23:49IT之家(博客/媒体)英国投入7.5亿英镑(约67.38亿元人民币)新建的国家超级计算机在爱丁堡大学正式开工,预计明年年底完工。新超算规模约相当于一家中型超市,配备数千颗处理器,每秒可完成10亿亿次(10^18次)运算,将成为英国性能最强的计算机。该超算可用于模拟量子过程、地震、宇宙膨胀等难以在实验室直接进行的现象,并服务于量子计算研发和气候变化建模。运行时产生的余热将用于校舍供暖,未来可能接入附近住宅供暖系统。项目资金最初由保守党政府支持,工党胜选后一度被搁置,2025年6月最终获批。行业英国超算爱丁堡大学量子计算气候变化推荐理由:英国砸7.5亿英镑建超算,跑10亿亿次/秒,能模拟量子、地震、宇宙膨胀,还能余热供暖,挺有意思的大手笔。原文
09:10arXiv cs.AI@Kenya Sakka, Wataru Mizukami, Kosuke Mitarai研究人员提出一个基于大语言模型的自主智能体框架,用于迭代设计高性能量子电路。该框架包含探索、生成、讨论、验证、存储、评估和审查七个组件,形成闭环工作流,结合网络知识获取、文献批评、可执行代码生成和实验反馈。在量子机器学习特征映射和量子化学变分量子本征求解器两个任务上评估,生成的电路在图像分类基准上优于代表性量子特征映射,并在更大量子比特数时超越经典径向基函数核。在七种分子的基态能量估计中,生成的ansatz在满足约束条件下达到与化学启发式和硬件高效构造相当的精度。该工作展示了LLM驱动的智能体系统作为自动量子电路设计的可行范式。论文量子计算LLM智能体电路设计变分量子算法自动优化推荐理由:量子电路设计长期依赖人类专家,这个LLM智能体框架实现了自动化迭代优化,做量子计算或量子机器学习的研究者可以直接参考其闭环设计思路。原文
19:06AI Will@FinanceYF5精选西班牙 Multiverse Computing 的 Aizpurua 团队提出一种新方法,利用小块量子电路为预训练大模型扩容,而非堆叠参数。他们仅给 Llama 3.1 8B 模型增加约 6000 个参数(不到原模型万分之一),便使困惑度降低 1.4%。量子部分运行在 IBM 156 比特处理器上。团队表示增益尚小,但已证明该方法的可行性,为未来量子与经典模型结合提供了新思路。论文量子计算模型扩容Llama 3.1Multiverse Computing低参数优化推荐理由:这项研究为 AI 模型扩容提供了非传统路径——用量子电路替代参数堆叠,做模型压缩或效率优化的研究者值得关注,它可能开启低资源提升模型性能的新方向。原文
10:35arXiv cs.LG@Thomas Maillart, Thibaut Chataing, David Dosu, Paul Bagourd, Julian Jang-Jaccard, Alain Mermoud该研究利用 OpenAlex 中量子计算子领域的概念共现网络,构建了时间分辨的概念对关系,并追踪每个概念对的上游引用谱系和下游扩散。研究者训练 LightGBM 模型,基于分布和多样性特征预测四个结果:内源强化、外源扩散、两者比率和扩散熵。在控制整体出版增长后,内源强化在量子计算基准中几乎不可预测,而外源扩散和熵的预测性很强(R² 高达 0.78),且由上游异质性、引用广度和分布离散度驱动。在机器人、先进材料和神经植入物领域的复现验证了外源扩散是跨领域的最可预测目标(R²_test 约 0.60-0.87),而神经植入物中内源预测性显著上升(R²_test=0.83),表明量子计算的不对称性并非普遍适用。案例研究显示,熵的急剧增加对应新概念前沿的开启,而熵的崩溃则标志技术收敛或范式更替。论文概念扩散量子计算预测模型科学计量学LightGBM推荐理由:这项研究为科学预测提供了可量化的新工具,做科技政策分析、创新管理或科研方向判断的团队,可以直接用其方法识别跨领域概念扩散的早期信号。原文
03:43Satya Nadella@satyanadella精选微软宣布Majorana 2量子处理器进入工程化阶段。Majorana 1已验证了拓扑量子计算方法的物理可行性。Majorana 2将在此基础上实现大规模部署。目前微软尚未公布具体量子比特数或性能指标。AI产品MicrosoftMajorana 2Majorana 1量子计算推荐理由:微软量子芯片进入工程阶段原文
02:47IT之家(博客/媒体)78°微软发布新一代量子芯片 Majorana 2,采用全新材料栈(铅超导体+砷化铟/砷化铟锑半导体),量子比特寿命从毫秒级提升至 20 秒以上,可靠性提升 1000 倍。这一突破得益于 Discovery 智能体 AI 的辅助设计。微软因此将实用量子计算机原型的目标时间缩短一半,计划在 2029 年推出。该进展标志着拓扑量子计算从理论走向工程化的重要一步。AI产品量子计算Majorana 2微软拓扑量子比特芯片推荐理由:量子计算从业者和关注硬件突破的读者值得关注——Majorana 2 将量子比特寿命从毫秒级拉到秒级,拓扑方案离实用又近了一大步,微软 2029 年目标也更具说服力。原文
10:36@hebbia@hebbia联邦资金正在放大现有的量子计算建设,IBM持续的研发投入现在得到了华盛顿的支持。这一举措将加速量子计算技术的商业化进程,IBM作为行业领导者将受益于政策与资金的双重推动。量子计算在药物研发、材料科学等领域的应用前景更加明朗。行业量子计算IBM联邦资金研发投入行业政策推荐理由:量子计算赛道迎来政策与资金双重利好,IBM的研发投入获得联邦背书,关注量子计算进展的投资者和科技从业者值得一看。原文
14:06IT之家(博客/媒体)83°西蒙斯基金会弗拉蒂龙研究所与波士顿大学在《科学》发表研究,用传统计算机成功模拟了此前被认为只有量子计算机才能解决的量子动力学问题。该研究使用张量网络、3D张量网络和信念传播算法,在笔记本电脑上即可完成部分初始计算,精度达到当前先进水平。此前,加拿大D-Wave公司曾宣称其量子退火处理器在数分钟内解决该问题,而经典超算需数百万年。新方法将量子模拟比作“压缩文件”,大幅降低了计算资源需求。这项突破不仅推翻了“量子霸权”论断,还为材料科学等领域的研究开辟了新方向。论文量子计算张量网络算法突破经典计算材料模拟推荐理由:量子计算研究者会惊讶于经典算法竟能反超量子退火——用笔记本跑出高精度结果,值得点开看方法细节。原文
02:10Google Blog: AI(博客/媒体)Google I/O 2026 的 Dialogues 舞台汇聚了行业领袖,探讨了人工智能、量子计算、机器人技术和创造力的未来。会议涵盖了从AI模型的最新进展到量子计算的实际应用,以及机器人如何与人类协作。关键讨论包括AI在创意产业中的角色、量子计算的突破性潜力,以及机器人技术的伦理问题。这些对话为技术发展方向提供了重要洞察,适合关注前沿科技的读者。行业Google I/OAI量子计算机器人创意推荐理由:想了解Google对AI、量子、机器人等前沿领域的最新战略方向?这场Dialogues舞台的精华总结值得一看,科技从业者和爱好者能从中捕捉到未来几年的技术趋势。原文
19:09Google DeepMind@GoogleDeepMindGoogle DeepMind 宣布其基于 Gemini 的编码智能体 AlphaEvolve 在过去一年中加速了多个领域的进步,包括量子计算、生物技术、物流和 Google 的 AI 基础设施。该智能体利用算法优化,从自然世界的物理规律到航运路线规划等几乎每个生活方面都有应用。AlphaEvolve 展示了 AI 在解决复杂现实问题中的潜力,标志着编码智能体从实验室走向实际应用的重要一步。AI产品编码智能体GeminiAlphaEvolve量子计算物流优化推荐理由:AlphaEvolve 将 AI 编码能力从理论推向实际产业应用,做科研、物流或基础设施优化的团队可以关注它如何加速你的工作流。原文
01:10IT之家(博客/媒体)95°中国科学技术大学潘建伟团队成功研制出“九章四号”量子计算原型机,拥有1024个量子压缩态输入和8176个模式,首次操纵3050个光子的量子态,求解高斯玻色取样问题比全球最快超级计算机快10的54次方倍。该成果发表在《自然》期刊,解决了光量子计算中光子损耗的瓶颈,通过高效光源和时空混合编码技术实现连接度立方级扩展。这标志着光量子计算在规模和复杂度上的重大飞跃,巩固了中国在光量子计算领域的领先地位。AI模型九章四号量子计算光量子中国科学技术大学自然期刊推荐理由:量子计算研究者或关注前沿科技的读者,这是光量子计算里程碑式突破——九章四号将算力提升到超经典计算机10^54倍,直接刷新世界纪录,值得深入了解其技术细节。原文
19:11arXiv cs.LG@Richie Yeung, Aleks Kissinger, Rob Cornish研究人员提出了一种基于强化学习的方法来合成全连接量子比特设备的Clifford电路。代理通过将Clifford电路的辛矩阵表示简化为单位矩阵来学习门序列。引入了对量子比特重新标记具有等变性的新型神经网络架构,该架构与大小无关,允许单一策略应用于不同量子比特数。在6量子比特基准测试中,代理在毫秒内找到接近最优的解,99.2%情况下在数秒内找到最优解。在10量子比特训练后,可扩展至30量子比特,平均双量子比特门数低于Qiskit的Aaronson-Gottesman和贪婪合成器。论文强化学习量子计算电路编译Clifford电路等变神经网络推荐理由:该方法展示了强化学习在量子电路优化中的潜力,特别是其等变性和规模无关性设计,可能降低对经典编译器的依赖,对未来量子计算编译技术具有参考价值。原文