全球最优秀的投资者为何都在押注量子计算?

随着量子计算技术的发展,投资者开始关注并投资这一领域。IonQ和RigettiComputing等量子计算公司相继上市,表明量子计算正在从物理学研究转向工程学科。尽管面临技术挑战,如量子比特干扰和错误修正等问题,但投资者看好其未来潜力。量子计算的商业化进程加速,预计真正的大规模量子计算机还需十年左右时间。

图片

随着量子计算从物理学转向工程学科,投资者正挖掘其市场潜力并开始押注(图片来源:网络)

迄今为止,量子计算的复杂性一直是少数杰出物理学家的研究领域。但现在,随着计算机行业逐步进入公众视野,投资者们不得不关注计算机和量子计算等领域的未来发展。

仅在2021年10月,就有两家从事量子计算机技术研究的科技企业宣布即将或已上市。IonQ 首次在纽约证券交易所上市,成为首家完成上市的量子计算公司,它现在的市值约为20亿美元。一周后,Rigetti Computing 宣布它也将被一家现金壳公司收购并上市,这笔交易对其估值约为 15 亿美元。

无独有偶,一些在量子计算架构方面具有竞争力的公司也在忙于融资。2021年7月,由英国物理学家在硅谷创立的 PsiQuantum 从贝莱德和贝利吉福德等投资者那里筹集了4.5亿美元,这将用于在2025年前建造一台商用量子计算机。一个月前,霍尼韦尔也同意与英国剑桥量子计算机公司合并,并向其量子研发部的子部门注资3亿美元。

当前,从悉尼到苏塞克斯等地的大学实验室涌现出一批新的初创企业,投资者们纷纷投资于这些早期项目,这标志着投资界对量子计算的看法出现了转折。这个有35年历史的领域终于从一项科学研究转变为一个新兴产业。

与传统计算机的基本二进制比特不同,这项技术的核心是使用量子比特,量子比特可以同时表示0和1。通过利用“叠加”原理,量子计算机在理论上可以解决密码学、化学、物流、金融和能源等领域中最强大的传统超级计算机也无法解决的问题。

许多公司和研究人员在开发 100 量子比特范围内的小型量子计算机方面取得了重大进展。这些中级量子计算机虽然只能执行与经典计算机相同的任务,但速度要快得多。

伦敦帝国理工学院量子光学教授彼得•奈特爵士表示,在量子计算领域,现今已经成果显著。他补充说: “1996年,在实验室中的模拟实验与在计算方面的实际要求之间存在着巨大的差距,我们曾经打赌看需要多长时间才能缩小这一差距。有人说20年,有人说永远不会。实际上,约20年内这一差距就几乎不复存在了。”

然而,一台真正可以进行大规模计算的量子计算机至少还需要十年的时间才会成功问世,前方仍有巨大的技术挑战。

例如,当许多量子比特相互作用时,系统中存在大量的“干扰”,这使得提取有意义的信息变得困难。另外,当前的原型设备在运行过程中如果计算出错,就无法进行修正。

当前使用100个量子比特的系统要扩展到生产100万个或更多量子比特的计算机,在工程上也是一个重大的挑战。但是,随着量子计算从物理学转向工程学科,大量投资者正挖掘其市场潜力并开始押注。

Craig-HallumCapital Group 的硬件技术分析师理查德•香农表示: “他们正在参与一场长期游戏,游戏中有充足的实验证据和多种改进途径。我没想到这些公司会上市,但从财务角度来看,我们的市场环境较为特殊。比如有大量资金在股票市场上流动,而债券价格非常便宜。”

尽管投资者可能不得不耐心等待至少十年,但该行业的潜在价值依旧令人目不暇接。如果我们有一台由300个高性能量子比特组成的量子计算机,它们能够同时进行的计算比可见宇宙中的原子还要多。

翻译:任怡朴

编辑:慕一

内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值