英特尔在《自然》杂志发表题为《检测300毫米自旋量子比特晶圆上的单电子器件》的研究论文,展示了领先的自旋量子比特均匀性、保真度和测量数据。这项研究为硅基量子处理器的量产和持续扩展(构建容错量子计算机的必要条件)奠定了基础。

英特尔打造的300毫米自旋量子比特晶圆
英特尔的量子硬件研究人员开发了一种300毫米低温检测工艺,使用互补金属氧化物半导体(CMOS)制造技术,在整个晶圆上收集有关自旋量子比特器件性能的大量数据。
量子比特器件良率的提升,加上高通量的测试工艺,让英特尔的研究人员能够根据更多的数据分析均匀性,这是扩展量子计算机的重要一步。研究人员还发现,这些晶圆上的单电子器件在作为自旋量子比特运行时表现良好,门保真度达到了99.9%。就完全基于CMOS工艺制造的量子比特而言,这一保真度设立了业界领先水平。
自旋量子比特的尺寸较小,直径约为100纳米,因此密度高于其它类型的量子比特(如超导量子比特),从而能够在相同尺寸的芯片上构建更复杂的量子处理器。英特尔使用了极紫外光刻(EUV)技术实现小尺寸自旋量子比特芯片的大批量制造。
用数百万个均匀的量子比特实现容错量子计算机,需要高度可靠的制造工艺。凭借在晶体管制造领域丰富的专业积累,英特尔走在行业前沿,利用先进的300毫米CMOS制造技术打造硅自旋量子比特。300毫米CMOS制造技术通常能够在单个芯片上集成数十亿个晶体管。
在这些研究成果的基础上,英特尔希望继续取得进展,使用这些技术添加更多互连层,以制造具有更高量子比特数和更多连接的2D阵列,并在工业制造流程中实现高保真的双量子比特门(2-qubit gates)。在量子计算领域,英特尔未来的工作重点是通过下一代量子芯片继续扩展量子器件和实现性能提升。
好文章,需要你的鼓励
清华团队开发DKT模型,利用视频扩散AI技术成功解决透明物体深度估计难题。该研究创建了首个透明物体视频数据集TransPhy3D,通过改造预训练视频生成模型,实现了准确的透明物体深度和法向量估计。在机器人抓取实验中,DKT将成功率提升至73%,为智能系统处理复杂视觉场景开辟新路径。
R语言在Tiobe 12月编程语言流行度指数中重返前十,排名第10位,占比1.96%。作为统计计算专用语言,R语言凭借在统计分析和大规模数据可视化方面的优势重新获得关注。尽管传统软件工程师对其语法和扩展性存在质疑,但R语言在大学和研究驱动行业中仍表现出色,在快速实验、统计建模和探索性数据分析领域具有独特优势。
字节跳动研究团队提出了专家-路由器耦合损失方法,解决混合专家模型中路由器无法准确理解专家能力的问题。该方法通过让每个专家对其代表性任务产生最强响应,同时确保代表性任务在对应专家处获得最佳处理,建立了专家与路由器的紧密联系。实验表明该方法显著提升了从30亿到150亿参数模型的性能,训练开销仅增加0.2%-0.8%,为混合专家模型优化提供了高效实用的解决方案。