《香港理工大学等机构研究团队开发量子微处理器芯片,用于模拟大型且结构复杂的分子光谱》

  • 编译者: 张宇
  • 发布时间:2024-09-11
  • 近日,香港理工大学的工程研究人员开发了一种新的量子微处理器芯片,用于模拟大型和复杂的分子结构。这种16量子比特的量子微处理器芯片能够对分子振动光谱进行高精度模拟,它克服了经典计算机的局限性并推动了量子化学应用的发展。这种尖端的量子微处理器可能会彻底改变材料科学和化学等领域,在模拟蛋白质结构和优化分子反应方面具有潜在应用。

    香港理工大学的工程研究人员已成功开发出一种量子微处理器芯片,用于模拟现实中的大结构和复杂分子的分子光谱,这是世界上首次取得这样的成就。准确捕捉这些量子效应需要开发精确的计算模型,模型中这些涉及量子叠加和纠缠的部分都是计算密集型的经典模型。

    该研究发表在《Nature Communications》期刊,题为“Large-scale photonic network with squeezed vacuum states for molecular vibronic spectroscopy(用于分子振动光谱的具有挤压真空状态的大规模光子网络)”的论文中。这项尖端技术使用了超出经典计算机能力的量子计算应用程序为解决复杂的量子化学问题铺平了道路。

    研究团队由LIU Ai-Qun教授领导,他是量子工程与科学领域的主席教授,也是量子技术研究所(IQT)的所长,全球STEM学者,新加坡工程院院士。与他一起的主要项目推动者是ZHU Hui Hui博士,电子与电气工程系的博士后研究员,也是研究论文的第一作者。其他合作者来自南洋理工大学、香港城市大学、北京理工大学、南方科技大学、微电子研究所以及瑞典的查尔默斯理工大学。

    Zhu博士的团队通过实验演示了一种大规模量子微处理器芯片,并引入了一种非常规的理论模型,该模型采用线性光子网络和压缩真空量子光源来模拟分子振动光谱。16量子比特量子微处理器芯片被制造并集成到单个芯片中。项目已经开发了一个完整的系统,包括用于量子光子微处理器芯片和电气控制模块的光-电-热封装的硬件集成、设备驱动程序的软件开发、用户界面和完全可编程的底层量子算法。量子计算机系统的发展为进一步的应用提供了基本的组成部分。

    量子微处理器可用于解决复杂任务,例如模拟大型蛋白质结构或优化分子反应,并显著提高速度和准确性。Zhu博士说:“我们的方法可以产生一类早期的实用分子模型,这些模拟的运行方式超越了经典计算模型的限制,并有望在相关量子化学应用中实现量子加速。

    量子技术在科学领域至关重要,包括材料科学、化学和凝聚态物理学。量子微处理器芯片作为一种极具吸引力的硬件平台,为量子信息处理提供了一种很有前途的技术解决方案。

    研究结果和由此产生的集成量子微处理器芯片为众多实际应用开辟了重要的新途径。这些应用包括解决分子对接问题和利用量子机器学习技术。刘教授说:我们的研究受到量子模拟技术对现实世界的潜在影响的启发。在我们工作的下一阶段,我们的目标是扩大微处理器的规模,并处理更复杂的应用,从而进一步促进使社会生产和行业进步。

    这个团队推动了量子技术的突破性发展,可以被认为是“游戏规则的改变者”他们利用量子计算微处理器成功地完成了分子光谱模拟这一极具挑战性的任务。他们的研究标志着量子技术及其潜在的量子计算应用的重大进步。

相关报告
  • 《香港理工大学与教育大学徐秉刚、洪福教授联合发表高性能AI芯片先进设计综述,解析能效突破、多模态处理及脑启发计算等关键技术路径》

    • 编译者:AI智能小编
    • 发布时间:2025-10-12
    • 随着人工智能模型发展到数十亿参数的规模,传统计算架构在能效、处理速度和硬件可扩展性方面面临越来越大的挑战。香港理工大学和香港教育大学的研究人员,以徐斌教授和胡红教授为首,发布了一篇关于高性能AI芯片设计的全面综述。这项研究提供了关于满足现代AI应用需求的下一代芯片技术的重要见解。 ### 为何先进AI芯片如此重要 - **能效提升**:先进的芯片设计显著降低了功耗,解决了AI计算中的“能源墙”问题。 - **多模态处理**:这些芯片通过可重构和异构架构,高效处理图像、音频、文本等多种数据类型。 - **类脑计算**:通过模仿神经结构,神经形态芯片提供低延迟、事件驱动的计算,适用于边缘AI和实时任务。 ### 创新设计和特性 - **芯片类型**:综述涵盖了多种AI芯片,包括模拟AI加速器、光子处理器、神经形态系统和量子芯片,每种芯片都针对特定的AI工作负载进行了优化。 - **功能材料**:重点介绍了新兴材料,如相变存储器(PCM)、阻性RAM(RRAM)和二维半导体,这些材料能够实现高密度、低功耗的计算。 - **集成技术**:引入了高级封装和三维集成方法,比如整体3D(M3D)和范德华层压技术,以克服缩放限制并提高系统性能。 ### 应用与未来展望 - **内存计算**:通过将存储和计算结合,这些芯片消除了冯·诺依曼瓶颈,使AI推理和训练更快且更节能。 - **边缘AI**:神经形态和异步芯片专为智能传感器、物联网和自主系统设计,提供超低功耗和实时响应能力。 综上所述,这篇综述不仅探讨了当前AI芯片技术的前沿,还展望了其未来的发展方向,特别是在解决能源效率和处理速度等关键问题上的潜力。
  • 《波士顿大学等机构研究团队首次成功在单一芯片上实现了电子-光子-量子系统》

    • 编译者:李晓萌
    • 发布时间:2025-08-18
    • 近日,波士顿大学、加州大学伯克利分校与西北大学组成的研究团队首次实现了世界首个电子–光子–量子系统级芯片,为可扩展量子技术树立了里程碑。该芯片利用标准45纳米半导体工艺,将量子光源与稳控电子线路集成在一起,能够持续、可靠地产生关联光子对(成对的光粒子)——这是未来量子技术不可或缺的关键资源。这一突破为实现可大规模量产的“量子光源工厂”芯片奠定了基础,也为由大量此类芯片协同构建的大型量子系统铺平了道路。 “量子计算、通信和传感从概念走向现实,是一条长达数十年的道路。”团队成员、波士顿大学电气与计算机工程副教授Milo? Popovi?表示,“我们的工作只是这条路上的小小一步,却至关重要——它证明我们能够在商业半导体代工厂中构建可重复、可控的量子系统。” “要把量子系统从实验室推向可扩展平台,正需要这种跨学科的协作。”西北大学电气与计算机工程教授、量子光学先驱Prem Kumar表示,“如果没有电子学、光子学和量子测量三大领域的通力合作,我们不可能完成这项工作。” 正如传统芯片靠电流驱动、光通信链路靠激光供能,未来的量子技术也需要源源不断的“量子光”资源单元才能运行。为此,研究人员在硅芯片上构建了一个由众多“量子光源工厂”组成的阵列,每个工厂的尺寸不到1毫米×1毫米。 要在芯片上产生光的量子态,必须对光子器件进行精密设计——具体来说,就是微环谐振器。为了以“成对关联光子”的形式持续输出量子光,这些谐振器必须与输入激光保持同步调谐:激光既为芯片上每一个“量子光源工厂”供能,也是产生光子的“燃料”。然而,这类器件对温度和制造公差极度敏感,稍有偏差就会失步,从而打断量子光的稳定产生。 为解决这一难题,团队构建了一套片上集成系统,能够主动稳定量子光源——也就是产生关联光子流的硅基微环谐振器。每片芯片并行集成12个这样的光源,每个谐振器都必须与输入激光保持同步,即便在温度漂移以及来自邻近器件(包括同芯片上其余11个光子对源)的干扰下,也能持续稳定地输出量子光。 “最让我兴奋的是,我们把控制回路直接嵌入芯片——实时稳定一个量子过程。”主导量子测量的西北大学博士生Anirudh Ramesh表示,“这朝着可扩展量子系统迈出了关键一步。” 作为量子光源的核心单元,微环谐振器的高灵敏度是一把双刃剑:正是凭借这种灵敏度,它们才能在极小的芯片面积内高效产生量子光流;然而,哪怕是微小的温度漂移,也会破坏光子对的产生过程。波士顿大学牵头的团队通过在谐振器内部集成光电二极管解决了这一难题:这些光电二极管实时监测与输入激光的对准状态,同时不干扰量子光的产生。芯片上的微型加热器与控制逻辑会根据监测结果持续调整谐振频率,随时补偿漂移。 “相比我们之前的工作,这次最大的挑战是把光子设计推向满足量子光学严苛要求的同时,仍严格遵循商用CMOS平台的限制。”负责光子器件设计的波士顿大学博士生Imbert Wang表示,“这使我们能够把电子学和量子光学作为一个整体系统进行协同设计。” 由于芯片内置反馈回路,可实时稳定每一个量子光源,即使温度波动或工艺偏差也能保持可预测输出——这是量子系统规模化不可或缺的前提。该芯片采用了成熟的45纳米商用CMOS工艺平台,最初由波士顿大学、加州大学伯克利分校、格芯(GlobalFoundries)以及硅谷初创公司Ayar Labs紧密合作开发;Ayar Labs源自这两所高校的研究成果,如今已成为光学互连芯粒领域的行业领先者。通过与西北大学的新合作,这一同样的制造流程如今不仅能用于AI和超级计算所需的高速光学互连,也如本研究所示,可在大规模硅平台上实现复杂的量子光子系统。 “我们的目标是证明,复杂的量子光子系统完全可以在一块CMOS芯片内构建并保持稳定。”负责芯片设计、封装与整合的加州大学伯克利分校博士生Daniel Kramnik表示,“这需要那些通常互不往来的领域进行紧密协作。” 随着量子光子系统在规模和复杂度上不断演进,这类芯片有望成为从安全通信网络、先进传感,到最终量子计算基础设施等多种技术的核心构件。 几位参与本研究的研究生作者已继续在产业界推进硅基光子与量子技术:Josep Maria Fargas Cabanillas与Anirudh Ramesh加入了光子量子计算初创公司PsiQuantum;?or?e Gluhovi?与Sidney Buchbinder加入Ayar Labs;Imbert Wang就职于Aurora;Daniel Kramnik加入Google X,并正在筹备一家硅基光子创业公司。这些职业轨迹体现了硅基光子在两方面的强劲势头:一方面用于扩展当今的AI计算基础设施,另一方面为可扩展、芯片级量子系统的长远目标铺路。 本研究得到美国国家科学基金会(NSF)资助,包括其“半导体未来”(FuSe)专项计划,以及帕卡德科学与工程奖学金和Catalyst基金支持。芯片流片由Ayar Labs与格芯(GlobalFoundries)提供。 相关研究成果发表在《Nature Electronics》期刊(DOI:10.1038/s41928-025-01410-5)。