极交流与合作,对于“量子计算/量子信息﹢ X”这一类交叉学科不断进行教育宣贯与实践演练,“以云育人”,为国家培养量子计算与信息领域的复合型人才。
责任编辑:pj

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 芯片
    +关注

    关注

    463

    文章

    54463

    浏览量

    469640
  • 超导
    +关注

    关注

    0

    文章

    58

    浏览量

    10981
  • 机器学习
    +关注

    关注

    67

    文章

    8567

    浏览量

    137252
收藏 人收藏
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

    评论

    相关推荐
    热点推荐

    谷歌发布第八代TPU,训练推理分离,搭载自研CPU

    电子发烧友网报道(文/李弯弯)在2026年4月22日举行的谷歌Next大会上,谷歌正式发布了第八代张量处理单元(TPU)。此次发布的产品包含两款独立的芯片:TPU 8t和TPU 8i。这是谷歌首次
    的头像 发表于 04-24 09:03 6122次阅读
    谷歌发布第八代TPU,<b class='flag-5'>训练</b><b class='flag-5'>推理</b>分离,搭载自研CPU

    AI推理芯片需求爆发,OpenAI欲寻求新合作伙伴

    电子发烧友网综合报道,在人工智能迅猛发展的当下,AI推理芯片需求正呈爆发式增长。   AI推理,即支撑如ChatGPT这类AI模型响应用户问题和请求的计算过程。过去,英伟达在
    的头像 发表于 02-03 17:15 3297次阅读

    什么是企业服务器-计算

    企业服务器是指为企业提供的基于计算技术的服务器解决方案。华纳是一家
    的头像 发表于 12-29 17:57 1115次阅读

    【团购】独家全套珍藏!龙哥LabVIEW视觉深度学习实战课(11大系列课程,共5000+分钟)

    、GPU加速训练(可选) 双轨教学:传统视觉算法+深度学习方案全覆盖 轻量化部署:8.6M超轻OCR模型,适合嵌入式设备集成 监督学习:无需缺陷样本即可
    发表于 12-04 09:28

    【「AI芯片:科技探索与AGI愿景」阅读体验】+AI芯片到AGI芯片

    、分布式群体智能 1)物联网AGI系统 优势: 组成部分: 2)分布式AI训练 7、发展重点:基于强化学习的后训练推理 8、超越大模型:神经符号
    发表于 09-18 15:31

    【「AI芯片:科技探索与AGI愿景」阅读体验】+神经形态计算、类脑芯片

    功耗和并行处理信息能力。 类脑芯片的理论基础是神经形态计算,即借鉴生物神经系统信息的处理模式和结构,以人脑为蓝本、旨在构建能够像人脑一样学习、感知及决策的计算系统。 实现神经形态极端的
    发表于 09-17 16:43

    【「AI芯片:科技探索与AGI愿景」阅读体验】+第二章 实现深度学习AI芯片的创新方法与架构

    算法 5.2加速矩阵乘法的芯片架构 ①新的矩阵乘法器架构 ②基于RISC-V的矩阵乘法扩展指令集 ③用信息论的思想来减少AI推理计算量 三、用于边缘侧训练
    发表于 09-12 17:30

    一文了解Arm神经超级采样 (Arm Neural Super Sampling, Arm NSS) 深入探索架构、训练推理

    本文将从训练、网络架构到后处理和推理等方面,深入探讨 Arm 神经超级采样 (Arm Neural Super Sampling, Arm NSS) 的工作原理,希望为机器学习 (ML
    的头像 发表于 08-14 16:11 3288次阅读

    信而泰×DeepSeek:AI推理引擎驱动网络智能诊断迈向 “自愈”时代

    学习、大规模数据分析等前沿技术。DeepSeek-R1具备卓越的逻辑推理、多模态分析(文本/图像/语音)和实时交互能力,能够高效处理代码生成、复杂问题求解、跨模态学习等高阶任务。凭借其开源、高效、多
    发表于 07-16 15:29

    任正非说 AI已经确定是第四次工业革命 那么如何从容地加入进来呢?

    的基本理论。了解监督学习监督学习和强化学习的基本原理。例如,在监督学习中,理解如何通过标注数据来训练
    发表于 07-08 17:44

    大模型推理显存和计算量估计方法研究

    方法。 一、引言 大模型推理是指在已知输入数据的情况下,通过深度学习模型进行预测或分类的过程。然而,大模型的推理过程对显存和计算资源的需求较
    发表于 07-03 19:43

    机器学习异常检测实战:用Isolation Forest快速构建标签异常检测系统

    本文转自:DeepHubIMBA监督异常检测作为机器学习领域的重要分支,专门用于在缺乏标记数据的环境中识别异常事件。本文深入探讨异常检测技术的理论基础与实践应用,通过Isolatio
    的头像 发表于 06-24 11:40 1619次阅读
    <b class='flag-5'>机器</b><b class='flag-5'>学习</b>异常检测实战:用Isolation Forest快速构建<b class='flag-5'>无</b>标签异常检测系统

    边缘计算中的机器学习:基于 Linux 系统的实时推理模型部署与工业集成!

    学习如何训练模型、导出模型,并在基于Linux的系统上运行实时推理,并通过MQTT发布结果。这是一个简单但完整的流程——从工作站上的建模到在边缘设备上运行工业风格
    的头像 发表于 06-11 17:22 1169次阅读
    边缘<b class='flag-5'>计算</b>中的<b class='flag-5'>机器</b><b class='flag-5'>学习</b>:基于 Linux 系统的实时<b class='flag-5'>推理</b>模型部署与工业集成!

    在阿里PAI上快速部署NVIDIA Cosmos Reason-1模型

    NVIDIA 近期发布了 Cosmos Reason-1 的 7B 和 56B 两款多模态大语言模型 (MLLM),它们经过了“物理 AI 监督微调”和“物理 AI 强化学习”两个阶段的训练。其中
    的头像 发表于 06-04 13:43 1203次阅读

    使用MATLAB进行监督学习

    监督学习是一种根据未标注数据进行推断的机器学习方法。监督
    的头像 发表于 05-16 14:48 1632次阅读
    使用MATLAB<b class='flag-5'>进行</b><b class='flag-5'>无</b><b class='flag-5'>监督学习</b>