Shi Yaoyun: Kuantum hesaplama eninde sonunda gerçekleşecek; Duan Luming: Büyük ölçekli kuantum hesaplamanın önünde hala uzun bir yol var
Xinzhiyuan Raporu
Editör: Zhang Qian
Xin Zhiyuan Rehberi Geçen Cumartesi, Tsinghua Üniversitesi'nin "Yapay Zeka Sınırları ve Endüstri Eğilimleri" konferans serisinin dördüncü dersi açıldı. Bu konferans Alibaba Cloud Quantum Technology'nin baş kuantum bilimcisi tarafından yönetilecek. Shi Yaoyun Sahneyi şahsen ziyaret edin ve Tsinghua Üniversitesi Boğazlar Araştırma Enstitüsü Büyük Veri Yapay Zeka Merkezi'nin uzman komite üyesi, Baidu Yedi Silahşörler'den biri ve Kuwo Music'in kurucusu ile görüşün. Gök gürültüsü Öğretmen, Profesör Yao Qizhi, Tsinghua Üniversitesi Duan Luming Profesör, Kunzhong Capital'in Kurucu Yönetici Ortağı Wang Jun Öğretmenler, yapay zeka çağında teknoloji endüstrisi ve yatırım eğilimleri ve kuantum hesaplama fırsatlarının derinlemesine tartışmasına katıldı.
Lei Ming ilk olarak AI altyapısından (donanım ve platform teknolojisi) bahsetti.
Gök gürültüsü (Melek yatırımcı, Baidu'nun kurucu Seven Musketeers'tan biri, Kuwo Music'in kurucusu, Tsinghua Üniversitesi Kanal Araştırma Enstitüsü Büyük Veri Yapay Zeka Merkezi'nin uzman komite üyesi)
Donanım tarafında, Artık GPU ve TPU var. FPGA, AISC yongası ile GPU ve TPU arasındaki bir yongadır.
AISC yongası artık hızlı bir şekilde ortaya çıkmakta ve bu işlem, bilgi işlem gücünü iyileştirme ve güç tüketimini azaltma amacına ulaşmak için bazı özel uygulama senaryolarını ve çip üzerindeki görme ve dil gibi teknik yöntemleri sağlamlaştırmaktadır.
Sinir ağı yongaları için de bir yön vardır, bu alandaki ilerleme henüz uygulama seviyesine ulaşmamıştır.
Ayrıca, ticarileştirme aşamasında optik hesaplama olabilir.Şimdi MIT ve Birleşik Krallık'taki bazı profesörler tarafından yapılan optik hesaplama şirketleri, teorik olarak GPU'dan yüzlerce kat daha yüksek olabilen yapay zeka hesaplamasını hızlandırmak için ışığı kullanarak finansman sağlıyor.
Diğeri ise bugün bahsedeceğim kuantum hesaplama.
Kuantum hesaplama: Genel hesaplamada bir atılım gerçekleştirildiğinde, bilgi işlem başka bir yeni düzeye yükseltilecektir.
Yukarıdakiler donanım kısmıdır.
Platform kısmı, TensorFlow, Caffe ve Amazon ve Google gibi AI bulut bilişim platformları dahil.
Donanımın uygulama geliştirmesi aşağıdadır:
NVIDIA, endüstriyel uygulamalarda öncülük etmek için GPU'ya güveniyor ve lider bir rol oynuyor; Google, Intel vb., Zaten belirli bir ölçüde uygulanmış olan zorlukları başlatmaya devam ediyor. Özellikle bulutta konuşlandırılan Google TPU, bir çok hesaplama yapılırken birçok uygulamanın birim veri eğitimi maliyeti GPU'dan daha ucuz olabilir.
Ayrıca ASIC de çok hızlı gelişen bir alandır.
Genel amaçlı çip CPU'larına ek olarak, ARM gibi birçok üreticinin uçta yüksek performanslı, özel çip pazarlarına sahip olduğunu biliyoruz ve bu ASIC'lere karşılık geliyor. Yüz tanıma ve ses gibi bazı yerel özel veri işlemleri ASIC çözümlerini kullanmaya başladı. Bazı yerli çip şirketleri, özellikle de başlangıç şirketleri, çoğunlukla ASIC çözümlerini kullanıyor.
Gelecekte, optik hesaplama ve kuantum hesaplama henüz ticari olarak piyasaya sürülmedi. Gelecekte bir atılım gerçekleştirildiğinde, ölçülemez olacaktır.
AI bilgi işlem yazılımı altyapısının geliştirilmesi:
Açık kaynaklı AI bilgi işlem platformu oldukça rekabetçidir , İnternet şirketleri ve dünya çapında sıralanan teknoloji şirketleri, neredeyse tümünün herkesin kullanımına açık dahili yapay zeka açık platformları var.
AI bulutlaştırma ilerliyor . Bulut bilişim pazarı, Amazon, Google, Microsoft ve Ali dahil olmak üzere artık çok hızlı büyüyor.
Bulutun kendisinde veri var. Yapay zeka işlevleri doğrudan buluta eklenirse, daha organik olarak entegre olur mu? Gelecekte ToB çözümleri, bulut ve AI entegre edilecek mi, yoksa bulut bulut mu ve AI AI mı? Belki gelecekteki geliştirme sürecine bakmalıyız, ancak şimdi, algoritma gereksinimlerine ve kullanım sırasındaki özelleştirmenin yoğunluğuna bağlı olarak AI ve bulutu doğrudan birleştirmek veya iki çözümün bir arada var olması çok mümkün. Bu nedenle, ben şahsen AI + bulutun gelecekte standart hale geleceğini düşünüyorum.
Yapay zeka aracı tabanlı girişimler . Birden fazla AI aracı sağlayın (AI bulutu ile rekabet edin).
AI hizmeti başlangıcı . Ana ToB, şirketlerin pratik sorunları çözmek için AI kullanmasına yardımcı olur.
Yeni başlayanların toB çözümleri yapmasındaki en büyük zorluk, az önce bahsedilen AI + bulut hizmeti sağlayıcılarıdır. Birçok B-uç şirketi, verileri depolamak ve uygulama hizmetlerini kullanmak için genel ve özel bulutları kullanır.
Şu anda, hizmetleri sağlayacak bir üçüncü taraf (başlangıç şirketi) varsa, ancak entegrasyonu ve verimliliği devlerinki kadar iyi değilse, o zaman B tarafındaki şirketlerin (tercihen devler) bir değiş tokuşu olacaktır. Yalnızca özel ihtiyaçları olan bazı B-uç şirketleri, bazı özel özelleştirilmiş hizmetler yapacak başlangıç şirketleri bulacaktır.
AI'nın ToB girişimciliğinin birçok fırsatı vardır, ancak aynı zamanda derin düşünmeyi de gerektirir. Devlerin yapay zeka, bulut ve çip gibi entegre çözümleri var ve yeni başlayanlar ile devler arasında oyunlar olacak.
Ardından Profesör Shi Yaoyun'a zaman verin.
Shi Yaoyun Alibaba Cloud Baş Kuantum Bilimcisi
Profesör Yaoyun Shi'nin ders konusu: "Kuantum Hesaplama"
Kuantum hesaplama nedir?
Kuantum hesaplama = kuantum fiziğinin klasik olmayan özelliklerini kullanan hesaplamalar, Klasik hesaplamalardan en büyük farkı budur.
İlk önce bilgi işlem geçmişini inceleyin.
Atalarımız ilk hesap makinesini (makineyi) icat etti - abaküs. 1940'larda ve 1960'larda vakum tüpü tabanlı bir bilgisayar ortaya çıktı. 1950'lerde Transistör ortaya çıktı. Mevcut teknoloji, 1970'lerde ortaya çıkan VLSI'ye dayanıyor.
Hesaplamaların tarihçesi hakkında konuşmanın amacı, bu kadar çok farklı hesaplamanın özünde hiçbir fark olmadığını ve hepsinin Turing makinelerine eşdeğer olduğunu vurgulamaktır.
Burada Turing makinesi hakkında konuşalım.
Turing makinesi çok soyut ve basit bir matematiksel modeldir. 1930'larda hesaplamanın ne olduğu sorulduğunda cevaplama için farklı modeller vardı ve Turing makinesi de bunlardan biriydi.
Klasik bilgisayarlar Turing makinelerine eşdeğerdir ve adımlar açısından bir fark yoktur.
1970'lerde insanlar hesaplamaların karmaşıklığıyla ilgileniyorlardı ve tüm hesaplama modellerinin Turing makineleri tarafından etkin bir şekilde simüle edilebileceğini keşfettiler. Böylece insanlar sonuca vardı: Turing makinesi tüm hesaplamaları hızlı bir şekilde simüle edebilir.
Bu nedenle, bir sonuç çıkarın:
Güçlü Kilise-Turing Tezi: Turing makinesi tüm bilgisayarları hızlı bir şekilde simüle edebilir.
1980'lerde, birkaç kişi bağımsız olarak kuantum hesaplama fikrini önerdi. Daha ünlülerinden bazıları Richard Feynman (Richard Phillips Feynman).
Feynman, bir konuşmasında analog kuantum sistemlerinin klasik bilgisayarlarda uygulanmasının zor olduğunu ve kuantum bilgisayarların daha iyi olduğunu belirtti.
Kuantum sistemlerini simüle etmek hala kuantum hesaplamanın ana motivasyonudur.
Örneğin, malzeme bilimi ve batı tıbbı keşfi Bu endüstriyel araştırma yöntemlerinin her ikisi de analog kuantum sistemleri kullanır.Bu iki alan aynı zamanda gelecekteki uygulamalar için olası senaryolardır.
1994'te Peter Shor, bir makalede asal sayı ayrışımı ve doğal logaritma için bir kuantum algoritması önerdi.
Giriş ölçeği büyük olduğunda, klasik algoritmanın adım sayısı anlamlı bir sürede tamamlanamayacak kadar büyüktür. Peter Shor, bir kuantum bilgisayar varsa, pratikte hesaplanması beklenen adım sayısının büyük ölçüde azaltılabileceğini buldu.
Bu iki algoritma neden önemlidir? Çünkü yaygın olarak kullanılan iki genel anahtar şifreleme sistemini, RSA ve Deffie-Hellman'ı kırabilir.
Kuantum hesaplamanın ortaya çıkışı doğrudan Güçlü Kilise-Turing Tezi yapar Meydan okudu Çünkü şu anda klasik bilgisayarlarla kuantum hesaplamayı nasıl hızlı bir şekilde simüle edeceğimizi bilmiyoruz.
Kuantum hesaplama = nihai bilgi işlem (birinci bölüm), Spesifik kuantum hesaplama nedir?
Klasik bit 0 veya 1'dir.
Rastgele bitler, 0 ve 1'in olasılık dağılımıdır.
Bir kübit, 0 ve 1'in doğrusal bir kombinasyonudur, ancak katsayılar pozitif veya negatif olabilir.
Klasik bit, düz bir çizgi üzerindeki bir noktadır ve bir kübit durumu, bir daire üzerindeki bir noktadır.
N klasik bit, 2 N'inci güç olasılığına sahiptir; N rastgele bit, 2 N'ninci olası olasılık dağılımıdır; N kübit, bu klasik durumların 1 uzunluğunda doğrusal kombinasyonlarıdır.
Kuantum işlemi Uzunluğu koruyan doğrusal bir dönüşümdür.
Kuantum bilgisi bir vektörde saklanır.Kuantum bilgisinden klasik bilgi elde etme işlemine ölçme İşte projeksiyon ölçümü adı verilen basit bir ölçüm.
Projeksiyon ölçümü yaparken, mevcut vektörü (yeşil) temel vektörün birkaç yönüne (kırmızı) ayırmaya eşdeğerdir. Rastgele bir temel vektöre karşılık gelen sonucu gözlemleyeceğiz ve karşılık gelen olasılık, projeksiyon uzunluğunun karesidir.
Geometri bize, geçerli vektör uzunluğunun karesinin, tüm bileşen vektörlerinin kare uzunluklarının toplamına eşit olduğunu söyler.
Bu, kuantum durumunu temsil eden vektörün uzunluğunun 1 olduğunu şart koştuğumuzdur, çünkü karşılık gelen tüm olasılıkların toplamı, 1 olması gereken orijinal vektörün uzunluğuna eşittir.
Depolamadan, temel işlemlerden, ölçümden ve okumadan vb. Bahsetmiştim, kuantum hesaplamanın temel modelini, devre modelini bir araya getirdim.
Şekildeki her satır, klasik 0, 1 girişine başlatılan bir kübite karşılık gelir ve ardından, ilgili doğrusal uzayda uzunluğu koruyan doğrusal dönüşümü gerçekleştirmek için birkaç kübit seçeceğiz. Bu temel bir " Kuantum kapısı "(Kuantum kapısı).
Algoritma devre tarafından ifade edilir ve devre algoritmayı ifade eder. Son temel işlemi hesapladıktan sonra bu kübitleri ölçeceğiz.
Kuantum hesaplama neden klasik hesaplamadan daha hızlıdır?
Aşağıda deterministik algoritmalar, rastgele algoritmalar ve kuantum algoritmaları karşılaştırılmaktadır.
Deterministik algoritma Bu "Tek Yönlü Sokak", bir sonraki adım için algoritma sabittir; rastgele algoritma, yazı tura atmaya benzer şekilde çatallanır, ancak bir düğüm (vektör) yanlışsa, sonraki düğümler anlamsız olacaktır (şekilde kırmızı noktalar) .
Rastgele algoritma Hesaplama sırasında yazı tura atmaya ve farklı sonuçlara göre yolları seçmeye eşdeğerdir.Rastgele algoritma birçok farklı yola girebilir.Tüm algoritmada hata yapma olasılığı yanlış düğümün olasılığının toplamıdır. Her olasılık, negatif olmayan bir sayıdır ve hatalar birikir.
Kuantum algoritması Rastgele bir algoritmaya çok benzer şekilde, birçok farklı yola sahip olabilir, ancak son düğümün ağırlığı pozitif veya negatif olabilir ve pozitif + negatif, 0 olabilir. Şekildeki kırmızı vektör, yanlış temel vektörüne karşılık gelir. Bir araya geldiklerinde sinyaller çok küçüktür ve birbirini götürürken, doğru sonucu veren yeşil vektörler toplanır ve birbirini güçlendirir.
On yıldan fazla bir süredir teori öğretiyorum ve aniden bir soru buldum: Kedi ve köpeklerin beyinleri neden genel hesaplamalar yapamıyor? Neden bir Turing makinesi gibi toplama, çıkarma, çarpma ve bölme yapamıyoruz?
Cevabın evrim teorisinde olduğunu düşünüyorum: Evrimleri sırasında bu gereksinime sahip değillerdi.
Teknolojik gelişmeyi yönlendiren de taleptir. Kuantum hesaplamanın itici gücü nedir?
Kuantum hesaplamanın itici gücü = fiziksel simülasyon + kırma kodu + AI / büyük veri
Yapay Zeka / Büyük Veri, fiziksel simülasyondan (1981'de önerilen) ve şifrelerin kırılmasından (1994'te önerilen) sonra en son itici güç haline geldi.
Makine öğreniminin itici gücü = veri + bilgi işlem gücü ve kuantum yapay zeka, yapay zekayı bilgi işlem gücüyle geliştirecek.
Bu iyileştirme için en az iki yol vardır: Birincisi, Gibbs örneklemesi ve doğrusal denklemleri çözme gibi AI yaygın olarak kullanılan hesaplamaları hızlandırmak için kuantum algoritmaları kullanmaktır.
Diğer bir yol, klasik modeller kullanılarak benzer kaynaklarla gerçekleştirilemeyen kuantum modellerini kullanmaktır. Kuantum modeli.
Tam yığın kuantum hesaplama 4 seviyeye bölünmüştür. Alt katman kuantum işlemcisidir (nihai kuantum fiziği deneyi).
Şu anda, üç tür kuantum işlemci vardır, ilk tür Süperiletken Kuantum hesaplamayı gerçekleştirmek için, düşük sıcaklıkta gerçekleştirilmesi gerekir, IBM, Google, Intel vb. Hepsi bu alanda.
Diğeri ise topolojik kuantum hesaplama, Microsoft bu yönde araştırmalar yapıyor. Kısa bir süre önce Microsoft araştırmacıları, melek parçacıklarının varlığına dair güçlü kanıtların keşfini duyurdular - Majorana fermiyonu.
Diğeri ise iyon tuzakları. Amazon'un yatırım yaptığı şirketler şu anda bu tür araştırma yöntemlerini kullanıyor.
Temel işlemcinin üstünde kuantum yazılımı, algoritması ve uygulama seviyesi bulunur.
Yazılım katmanı: C # Microsoft, QASM ise IBM
Algoritma katmanı: Kuantum algoritma tasarımının temel ilkeleri hakkında çok az şey biliyoruz; araştırma çalışmalarının çoğu kombo boks. Elbette güzel bir kombinasyon yumruk yapmak da zordur.
Uygulama katmanı: Malzemeler, kuantum kimyası, makine öğrenimi, optimize edilmiş kombinasyon vb.
Son olarak Shi Yaoyun, kuantum hesaplamanın aşırı hesaplamayı çalıştığını ve aşırı fiziğin farkına vardığını söyledi.
Sırada Profesör Duan Luming tarafından paylaşılan "Kuantum Hesaplama ve Yapay Zeka" var.
Duan Luming (Fermi Başkanı Profesör, Michigan Üniversitesi, ABD Qizhi Yao Kürsüsü Profesörü, Tsinghua Üniversitesi Amerikan Fizik Derneği Üyesi)
Profesör Duan ilk olarak kuantum bilgisayar uygulamalarının birkaç alanını tanıttı:
-
Bilgi güvenliği (açık anahtar sistemi vb.)
-
Kuantum simülasyonu (yeni materyallerin simülasyonu, moleküler ilaçlar vb.)
-
Kuantum optimizasyonu (sistem optimizasyonu vb.)
-
Kuantum yapay zeka
Kuantum yapay zeka için öncelikle yapay zekanın geliştirilmesinden yararlanın.
Kuantum bilgisayarlar otomatik paralellik sağlayacak ve kuantum hesaplama donanımı ile kuantum öğrenme algoritmalarının birleşimi üstel hızlandırma sağlayabilir.
Birkaç yıl önce, NASA ve Google ortak bir kuantum yapay zeka laboratuvarı kurdu ve Microsoft ayrıca bir kuantum yapay zeka araştırma merkezi kurdu.
Kuantum makine öğrenimi neden muazzam bir hızlanma sağlayabilir? Artık sezgisel teknikler, kuantum Fourier dönüşümü ve kuantum faz tahmini yoluyla üstel hızlı matris işlemlerini içerir.
Algoritmada bazı sezgisel ilerlemeler de var. MIT tarafından önerilen kuantum destek vektör makinesi / ana bileşen analizi dahil, derin öğrenme algoritması değil, daha klasik bir algoritmadır, ancak belirli koşullar altında kuantum üssel ivme elde etmek mümkündür.
Ek olarak, kuantum tanıma analizi de dahil olmak üzere algoritmalar üzerinde bazı araştırmalar yaptık.
Az önce bahsettiğim gibi, belirli koşullar altında üstel hızlanma elde etmek mümkündür. Özel durum nedir?
Kuantum RAM (rastgele erişim belleği) gerçekleştirilebilirse, büyük verileri kuantum haline dönüştürebilir, böylece çıkarma sürecinde üstel hızlanma ve paralel kuantum erişimi gerçekleştirilebilir.
Kuantum RAM uygulamasında birçok düğüm vardır.Bu düğümlere "kuantum yönlendiriciler" denir. Kuantum yönlendiricilerin fiziksel olarak gerçekleştirilmesi çok zordur.
Yöntemimiz, klasik üretken modeller dahil olmak üzere kuantum üretken modelleri kullanmaktır.
Tüm bu modeller prensipte kuantum modellerinin özel durumlarıdır.Neden kuantum modellerine doğru hareket ediyorlar, çünkü kuantum modelleri üretken modellere dayalı makine öğrenimi algoritmalarını daha güçlü hale getirecek ve bazı durumlarda katlanarak hızlandırılacak.
Kuantum bilgisayarları gerçekleştirmenin yolları şunları içerir:
-
Süper iletken kuantum bilgisayar
-
İyon kuantum bilgisayarı
-
Elmas beyaz spin kuantum hesaplama
-
Kuantum nokta kuantum hesaplama
-
Atomik kuantum hesaplama
-
Foton kuantum hesaplama
-
Topolojik kuantum hesaplama
Süperiletken sistemler ve iyon sistemleri şu anda kuantum hesaplamanın bazı teknik göstergelerinde lider konumdadır.
Kuantum bilgisayarlar gerçekleştirilecekse, şu anda gelişimin hangi aşamasındadır?
Birinci aşama (mevcut aşama)
Tutarlı kontrolü ve 2-20 kübitlik kuantum mantık kapısı işlemini gerçekleştirin ve mantık geçidinin doğruluğu% 95 -% 99'dur.
Aşama 2 (Mantık kübiti / Kuantum üstünlüğü, önümüzdeki beş yıl)
En güçlü klasik bilgisayarın belirli problemler üzerindeki simülasyon yeteneğini aşan 30-100 kübitin hassas kontrolünü ve kuantum hesaplamasını gerçekleştirin.
Üçüncü aşama (kuantum devrimi, yaklaşık 15 yıl)
Bir milyondan fazla kübit ile hataya dayanıklı kuantum hesaplama elde etmek için, kuantum bilgisayarlar çeşitli alanlarda yaygın ve derinlemesine uygulanmaktadır.
Son olarak, özetlemek gerekirse, kuantum hesaplama, ikinci kuantum devrimi olarak adlandırılan çığır açan bir gelişme aşamasındadır, ancak pratik kuantum bilgisayarları gerçekleştirmek için yetenekler, teknoloji birikimi ve sermaye gibi kaynaklara ihtiyaç vardır.
Profesör Duan Luming konuşmasını bitirdikten sonra yuvarlak masa diyalog oturumuna girdi. Katılan konuklar:
-
Lei Ming, Tsinghua Üniversitesi Boğazlar Araştırma Enstitüsü Büyük Veri Yapay Zeka Merkezi'nin uzman komite üyesi
-
Shi Yaoyun, Alibaba Quantum Technology Baş Bilimcisi
-
Kunzhong Capital'in kurucu yönetici ortağı Wang Jun
-
Duan Luming, Profesör, Disiplinlerarası Bilgi Enstitüsü, Tsinghua Üniversitesi
-
Profesör Xie Yuan, California Üniversitesi-Santa Barbara (UCSB)
Wang Jun (Kunzhong Capital'in Kurucu Yönetici Ortağı)
Xie Yuan (Profesör, Elektrik ve Bilgisayar Mühendisliği Bölümü, California Üniversitesi, Santa Barbara, Yardımcı Profesör, Bilgisayar Bilimi ve Mühendisliği Bölümü, Pennsylvania Eyalet Üniversitesi)
Gök gürültüsü: Çin ve Amerika Birleşik Devletleri arasında bazı sürtüşmeler var ve donanımda bazı zorluklar var. Donanım geliştirme açısından, yongalar ile ABD arasındaki boşluk ne kadar büyük? Çin için hangi yol uygundur?
Xie Yuan: Çip etkinliği Çin Bilim ve Teknoloji Festivali'ne bir sinyal verdi: Büyük ilerleme kaydedilmiş ve dünya çapında şirketler ortaya çıkmış olsa da, CPU ve GPU gibi bazı kilit alanlarda belirli boşluklar var.Tasarımdan sürece bir boşluk var, ancak fırsatlardan yoksun değil.
Yapay zekanın üç ana unsuru olan A (AI), B (büyük veri) ve C (bilgi işlem) birbirleriyle etkileşim halindedir. C çok önemlidir. Nvidianın hisse senedi fiyatları yükselir ve AI büyük bir rol oynar. Yapay zeka donanımı doğrultusunda Çin, Kambriyen bulut makine öğrenimi işlemcisi gibi çok sayıda başlangıç şirketi üretti. Bu şirketlerin dünyada nispeten üst sıralarda yer aldığı söylenebilir, bu nedenle yapay zeka bize getiriyor Yeni fırsat .
Donanım konusunda bir boşluk olsa da Çin'in yeni fırsatları yakalayabileceği umuluyor.
Gök gürültüsü: Yapay zeka araçları veya yazılım platformları alanı gelecekte nasıl gelişecek? Yeni başlayanlar için hala fırsatlar var mı? Büyük şirketler tekelinde mi olacak?
Wang Jun: Yeni kurulan şirketler büyük ölçüde devletin iradesine dayanıyor Yatırımcılar pek iyi değil, çünkü saf VC getiri oranından dolayı yarı iletken getiri oranı iyi değil çünkü bu endüstri basit bir mesele değil. Ancak son iki yılda değişiklikler oldu ve milli takım geldi. İyi anlarsan, iyi bir şansın olacak. Bunun nispeten yeni bir trend olduğunu düşünüyorum. Daha büyük bir platformun büyük ölçekli sermayesi ve avantajları yoksa, VC çevremiz yeterince yatırım yapmayacaktır.
Ancak, artık VC çemberinde " Reenkarnasyon Örneğin, Bay Duan bir kuantum bilgisayar inşa etmek istiyorsa, sermaye önce 30 milyon yuan'ı destekliyor. Daha sonra yeni yatırımcılar gelirse, birkaç tur finansman sonrasında orijinali geri alabiliriz.
Genel olarak, kuantum hesaplama gibi temel platformlara yatırım yapmak, tüketici İnternet veya AI uygulamaları alanı ile aynı değildir.Tüketici İnternet yapmak için ürün, trafik ve dönüşüm oranı gerekir; AI uygulamaları yapmak, sorunlu noktaların çözülüp çözülmediğine bağlıdır. , Ancak temel platformlara yatırım yapmanın eşiği yüksek.
Gök gürültüsü: Shi Yaoyun ve Duan Luming'e sormak istiyorum, eğer kuantum hesaplama şimdi bir işe başlıyorsa, hissediyorum Biraz erken , Ama bu geleceğin teknolojisi, öğrencilere bazı önerilerde bulunabilir misin, bir sonraki harika şeye nasıl hazırlanılmalı?
Duan Luming: Büyük ölçekli kuantum hesaplama elde etmek için bahsettiğim 15 yıl, kısa vadede malzemeler, yapay zeka ve diğer alanlar dahil olmak üzere belirli alanlarda uygulama olmayacağı anlamına gelmiyor. Google ve Intel gibi şirketler bunu yapıyor, herkesin dikkat etmesi gereken şey bu.
Shi Yaoyun: Yapmayı önerdiğim ilk şey, Bay Duan'ın az önce ilan ettiği yaz sınıfına katılmak. Bence hiç kimse geleceği çok doğru tahmin edemez. O zamanlar kuantum hesaplama yapıyordum. 20 yılda neler yapabileceğimi hiç düşünmemiştim, tamamen bana aitti. faiz Yap. Öğrenciler ne yapmalı? İlki öğrenmektir. Sonunda, kuantum hesaplama konusunda Heyecanlı hissetmeliyiz.
On veya on beş yıl çok hızlı bir zamandır. Yaklaşık on yıl önce, klasik bilgisayarlarla kuantum devrelerinin nasıl simüle edileceğine dair bir makale yazmıştım, IBM ve Google'ın son zamanlarda kuantum bilgisayarları klasik bilgisayarlarla simüle etmek için yaptıkları algoritmalar, o dönemde ortaya koyduğum modele dayanıyor. Alibaba Cloud Quantum Lab'imiz tarafından dün (4.) yayınlanan makale de bu simülasyon çerçevesine dayanmaktadır. Daha fazla optimizasyon ve Alibaba'nın Double Eleven'ı destekleyen bilgi işlem platformunun kullanımından sonra, simülatörümüz Google'ın Mart ayındaki duyurusunu simüle edebilir. İşlemciyi yapın. Yaptığım şey yüzünden bu kadar büyük bir etki olmasını beklemiyordum.
Söylemek istediğim eğer yapabilirsen Kuantum bilişime aşık olun , Başarı şansınız çok yüksek.
Xie Yuan: Kuantum bilişim işine şimdi başlamak hala mümkün mü?
Duan Luming: Bu akım , Ama trendin iniş çıkışları var, eğer herhangi bir teknoloji başlarsa inişler ve çıkışlar olacak ama en azından çok iyi bir aşama.
Shi Yaoyun: Birçok girişimin ortaya çıktığını görmek harika. Tüm alanın ilerlemesini hızlandırın ve riskleri paylaşmamıza yardımcı olun. Artık bir virajda sollamak için bir iş kurmak kesinlikle mümkün. Akademik topluluk, yeni bit tasarımlarını ve yeni hata düzeltme ve tolerans ilkelerini keşfetmeyi üstlenebilirse, endüstri için çok iyi olacaktır. Endüstri mühendislik ve büyük ölçekli insan gücü yatırımı olduğu için, ilerlerse duvara çarpabilir. Umarım ülke, çeşitli olasılıkları keşfetmeleri için birçok bağımsız ekibi destekleyebilir ve bu da tüm alana ve tüm topluma büyük faydalar sağlayacaktır.
Gök gürültüsü: Kısaca özetleyeyim. Birincisi, kuantum hesaplama alanında gelecek yöndür, ancak girişimcilik şimdi başlamalıdır. İkincisi, hoşunuza gitsin veya gitmesin, bunda iyi olup olmadığın ve geleceğin olup olmadığı aynı zamanda düşünülmelidir. Mezun olduğumda Baidu'ya gittim. O zamanlar Baidu hala küçük bir şirketti. Tüm sınıf arkadaşlarım IBM gibi büyük şirketlere gitti. Birçok kişi Baidu'ya gitmek istemedi. O sırada Baidu'ya katıldıysanız, şansınız hala çok yüksek. Yani seçim çok önemli, yapmalıyız Gelecek trendler için kendinden emin.
Topluluğa katıl
Xinzhiyuan AI teknolojisi + endüstri topluluğunun işe alımında, AI teknolojisi + endüstrisiyle ilgilenen öğrenciler küçük bir WeChat asistanı hesabı ekleyebilirler: aiera2015_3 Gruba katılın; incelemeyi geçtikten sonra sizi gruba katılmaya davet edeceğiz. Topluluğa katıldıktan sonra, grup açıklamalarını değiştirmeniz gerekir (isim-şirket-pozisyon; profesyonel grup incelemesi katıdır, lütfen anlayın).
