微软开发的一款AI智能体被认为是帮助其将商用量子计算机预计研发时间缩短一半的重要推手。
在微软年度Build 2026软件开发者大会上,微软展示了其Discovery AI智能体工具如何帮助提升下一代量子芯片Majorana 2的量子比特质量。
Discovery专为加速科学研究流程和促进协作而设计。微软量子团队表示,借助Discovery,该芯片的量子比特保持量子态的时间比第一代硬件延长了1000倍,从而实现了更可靠的计算。Majorana 2的量子比特平均寿命达到20秒,部分情况下甚至可持续长达1分钟。
研究团队重点开发拓扑量子比特,认为这类量子比特具有天然低错误率、体积小、可数字化控制等优势。微软研究人员表示,他们改进了Majorana 1的材料堆叠,以构建更稳定的拓扑相。
Majorana 2将Majorana 1使用的超导体材料铝替换为铅,同时将半导体有效区域更新为砷化铟与砷化铟锑的组合材料。微软表示,这一材料变更带来了显著的性能提升。
研究人员还指出,用于保护拓扑量子比特免受环境噪声和错误干扰的拓扑间隙,比上一代量子处理器扩大了一倍以上。
微软表示,可靠性与速度的提升以及量子比特的小型化,让团队有望在2029年前实现可规模化、具备商业价值的量子计算机。
AI助力研发加速
微软量子团队分布在多个国家,涵盖物理学、机械工程和工艺工程等多个专业领域。为支持这种跨学科研究,微软量子团队专门打造了一款AI智能体,用于整理和分析信息,并帮助研究人员更轻松地获取所需内容。
"AI能够综合来自这些不同学科的知识,"微软量子业务企业副总裁祖尔菲·阿拉姆(Zulfi Alam)表示,为研究人员提供信息获取渠道和建议。
量子团队的科学家和工程师一直在借助Microsoft Discovery中的AI智能体能力,来管理工作流程、自动化测量、优化制造工艺、发现此前未被注意到的缺陷并提出修复方案。
AI还被用于帮助研究人员理解量子研究中积累的海量数据。"当你用AI智能体处理这些数据时,它们能够重新综合并发现相关性,而我们人类无法做到这一点,因为没有任何一个人能够对如此庞大的数据拥有全面的洞察力。"阿拉姆说道。
AI的模式识别能力还被用于帮助测量量子比特状态。在微软量子芯片中,这意味着需要检测半导体导线上数十亿个电子的奇偶数状态。阿拉姆表示,AI智能体能够自动、持续地运行这一过程,构建出三维条件图谱,这是单个科学家无法以相同方式完成的工作。
"使用AI智能体来自动化测量是一个游戏规则改变者,"他说,"它经过一系列运算后会开始说:'嘿,我在哪里能找到一切都运转正常的最低点?'而且它可以并行地完成所有这些电压调整,这是人类做不到的。我们人类的思维方式更偏向线性。"
借助AI智能体所取得的进展,让微软看到了加速量子开发的可能路径。
"我们需要每年都取得进步,让我们更接近于交付一台我们相信将具有巨大商业和社会价值的计算机,"微软技术研究员谢坦·纳亚克(Chetan Nayak)表示。
"我们必须沿着这个路线图持续前进才能实现这一目标,而与去年相比,我们现在处于什么位置?我们提升了1000倍。"
谈及AI智能体在量子研究中的应用,他补充道:"AI智能体几乎渗透到了我们所做的一切——它已经成为我们工作流程中非常自然的一部分。"
"智能体能够在你希望的程度上加速推进,"纳亚克说,"它可以只是汇总和整理信息,也可以进一步对其进行综合分析或生成有趣的假设。我认为这在当下极具价值。"
Q&A
Q1:Microsoft Discovery是什么?它在量子研究中有什么作用?
A:Microsoft Discovery是微软开发的一款AI智能体工具,专为加速科学研究流程和促进跨学科协作而设计。在量子研究中,它被用于整理和分析信息、管理工作流程、自动化测量、优化制造工艺、发现缺陷并提出修复方案,同时还能帮助研究人员从海量数据中发现人类难以察觉的规律和相关性。
Q2:Majorana 2相比Majorana 1有哪些核心改进?
A:Majorana 2在多个方面实现了重大升级:量子比特保持量子态的时间比第一代延长了1000倍,平均寿命达20秒,部分可达1分钟;将超导体材料从铝替换为铅,半导体有效区域改用砷化铟与砷化铟锑的组合材料;拓扑间隙比上一代扩大了一倍以上,能更好地保护量子比特免受环境噪声干扰,整体性能显著提升。
Q3:微软计划什么时候推出商用量子计算机?
A:根据微软的规划,随着Majorana 2在可靠性、速度和量子比特小型化方面取得的进展,加上AI智能体对研发流程的加速作用,微软预计将在2029年前实现可规模化、具备商业价值的量子计算机。相比此前的预期,AI的介入已将这一时间线缩短了约一半。
好文章,需要你的鼓励
今天讲的出海案例是明阳电气,这家输配电设备公司在马来西亚投产首个海外生产基地,并以 250 万林吉特子公司承接本地制造。
阿里巴巴通义实验室与北京大学联合提出ESPO方法,让语言模型强化学习训练时能在推理走偏时及时截断,节省超20%计算资源,同步提升数学推理准确率。
Canva正式发布适用于Perplexity Computer平台的连接器,允许Perplexity桌面智能代理自主将数据和提示词转化为可编辑的Canva设计资产。用户只需通过连接器页面接入Canva,描述需求,Perplexity便可结合会议记录、业务数据及实时网络内容,自动生成演示文稿、社交媒体素材、信息图表或品牌视觉套件。该功能目前面向Perplexity Pro、Max及企业版用户开放。
NITP是上海交通大学等机构提出的大语言模型预训练新目标,通过让模型预测下一词的浅层语义表示,解决标准训练中内部表示退化问题,仅增加约2%训练开销即可提升下游任务表现。