
量子计算
-


-

April 23, 2026 April 23, 2026 By Antoine Tardif, CEO & Founder of Unite.AI, CEO & Founder of Unite.AI
Classiq 推出将量子创意转化为可执行应用程序的 AI 代理
By Antoine Tardif, CEO & Founder of Unite.AIClassiq Technologies 推出了一种新型的 AI 驱动代理层,允许用户将自然语言指令转化为完全可执行的量子应用程序。该系统旨在弥合量子软件开发中长期存在的差距,即将抽象概念转化为可以在硬件上运行的程序仍然是一个重大挑战。该版本标志着量子软件开发方式的转变,从手动、高度专业化的编码转向更自动化和结构化的开发过程。从自然语言到量子执行更新的核心是 Classiq 所描述的第一代专家级 量子 AI 代理。与其要求开发人员从头开始编写复杂的量子电路,用户可以使用简单语言定义目标或问题。然后,系统将该意图转化为结构化的量子程序,可以验证、优化和执行。这建立在 Classiq 更广泛的平台方法之上,该方法注重高级建模而非低级门操作。其系统允许用户描述量子算法的功能,而不是确切的实现,让平台处理将该意图转化为优化电路的复杂性。在实践中,这缩短了历史上漫长而脆弱的工作流程。与其手动设计电路并通过试错迭代,不同的开发人员可以在更连续的流水线中从概念转移到可执行程序。建立在模型驱动的量子栈上区别于典型的 AI 编码工具 的是底层架构。Classiq 的平台建立在模型驱动的框架之上,将量子开发视为工程而非实验。开发人员不再需要一步步编写代码,而是定义约束、目标和系统要求。然后,平台会自动探索广泛的设计空间,以生成满足这些约束的优化量子电路。这得益于 Classiq 的核心合成引擎,该引擎可以评估成千上万的可能实现,并根据因素如量子位使用、电路深度和硬件限制选择最有效的实现。由于这种基础,AI 代理不再生成自由形式的代码。它们在结构化系统中运行,确保输出是验证的、硬件感知的,并且可以在不同量子后端之间移植。结果是传统上在早期量子开发工具中缺乏的可靠性水平。平台背后的技术在底层,Classiq 将自己定位为量子开发的操作系统,而非简单的工具集。其平台将高级编程语言、编译器、IDE 和合成引擎整合为单一环境。平台的抽象层允许开发人员专注于逻辑和约束,同时系统处理电路构建。这是与早期量子编程方法的一个重大转变,早期方法需要对量子门和硬件特定优化有深入的了解。系统也是硬件不可知的,这意味着应用程序可以被设计一次并在多个量子处理器或模拟器上部署。这是在碎片化的生态系统中一个至关重要的特性,不同的硬件方法正在并行演化。通过将 AI 集成到该栈中,Classiq 启用了系统在所有这些层次上同时进行推理,从高级意图到硬件约束。一种新类别:专家量子代理这些代理的引入指向了 AI 景观中新类别的出现。这些系统不再是助手,而是能够在更高层次上推理量子系统的开发伙伴。它们被设计为在量子应用程序开发的整个生命周期中运行,包括将领域问题转化为量子模型、设计算法、优化电路和在结构化工作流中迭代。这建立在...
-

August 1, 2025 August 1, 2025 By Simon Fried, VP of Marketing and Corporate Business Development at Classiq
揭秘量子 AI:是什么、不是什么以及为什么现在很重要
By Simon Fried, VP of Marketing and Corporate Business Development at ClassiqAI 已进入一个新阶段。它不再仅仅是关于构建更大的模型或访问更多的数据。今天的竞争集中在速度、效率和创新上。公司正在寻找新的工具,这些工具可以提供技术和经济优势。对于一些公司来说,量子计算开始看起来像是一种这样的工具。量子 AI 指的是将量子计算与人工智能相结合。它提供了一种新的方法来解决机器学习、优化和数据分析中的复杂问题。虽然仍处于开发阶段,但其潜力正在吸引人们的严肃关注。2024 年的一项全球 调查发现,超过 60% 的商业领袖已经在探索或投资量子 AI。然而,大多数人也表示,他们不完全理解这项技术是什么或如何使用它。本文解释了什么是量子 AI,什么问题它可能帮助解决,以及它在近期可能产生的影响。为什么 AI 团队正在关注量子训练大型 AI 模型需要时间、能量和金钱。即使是小的效率改进也可以带来显著的节省。量子计算提供了新的方法来解决某些问题,相比经典机器更高效或更准确。例如,量子计算机可以同时执行多个计算,利用一种称为叠加的性质。这使得它们适合于解决涉及搜索大空间或优化复杂系统的问题。这些能力与许多机器学习任务(如特征选择、模型调优和数据采样)很好地吻合。虽然今天的量子机器仍在不断发展,研究人员正在找到方法将它们与经典工具相结合。这些混合系统允许 AI 团队现在测试量子方法,而不必等待完全开发的量子硬件。什么是量子 AI 和不是什么量子 AI 不是关于用量子版本替换当前的 AI 系统。它不是关于在量子硬件上运行深度学习模型。相反,它专注于使用量子算法来支持 AI 流水线的某些部分。这些部分可能包括任务,如加速优化、改进特征选择或增强从利润分布中采样。在这些情况下,量子计算机不替换现有的工具;它们支持这些工具。工作仍然是实验性的。大多数示例依赖于混合方法,其中量子和经典部分共同工作。但这些系统已经在狭窄的用例中显示出结果。当前应用开发尽管该领域是新的,量子 AI 已经在几个行业中进行了测试。这些示例使用真实工具和已发表的研究。它们还反映了量子方法最适合解决的问题类型。模型压缩和特征映射AI...
-


-
-
October 21, 2024 October 21, 2024 By Antoine Tardif, CEO & Founder of Unite.AI, CEO & Founder of Unite.AI
量子处理单元(QPUs):计算的未来
By Antoine Tardif, CEO & Founder of Unite.AI量子计算,曾经是一个理论领域,现在正在迅速转变为一个开创性的技术前沿。量子计算的核心是量子处理单元(QPUs)——量子计算机的引擎。与依赖于二进制逻辑(0和1)的经典处理器不同,QPUs利用量子力学的独特性质来处理信息,这是经典计算机无法做到的。随着量子技术的进步,QPUs将重塑行业,解决以前无法解决的问题,并解锁新的计算潜力。我们将深入探讨QPUs的工作原理、其发展的当前状态以及其在各个领域的未来影响。什么是量子处理单元?传统计算的核心是中央处理单元(CPU),它使用二进制位来表示0或1。然而,量子处理单元(QPUs)使用量子位(qubits),它可以同时存在于多个状态中,得益于两个量子特性:叠加和纠缠。 叠加允许量子位同时表示0和1,从而相对于经典位而言,大大增加了可以处理的数据量。 纠缠将量子位以这样的方式连接起来,即一个量子位的状态可以瞬间影响另一个量子位,即使它们相隔很远。 这些特性使得QPUs能够比经典计算机更快地解决复杂问题,因为它们可以同时探索多个解决方案。这张图展示了经典计算和量子计算在处理单元和计算能力方面的根本区别。QPUs的当前状态虽然量子计算仍然处于初期阶段,但近年来已经取得了重大进展。像IBM、谷歌、英特尔和Rigetti这样的公司已经开发出了可以运行专用量子算法的QPUs。例如,谷歌的Sycamore处理器在2019年展示了“量子霸权”,在200秒内完成了一项计算,而经典超级计算机需要10,000年。这些早期的QPUs,被称为噪声中间规模量子(NISQ)设备,面临着诸如量子噪声、高错误率和有限的量子位相干时间等挑战。然而,正在进行的研究使得QPUs更加稳定和可扩展,为更广泛的采用奠定了基础。QPUs的未来影响随着QPUs的不断发展,它们将对各个行业产生革命性的影响。以下是量子计算将发挥转型作用的几个关键领域:1. 制药和药物发现量子计算机将大大加速药物发现的过程,通过模拟分子结构和相互作用以前所未有的精度。今天的经典计算机难以模拟复杂分子,但QPUs可以同时分析无数配置,从而显著减少开发救命药物所需的时间和成本。2. 密码学和网络安全量子计算在网络安全领域既带来了挑战,也带来了机遇。经典加密方法,如RSA,依赖于大数的难以分解——这是QPUs可以在几分钟内解决的问题。这一威胁导致了抗量子密码学的兴起。另一方面,QPUs可以用于基于量子力学原理的更安全的加密方法。3. 优化问题QPUs将革新物流、制造和金融等行业,因为这些行业存在复杂的优化问题,例如确定最有效的交货路线或管理大量投资组合。QPUs可以同时评估多个变量,使其比经典计算机更高效地找到最佳解决方案。4. 人工智能和机器学习量子计算将极大地提高人工智能和机器学习的数据处理速度。有了QPUs,训练人工智能模型将变得指数级更快,导致更准确的预测和实时决策。量子增强的机器学习甚至可能开启通用人工智能(AGI)的门户——能够理解和学习人类可以执行的任何智力任务的机器。这张图突出了QPUs在制药、网络安全和人工智能等行业的预期影响。5. 气候建模和可持续性QPUs将在气候建模中发挥至关重要的作用,通过模拟天气模式、海洋洋流和碳循环等复杂系统来实现更高的精度。这将使气候预测更加准确,并有助于制定更好的减缓气候变化的策略。QPUs面临的挑战尽管QPUs具有巨大的潜力,但它们面临着必须克服的重大挑战。量子系统对环境因素(如温度和电磁干扰)非常敏感,这些因素会破坏计算。这种敏感性凸显了开发强大的量子错误纠正方法的重要性,以确保可靠的性能。另一个障碍是构建和维护量子系统所需的基础设施,这仍然是非常昂贵的。然而,基于云的量子计算服务已经开始出现,提供了无需拥有硬件即可访问量子系统的机会。这张图突出了QPUs开发面临的关键挑战,包括错误纠正和可扩展性。结论量子处理单元(QPUs)将重新定义计算的未来,提供解决方案来解决以前无法解决的问题。随着QPUs的发展,它们将影响从制药到金融、从人工智能到气候科学的各个行业。虽然仍然存在重大挑战,但QPUs的潜力是巨大的,它们将无疑塑造创新和技术的未来。 量子计算的时代刚刚开始,随之而来的是QPUs作为推动AGI发展的引擎。到目前为止,似乎AGI在2029年之前到来是不可避免的,就像雷·库兹韦尔在《奇点临近》中预测的那样,这将标志着一个变革性的时刻,即机器智能将与人类智能相媲美,重塑行业、社会和进步的本质。 有关为什么实现AGI如此重要的更多信息,读者应该熟悉我对AGI如何造福人类的观点。
-
-
February 20, 2024 February 20, 2024 By Antoine Tardif, CEO & Founder of Unite.AI, CEO & Founder of Unite.AI
量子增强人工智能革命性地改变了癌症药物发现:工业生成人工智能的飞跃
By Antoine Tardif, CEO & Founder of Unite.AI在药物发现方面,Zapata Computing, Inc. 与 Insilico Medicine、多伦多大学和圣裘德儿童研究医院合作,展示了量子增强生成人工智能的卓越潜力。这一合作导致了首次在量子硬件上运行的生成模型超越传统的经典模型,生成可行的癌症药物候选物。这项开创性的研究重点是开发新的 KRAS 抑制剂,这是癌症治疗中一个臭名昭著的难以攻克的目标。利用先进的生成人工智能模型在经典和量子硬件上运行,包括 16 量子比特的 IBM 设备,该团队成功生成了一百万种药物候选物。在经过严格的算法和人工过滤过程后,量子增强的生成模型产生了两个具有优越结合亲和力的分子,这些分子优于经典模型产生的分子。这一突破不仅凸显了量子计算在药物发现中的有效性,还说明了工业生成人工智能在解决复杂、特定领域挑战方面的变革作用。工业生成人工智能是一种专门的生成人工智能子类别,特别擅长解决这些复杂问题。与 OpenAI 的 ChatGPT 和 DALL-E 等通用人工智能工具不同,工业生成人工智能是为解决企业或行业内特定问题而定制的。它可以应对数据混乱、大解决方案空间、不可预测性、时间敏感性、计算约束以及对准确性、可靠性和安全性的需求。在其核心是生成模型,如 大型语言模型(LLM),这些模型从训练数据中学习以生成新的、真实的输出。这正是 Zapata AI 团队在药物发现领域开创先河的方法,利用人工智能创造开创性的解决方案。Zapata AI 的首席技术官和联合创始人 Yudong Cao...
-


-


-


-


-


-


-




