量子计算相关 AI 资讯

8月21日

10:37

官方账号arXiv cs.AI@Vincenzo Sammartino, Nathanael Denis, Roberto Di Pietro

QUASAR是一种量子经典混合架构，结合CNN频谱编码器和变分量子电路（VQC），为X波段SAR信号提供物理层认证。该方案比传统机器学习更数据高效，仅需10%的训练数据即可匹配经典基线的准确性，并在相同数据预算下提高分类准确性。在三种对抗场景下测试，QUASAR分别拒绝了89.7%、94.1%和81.3%的欺骗传输，建立了首个用于卫星星座的量子增强物理层分类器。

论文量子计算物理层认证 SAR卫星

推荐理由：QUASAR结合了量子计算和经典机器学习，在SAR卫星物理层认证方面取得了显著成果，比传统方法更高效，值得一看。

原文

8月12日

18:27

官方账号arXiv cs.LG@Eric A. F. Reinhardt, Adam J. Hauser

该论文提出软注意力机制在概率单纯形上的精确量子实现方案。注意力分数通过Hadamard测试统计获得，指数softmax与Born规则测量存在精确双射。温度参数对应重复测量次数，值聚合通过确定性列加载通道实现。所有可学习参数均为旋转门角度，组合层在无限射击极限下精确。代数核心已用Lean 4形式化验证。

论文量子计算 softmax 注意力机制

推荐理由：量子计算和注意力机制结合的新思路，把softmax映射到量子测量，数学上还挺严谨，搞量子ML的可以看看。

原文

17:52

官方账号arXiv cs.AI@Ming Yang

该论文证明了在特定AI状态追踪任务中，推理时量子协调优势的存在。研究者提出边界保持语义编译定理，将有限单向、流式或自适应因果任务映射到语义AI接口，同时保留事件顺序和过去输入访问。在匹配实体概要问答中，量子方法仅需O(log N)量子比特，而经典边界状态需要Ω(√N)比特。持续需求审计中，量子递归求解器用O(log^5 n log(1/δ))量子比特获得0.7172近似，经典单遍求解器需Ω(√n)协调宽度。稳定子潜在状态对话使用n量子比特，经典精确有限状态实现需B+M≥1/2n^2+(3/2-log2 3)n+O(1)。

论文量子计算状态追踪语义编译

推荐理由：这篇论文用数学证明了量子在状态追踪任务上的内存优势，不是跑分，是理论分离，适合想了解量子AI理论底层的朋友。

原文

8月10日

16:44

16:44IT之家（博客/媒体）

精选

合肥硅臻芯片联合中科大任希锋研究组在可编程硅光芯片上实现了基于测量的量子计算（MBQC）关键技术突破。团队首次在片上稳定生成4光子16量子比特GHZ态和单光子4量子比特簇态，其中10个量子比特经纠缠目击方法验证为真实纠缠，是光量子芯片上目前最大规模纠缠态。团队用单光子4量子比特簇态演示了Grover搜索算法，平均识别概率达0.987。该成果已以论文形式预发表于arXiv，编号2608.03012，为百万比特通用光量子计算提供了新路径。

论文 MBQC 硅臻芯片中科大

推荐理由：硅臻芯片联手中国科大做出片上16量子比特GHZ态，还拿单光子簇态跑通Grover，识别率0.987。光量子计算新路线。

原文

15:30

15:30IT之家（博客/媒体）

德国量子计算公司 SAXON Q 开放 128 量子比特系统 SXQ128 与 512 量子比特系统 SXQ512 预定。两款系统都能在室温下的标准服务器机架中运行，且无需低温冷却、真空设备或专用设施。SAXON Q 表示，其量子比特制备成功率超过 85%，保真度达到 99.92%，能效相较 GPU 有 6 到 10 倍优势。SXQ128 计划今年夏末发售，SXQ512 预计 2027 年第二季度上市。

AI产品 SXQ128 SXQ512 SAXON Q

推荐理由：SAXON Q 开放 128/512 量子比特机预定，室温、标准电源就能跑，能效比 GPU 高 6 到 10 倍。

原文

8月6日

10:12

AI Will@FinanceYF5

8月7日将举办 Frontiers Symposium，主题涵盖AI、能源与量子计算。Google首席科学家Jeff Dean将出席现场炉边对话。诺贝尔物理学奖得主Carl Wieman也会参与。Google SVP兼AI基础设施负责人Amin Vahdat同台交流。活动还设有科研导师圆桌环节。

行业 Google Jeff Dean Carl Wieman

事件专题

推荐理由：8月7日有场研讨会，Jeff Dean和诺奖得主Carl Wieman同台聊AI、能源和量子计算，还有导师圆桌。

原文

8月5日

16:06

官方一手Pandaily@contact@pandaily.com (Pandaily)

第五届CCF量子计算大会在深圳召开，中国科学院和中国工程院六位院士共同提出国家层面路线图。路线图聚焦AI赋能的量子纠错技术，并规划建设统一的量子-超算-AI基础设施。这一框架旨在让量子计算与经典超算、AI协同工作，为智能计算提供新底座。

行业量子计算量子纠错智能计算

推荐理由：六位院士在深圳画了条新路线：用AI做量子纠错，再把量子、超算、AI合成一套基础设施。和之前单点突破不一样。

原文

12:21

官方账号arXiv cs.AI@Srinivasan Arunachalam, Arkopal Dutt, Hari Krovi, Rik Sengupta

该论文证明低深度量子电路与经典语言模型之间存在无条件分离。作者构造了一个可由QNC^0电路采样的分布，任何常数轮扩散语言模型（DLM）即使允许链式思考（CoT）和输出token重掩码，也无法在常数距离内采样它。论文还给出一个由∧∘QNC^0[log log n]计算的函数，任何常数深度decoder-only transformer计算它时宽度需达到n^{Ω(1)}。

论文 QNC^0 Transformer 扩散语言模型

推荐理由：量子QNC^0能采的分布，扩散LM加CoT也采不出；Transformer要宽度n^Ω(1)才够。

原文

7月30日

19:11

19:11IT之家（博客/媒体）

精选

IBM 联合芝加哥大学、RIKEN 以及 Qedma、BlueQubit、Algorithmiq 等机构发布三篇论文，证明量子计算机可以完成超越传统计算机能力的任务，且结果可验证。其中 Qedma 与 IBM 的论文展示了利用量子计算机探索材料物理学，结果在 Quantinuum 量子计算机上得到复现。IBM 研究负责人 Gambetta 表示这标志着量子计算从性能测试转向实际科学研究。IDC 分析师指出该成果是可验证的里程碑，但量子优势不会像 ChatGPT 那样迅速改变行业。IBM 承诺 2029 年实现容错量子计算机。

行业 IBM 量子优势量子计算

推荐理由：IBM 这次拿出了可验证的量子优势，不是画饼。他们跟几家机构合作发了三篇论文，结果还能在别的量子计算机上复现，靠谱。想了解量子计算最新进展的可以看看。

原文

7月28日

14:38

14:38IT之家（博客/媒体）

AT&T 宣布扩大与 D-Wave 的合作，利用其退火量子计算技术解决网络运营的优化挑战。此前，D-Wave 技术使 AT&T 能在 15 秒内完成原需约 1 小时的网络优化负载，提速 240 倍。AT&T 计划将 D-Wave 技术集成到其智能体 AI 工具中，并探索在故障检测、路线规划等领域的应用。此外，AT&T 还在评估 D-Wave 的逻辑门型量子计算系统在量子安全方面的潜力。

行业 AT&T D-Wave 量子计算

推荐理由：AT&T 用 D-Wave 的量子计算把网络优化从 1 小时缩到 15 秒，现在还要塞进 AI 工具里，效率爆炸。

原文

7月3日

12:05

官方账号arXiv cs.LG@Srinivasan Arunachalam, Louis Schatzki

该论文研究在最多k量子比特相干量子记忆限制下，n量子比特稳定子状态的测试与学习。结果表明测试的样本复杂度为Θ(n−k)，而学习的样本复杂度非自适应时为Θ(n^2/k)。与无记忆限制时测试仅需6个副本不同，即使k=0.99n，测试也无法常数副本完成；当k=cn(0<c<1)时，测试与学习同样困难，均需Θ(n)个副本。此外，论文还证明纯化测试在允许连贯记忆时也有指数下界。

论文量子计算量子记忆 Stabilizer states

推荐理由：这篇论文揭示了相干量子记忆是实现稳定子状态测试与学习分离的关键资源，给出了精确的样本复杂度上下界，对量子计算理论研究者有启发。

原文

7月2日

14:02

14:02IT之家（博客/媒体）

三星计划在半导体光刻仿真中整合量子计算和AI，由子公司Samsung SDS推进。该项目计划2026年下半年启动技术验证，聚焦光刻工艺仿真算法。技术路径上，量子计算机负责核心运算，AI系统识别并校正量子计算中的错误。目标实现更快更准确的光刻工艺仿真，已研发部分算法，今年下半年进行POC检验。

行业三星 Samsung SDS 量子计算

事件专题

推荐理由：三星要用量子计算加AI搞光刻仿真，目标是降低成本和提升良率，追赶台积电，2026年启动验证。

原文

7月1日

09:46

官方账号arXiv cs.LG@Kung-Ming Lan

该研究指出参数化量子电路(PQCs)的巨大希尔伯特空间容量是导致贫瘠高原(BPs)（梯度指数平坦）的直接数学原因，并建立了动力学李代数(DLAs)与几何量子ML的框架。在非线性二分类任务中验证，无结构架构通过不可扩展参数化达到近完美训练精度（量子过拟合），而嵌入群论几何先验作为结构正则化器。通过将DLA增长限制为多项式级别，牺牲原始记忆能力来保证可扩展、梯度丰富的训练景观，提供了可扩展量子神经网络的“按设计可训练”路径。

论文 Quantum Machine Learning Parameterized Quantum Circuits Dynamical Lie Algebras

推荐理由：这篇论文点破了一个反直觉事实：量子模型容量越大越难训练，并给出了用对称性绕过贫瘠高原的数学方法。

原文

6月27日

23:49

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

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

6月12日

09:10

官方账号arXiv 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

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

6月8日

19:06

AI 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 3.1

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

6月3日

10:35

官方账号arXiv 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

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

03:43

Satya 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 Microsoft Majorana 2 Majorana 1

推荐理由：微软量子芯片进入工程阶段

原文

02:47

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

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

5月28日

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

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

5月23日

14:06

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

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

02:10

02:10官方一手Google 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/O AI 量子计算

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

5月14日

19:09

官方账号Google DeepMind@GoogleDeepMind

Google 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 Gemini AlphaEvolve

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

01:10

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

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

5月12日

19:11

官方账号arXiv 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

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