6700万欧元!德国航空航天中心投资建造离子阱量子计算机

德国航空航天中心(DLR)委托UniversalQuantum公司建造两台先进的量子计算机,采用离子阱技术,旨在解决复杂问题。该项目属于德国量子计算计划,总投资6700万欧元。

(图片来源:网络)

近期,德国航空航天中心(DLR)已委托英国初创公司Universal Quantum的子公司Universal Quantum Deutschland GmbH建造一台完全可扩展的离子阱量子计算机。这是德国经济部创立的德国量子计算计划的一部分,即该计划隶属于德国联邦政府提出的新量子计划。

DLR总投资达6700万欧元,为汉堡带来两项世界首创:第一项是单芯片量子计算机,配有精密电子量子计算机芯片;第二项是多芯片量子计算机,最初将由多达100个量子比特组成。

这两台量子计算机具有有史以来为量子计算机开发的最强大的芯片。预计四年内将在汉堡的DLR中建成,并提供给合作伙伴。

离子阱技术是构建量子计算机最主流的方法之一。专家认为,要解决一些具有现实意义的复杂问题,至少需要数百万个量子比特。需要克服诸多挑战:芯片的可靠连接,也称为模块化要求,以及超低温环境和其他工程要求。Universal Quantum公司采用独特的方法解决了这些问题,使得模块像拼图一样连接以扩展到高量子比特数,同时只需要适中的冷却温度。

截至目前,研究人员获得有效原型的机会很有限。在构建这两台计算机时,Universal Quantum公司和DLR将开启研究量子计算的下一步:在可扩展的量子计算机上开发现实世界的应用程序。这两台计算机将帮助研究人员测试软件开发的新功能,并继续利用现有技能,这些技能在当今的全球量子竞赛中至关重要。

Universal Quantum公司自创立之初,便专注于构建可扩展量子计算机,继英国政府之后,德国成为第二个支持这一重要任务的国家。作为英国政府支持项目的一部分,Universal Quantum公司领导了一个包括劳斯莱斯在内的联合体,其重点是开发一种量子计算机,能够帮助制造更节能的航空涡轮机,高效减少燃料消耗和碳排放。

Universal Quantum公司首席执行官兼联合创始人Sebastian Weidt说:“德国正在帮助推动量子计算成为实用技术,很高兴在我们与英国政府成功合作后,又有一个重要政府成为我们优秀团队和技术的支持者和客户。这有力地证明了我们技术的独特性和前景的远大,代表着我们在构建量子计算机的使命上迈出了重要一步。接下来我们将把技术扩展到新的市场,在我们最近取得成功的基础上,与具有共同价值观的合作伙伴们一起再接再厉。”

Universal Quantum首席科学家,联合创始人兼董事长Winfried Hensinger教授说:“我们的团队在技术开发方面投入了大量精力。通过与DLR签订合同,我们达到了一个重要的里程碑,并获得了对我们技术优势的进一步认可。我们技术理念的关键是正在构建的量子计算机的固有可扩展性。我们的使命是解决这个时代的诸多基本问题。

该项目是德国政府推广量子技术战略的一部分,研究部和经济部为此提供了有史以来欧洲政府对该类项目的最大投资。DLR将这笔资金的1/3用于在汉堡和乌尔姆的创新中心建立量子计算卓越集群。

量子计算计划的项目经理Karla Loida解释道:“离子阱系统可以进行通用算术运算,而不是解决特定任务。基于离子阱路线研发的量子计算机有很多优势:量子比特相对稳定,并提供最高级的门特性,这是构建高质量量子计算机的先决条件。微芯片集成和创新芯片设计意味着可扩展性指日可待,相关技术现在已经成熟,集成微芯片也被证实成功可行。”

文章参考链接:

https://medium.com/@universalquantum/universal-quantum-wins-67m-contract-to-build-the-fully-scalable-trapped-ion-quantum-computer-16eba31b869e

编译:卉可

编辑:慕一

 

内容概要:本文介绍了一个基于多传感器融合的定位系统设计方案,采用GPS、里程计和电子罗盘作为定位传感器,利用扩展卡尔曼滤波(EKF)算法对多源传感器数据进行融合处理,最终输出目标的滤波后位置信息,并提供了完整的Matlab代码实现。该方法有效提升了定位精度与稳定性,尤其适用于存在单一传感器误差或信号丢失的复杂环境,如自动驾驶、移动采用GPS、里程计和电子罗盘作为定位传感器,EKF作为多传感器的融合算法,最终输出目标的滤波位置(Matlab代码实现)机器人导航等领域。文中详细阐述了各传感器的数据建模方式、状态转移与观测方程构建,以及EKF算法的具体实现步骤,具有较强的工程实践价值。; 适合人群:具备一定Matlab编程基础,熟悉传感器原理和滤波算法的高校研究生、科研人员及从事自动驾驶、机器人导航等相关领域的工程技术人员。; 使用场景及目标:①学习和掌握多传感器融合的基本理论与实现方法;②应用于移动机器人、无人车、无人机等系统的高精度定位与导航开发;③作为EKF算法在实际工程中应用的教学案例或项目参考; 阅读建议:建议读者结合Matlab代码逐行理解算法实现过程,重点关注状态预测与观测更新模块的设计逻辑,可尝试引入真实传感器数据或仿真噪声环境以验证算法鲁棒性,并进一步拓展至UKF、PF等更高级滤波算法的研究与对比。
内容概要:文章围绕智能汽车新一代传感器的发展趋势,重点阐述了BEV(鸟瞰图视角)端到端感知融合架构如何成为智能驾驶感知系统的新范式。传统后融合与前融合方案因信息丢失或算力需求过高难以满足高阶智驾需求,而基于Transformer的BEV融合方案通过统一坐标系下的多源传感器特征融合,在保证感知精度的同时兼顾算力可行性,显著提升复杂场景下的鲁棒性与系统可靠性。此外,文章指出BEV模型落地面临大算力依赖与高数据成本的挑战,提出“数据采集-模型训练-算法迭代-数据反哺”的高效数据闭环体系,通过自动化标注与长尾数据反馈实现算法持续进化,降低对人工标注的依赖,提升数据利用效率。典型企业案例进一步验证了该路径的技术可行性与经济价值。; 适合人群:从事汽车电子、智能驾驶感知算法研发的工程师,以及关注自动驾驶技术趋势的产品经理和技术管理者;具备一定自动驾驶基础知识,希望深入了解BEV架构与数据闭环机制的专业人士。; 使用场景及目标:①理解BEV+Transformer为何成为当前感知融合的主流技术路线;②掌握数据闭环在BEV模型迭代中的关键作用及其工程实现逻辑;③为智能驾驶系统架构设计、传感器选型与算法优化提供决策参考; 阅读建议:本文侧重技术趋势分析与系统级思考,建议结合实际项目背景阅读,重点关注BEV融合逻辑与数据闭环构建方法,并可延伸研究相关企业在舱泊一体等场景的应用实践。
评论
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