中国科学技术大学潘建伟、陆朝阳等组成的研究团队与中科院上海微系统所、国家并行计算机工程技术研究中心合作，构建了76个光子的量子计算原型机“九章”，实现了具有实用前景的“高斯玻色取样”任务的快速求解。根据现有理论，该量子计算系统处理高斯玻色取样的速度比目前最快的超级计算机快一百万亿倍（“九章”一分钟完成的任务，超级计算机需要一亿年）。等效地，其速度比去年谷歌发布的53个超导比特量子计算原型机“悬铃木”快一百亿倍。这一成果使得我国成功达到了量子计算研究的第一个里程碑：量子计算优越性（国外也称之为“量子霸权”）。相关论文于12月4日在线发表在国际学术期刊《科学》。

潘建伟团队在《科学》期刊上发表的论文节选

潘建伟团队一直在光量子信息处理方面处于国际领先水平。年，该团队构建了世界首台超越早期经典计算机（ENIAC）的光量子计算原型机。年，团队进一步研制了确定性偏振、高纯度、高全同性和高效率的国际最高性能单光子源，实现了20光子输入60模式干涉线路的玻色取样，输出复杂度相当于48个量子比特的希尔伯特态空间，逼近了“量子计算优越性”。 　　近期，该团队通过自主研制同时具备高效率、高全同性、极高亮度和大规模扩展能力的量子光源，同时满足相位稳定、全连通随机矩阵、波包重合度优于99.5%、通过率优于98%的模式干涉线路，相对光程10-9以内的锁相精度，高效率通道超导纳米线单光子探测器，成功构建了76个光子个模式的高斯玻色取样量子计算原型机“九章”（命名为“九章”是为了纪念中国古代最早的数学专著《九章算术》）。

“九章”的部分光路结构图片来源：雷锋网

根据目前最优的经典算法，“九章”对于处理高斯玻色取样的速度比目前世界排名第一的超级计算机“富岳”快一百万亿倍，等效地比谷歌去年发布的53比特量子计算原型机“悬铃木”快一百亿倍。同时，通过高斯玻色取样证明的量子计算优越性不依赖于样本数量，克服了谷歌53比特随机线路取样实验中量子优越性依赖于样本数量的漏洞。“九章”输出量子态空间规模达到了（“悬铃木”输出量子态空间规模是，目前全世界的存储容量是）。该成果牢固确立了我国在国际量子计算研究中的第一方阵地位，为未来实现可解决具有重大实用价值问题的规模化量子模拟机奠定了技术基础。此外，基于“九章号”量子计算原型机的高斯玻色取样算法在图论、机器学习、量子化学等领域具有潜在应用，将是后续发展的重要方向。

中国量子计算机原型机图片来源：雷锋

《科学》杂志审稿人评价该工作是“一个最先进的实验”（astate-of-the-artexperiment），“一个重大成就”（amajorachievement）。研究人员希望这个工作能够激发更多的经典算法模拟方面的工作，也预计将来会有提升的空间。量子优越性实验并不是一个一蹴而就的工作，而是更快的经典算法和不断提升的量子计算硬件之间的竞争，但最终量子并行性会产生经典计算机无法企及的算力。

（以上文字来源：雷锋网）

年的第一周还没过去，AI就再次向人类发起了「挑衅」。

AI研究机构OpenAI，继去年部分开放了AI模型GPT-3并引爆整个科技圈之后，又于近期连发了DALL·E和CLIP这两个连接文本与图像的神经网络。它们刚一面世，就点燃了整个AI社区。因为人们发现有了这些神经网络，就能通过自然语言操纵视觉概念，比如，你输入「一把牛油果造型的扶手椅」，它们就能通过图像合成，「凭空捏造」出一系列的目标图像。

OpenAI最新成果图片来源：极客公园

DALL·E率先在社交网络上刷起了屏，因为人们放出了很多看起来像凭空捏造的合成图，比如「立方体状的豪猪」、「由乌龟变成的长颈鹿」和「竖琴状的蜗牛」，这些就像是超现实主义画家萨尔瓦多·达利在梦里会看到的奇异造物。有意思的是，DALL·E也正是「Dalí」和皮克斯动画形象「WALL-E」的合成词。

竖琴状的蜗牛图片来源：极客公园

DALL·E是OpenAI基于GPT-3开发的一种「用字生图」的AI。GPT-3本质上是一个自然语言处理（NLP）模型，机器就是依靠NLP理解了我们平时说的「人话」。在亿参数量基础上的GPT-3，展现出了惊人的翻译、问答和文本填空能力，写出来的新闻甚至通过了图灵测试，人们分辨不出是人还是机器写的。

GPT-3可扩展性非常强大，甚至可以用在无代码开发领域。无代码就是就是不用敲代码也可以直接生成程序，而GPT-3就是强大的无代码开发平台，只要对它输入你想要什么样的网页或者app，它就能帮你直接生成。因此，业内认为基层码农将会被AI「干掉」。

而DALL·E是GPT-3的一个小版本，使用了亿个参数。它使用的是「文本-图像对」的数据集，而非像GPT-3那样广泛的数据集。「从原理上来看，它应该就是GPT-3在文本合成图像方向上的扩展版本。」Keras创始人FranoisChollet表示。

Coursera创始人、斯坦福大学教授吴恩达还特别对OpenAI表示祝贺，并挑选了自己最喜欢的「蓝色衬衫+黑色长裤」的AI生成图。DALL·E能不能成为艺术家不敢说，但成为AI大神的着装参谋，绰绰有余。

吴恩达的Twitter图片来源：极客公园GeekPark

但DALL·E目前也存在局限，比如当人们引入更多的对象时，DALL-E容易混淆对象及其颜色之间的关联。另外，用意思相同的词重新表述指令，生成的图像也不一致。还有一些迹象表明，DALL·E只是在模仿它在网上看到的图片，而不是生成新颖的图像。

而OpenAI同期发布的CLIP（ContrastiveLanguage–ImagePre-training），则是为了加强文本和图像的关联程度而诞生的。CLIP是一个从互联网上收集的4亿对图像和文本来进行训练的多模态模型。

CLIP瞄向的，就是当前深度学习的两个「痛点」：一是数据集构建成本高昂；二是数据集应用范围狭窄。具体来说，深度学习需要大量的数据，而视觉模型传统上采用人工标注的数据集进行训练，这些数据集的构建成本很高，而CLIP可以从互联网上已经公开可用的文本图像对中自行学习；CLIP可以适应执行各种各样的视觉分类任务，而不需要额外的训练样本。

（以上文字来源：极客公园）

根据摩尔定律，集成电路上可以容纳的晶体管数目在大约每经过18个月便会增加一倍。这也意味着，半导体材料的改善对芯片性能的提升至关重要。

如今的芯片工艺制程已经来到了量产5nm，量产3nm也离我们不远了。而在这之后的2nm、1nm等更先进的工艺所需要的材料也需要更加精密。

在近期，美国宾夕法尼亚州立大学科学家在《自然-通讯》杂志上发表的一项新研究表明，他们已经成功研制出一种超薄二维材料晶体管，这将大大提高未来芯片的性能。

研究中，科学家通过使用金属有机化学气相沉积技术生长了单层二硫化钼和二硫化钨，该技术来自宾夕法尼亚州立大学的二维晶体联盟NSF材料创新平台（2DCC-MIP）。

此外，为验证新型二维晶体管的性能，科学家分析了与阈值电压、亚阈值斜率、最大与最小电流之比、场效应载流子迁移率、接触电阻、驱动电流和载流子饱和速度相关的统计指标。

科学家研制出超薄二维材料晶体管：芯片性能将获得质的提升图片来源：科技美学

目前，利用三维硅材料用于制造晶体管已经有60年左右的历史，其尺寸几乎已经达到极限。特别是在5nm工艺后，传统晶体管的性能难以提高，这使得硅在晶体管中的应用越来越具有挑战性。

因此，许多科学家一直在积极探索新技术、新工艺和新材料，发现二维材料具有内在优势。因为这些二维材料的厚度可以比目前实际使用的三维硅材料薄10倍。

达斯教授指出，经过一系列的测试证实了新晶体管的可行性，这意味着新型晶体管不仅能够让下一代芯片更快、更节能，还能够承受更多存储和数据处理性能。

也就是说，如果新材料能够投入应用阶段，那么1nm的到来速度也会比我们想象中更加快速。

（以上文字来源：科技美学）

据长江网消息，国内首台水下无线光通信设备研发成功，远通信距离达到50米，速率可达3Mbps，在20米距离时通信速率可达50Mbps，是传统水下无线通信速率的0倍。

这台设备是武汉六博光电技术公司等单位研发的，型号为LC50CCA-50/40WD双光源水下无线光通信设备，去年底完成研发，去年12月、今年1月份两次进行了水下通信试验，实现了数十Mbps通信速率和数十米通信距离的实验结果，可以在水下传输视频、图片和文字等多种信息。

传统水下无线通信主要是采用声波和水下射频，因声波频率低，通信速率只有kbps量级，不能满足水下高速通信要求。射频波可以从几十Hz到GHz，但只有在30～Hz的超低频信号才能在导电的海水中传播，因为高频信号会有很大的衰减。因此水下射频通信的调制带宽也相对较低，导致短距离内的数据速率有限。

LC50CCA-50/40WD双光源水下无线光通信设备采用的是蓝绿激光水下通信技术，它可以解决水下高速通信的瓶颈问题，适用于水下高速通信的需求，可应用于水下传感器数据采集、水下机器人等运动平台间高速信息传输。

经过半年多测试，该设备已具备商品性能，科研团队也已着手起草水下光通信技术有关行业标准和申请工作。

水下绿光LED测试图片来源：快科技

水下蓝光LED测试图片来源：快科技

（以上文字来源：快科技）

供稿：王正才

编辑：余　淼

声明：本