Cnet 的 Stephen Shankland 指出，谷歌在加州 Santa Barbara 開建的新量子 AI 園區，當前已招來首批研究人員，他們將在幫助該公司建造自己的機器方面發揮巨大的作用。
谷歌研究與健康部門高級副總裁 Jeff Dean 表示，該中心的一項首要任務，就是讓作為數據處理最基本元素的量子比特變得更加可靠。
因為量子比特極易受到外界幹擾，所以糾錯技術也成為瞭必不可少的一環。此前 Jeff Dean 曾在一次簡報中透露，他們希望在未來 1~2 年內演示量子比特的糾錯技術。
據悉，作為一項被寄予厚望的技術，量子計算有望在新藥或新材料研發等復雜問題的解決上發揮重大作用。
這些問題很可能讓基於傳統計算機的解決方案陷入困境，但量子計算卻依賴於控制超小粒子的怪異物理定律。
目前多傢科技巨頭和初創企業都在這方面投下重註，隻是目前距離證明其潛力還有很長一段路要走。
谷歌母公司 Alpha 首席執行官 Sundar Pichai 在 I/O 2021 主題演講期間表示：“我們希望有朝一日，能夠制造出具有糾錯功能的量子計算機”。
目前已知的是，谷歌計劃將現實世界中的多個量子比特，組合成為一個有效的虛擬量子比特（又稱“邏輯量子比特”），兩者的比例約為 1000：1 。
此外谷歌預計需要 1000 個邏輯量子比特，才能完成更切實際的計算工作。對於目前隻有數十個量子比特的谷歌量子計算機來說，百萬級物理量子比特仍是一個相當遙遠的目標。
采用水冷方案的谷歌 TPU AI 加速器
在 I/O 2021 大會期間，Jeff Dean 還披露瞭有關谷歌 AI 加速硬件的新細節，即該公司定制的張量處理單元（TPU）芯片。
Dean 描述瞭該公司是如何將 4096 個第四代 TPU 整合到單一的 Pod 中，且其性能達到瞭第三代芯片的 10 倍。
單個 Pod 是計算能力非常強大，我們現已在諸多不同的數據中心部署瞭此類軟件，預計年底前可達到數十種。
谷歌主要借助 TPU 來開展 AI 訓練，這種計算密集型的應用可生成 AI 模型，且後續有望應用到手機、智能揚聲器等設備上。
Stephen Shankland 指出，之前的 AI Pod 采用瞭 TPU 集群的設計。但在 TPU V4 版本中，谷歌已用上快速光纖線路，因而能夠將不同的模塊組合到一起，意味著模塊的維護也將更加輕松。
Sundar Pichai 補充道，TPU V4 平臺現已可用，並將於今年晚些時候向該公司的雲計算客戶開放。
最後，谷歌還試圖通過“多任務統一模型”（MUM）技術來改進其 AI 軟件。目前該公司已針對單獨的 AI 系統進行訓練，以識別文本、語音、照片和視頻。展望未來，谷歌還將把它擴展到更廣泛的應用領域。
留言列表
