量子计算初创公司Oxford Ionics完成3000万英镑A轮融资

英国量子计算初创公司Oxford Ionics获得3000万英镑A轮融资,计划使用标准半导体芯片构建量子处理器,以实现大规模生产。该公司采用独特的离子阱技术,其量子比特质量高且稳定性强,目标是在2023年通过量子即服务模式向客户开放访问。投资方包括Oxford Science Enterprises、Braavos Investment Advisers等,公司创始人致力于解决量子计算的可扩展性、集成和性能问题。

(图片来源:网络)

未来,量子计算机会解决世界上最大的超级计算机无法解决的问题。然而,大规模制造量子计算机仍然是一个巨大的挑战。英国量子计算初创公司Oxford IonicsA轮融资获得的3000万英镑(约合人民币2.47亿元),计划使用标准半导体芯片来构建量子处理器,旨在利用现有制造技术大规模生产高性能量子芯片。

本轮融资由世界领先的量子技术投资者Oxford Science Enterprises和Braavos Investment Advisers领投,也吸引了Lansdowne Partners、Prosus Ventures、2xN、Torch Partners和半导体知识产权(IP)提供商Arm Ltd.创始人Hermann Hauser的参与。

Oxford Ionics由牛津大学博士毕业生Chris Ballance和Tom Harty于2019年创立。未来两年,Oxford Ionics将利用这笔资金推动其扩张并加速研发,它希望为团队增加众多软件开发人员,工程师,设计师和科学家,将其团队规模扩大两倍,达到约80人,并在其牛津基地建造和测试高性能量子计算机,构建能够扩展到数百个量子比特的完全集成设备。这家初创公司的目标是:在2023年通过量子即服务模型,向选定的客户开放对其量子计算机机群的访问。

Oxford Ionics公司创始人Tom Harty 和 Chris Balance(图片来源:网络)

量子霸权竞赛

目前,多种制造量子计算机的技术路线在竞争。Oxford Ionics使用独特的离子阱技术,这是一种存储和操纵量子信息的技术。它依赖于离子,离子是带电原子,也是构成量子比特的基础。离子的独特之处在于:它们可以被限制在三维陷阱中,可以使用电磁场固定离子阱的精确位置,将单个原子“捕获”到位。这使得使用外部磁场、激光或微波辐射操纵量子比特成为可能。

Oxford Ionics的联合创始人Chris Balance说:“这项技术的关键优势在于它保证了每个量子比特都是完美的,并且彼此相同。与超导电路或硅中的自旋不同,利用这项技术制备的量子比特不是设备的一部分,不会随着时间的推移而变化,也不会随着设备制造的微小变化而变化。”

这是量子计算机的关键性能,如果量子比特的质量足够高,100个量子比特的芯片性能可以超过世界上最强大的计算机,可以代替一台仓库大小的100万量子比特的量子计算机。

一些著名的量子计算公司,包括Quantinuum,IonQ和Alpine Quantum Technologies,也使用离子阱技术,它们依靠昂贵而复杂的激光系统来控制离子。然而,Oxford Ionics表示,尽管激光器与较小的处理器配合良好,但随着处理器的扩展和更多量子比特的增加,难度会提高,并更容易出错。

为了解决这个问题,Oxford Ionics创造了一种新颖的,无噪音的“电子量子比特控制”技术,它使用光子学和微波的组合,这种方法比使用激光稳定得多。它开发的量子比特由捕获在标准微芯片表面的离子组成,这意味着它们可以集成到任何类型的设备中,这样就可以使用现有的制造技术大规模制造其量子处理器。

Oxford Ionics已经通过与半导体制造公司英飞凌科技股份公司的合作证明了这种方法的潜力。此次合作将使Oxford Ionics将其EQC技术与英飞凌的工程和制造技能以及量子技术经验相结合。

Oxford Ionics声称:它们的技术不仅仅是理论上的,测试表明,该技术还拥有最高性能量子操作、最长量子相干时间和最佳性能量子网络的世界纪录,可以在具有世界级性能的标准半导体代工厂中构建量子计算芯片。

Ballance说:“如果我们要识别和释放量子计算的真正力量和潜力,我们需要破解阻碍它的关键问题:可扩展性,集成和性能。我们独特的离子阱技术已被开发用于解决这些问题,我们正在扩展这项技术,以构建强大、准确和可靠的量子计算机,用以解决世界上最重要的问题。”

2xN联合创始人Niels Nielsen表示:他支持牛津Oxford Ionics,因为量子计算行业需要一种方法来大规模构建量子比特技术。Oxford Ionics提供了一条新途径,可以发挥离子阱技术的新潜力,并将其集成到经典的半导体工艺中。

编译:卉可

编辑:慕一

本课题设计了一种利用Matlab平台开发的植物叶片健康状态识别方案,重点融合了色彩与纹理双重特征以实现对叶片病害的自动化判别。该系统构建了直观的图形操作界面,便于用户提交叶片影像并快速获得分析结论。Matlab作为具备高效数值计算与数据处理能力的工具,在图像分析与模式分类领域应用广泛,本项目正是借助其功能解决农业病害监测的实际问题。 在色彩特征分析方面,叶片影像的颜色分布常与其生理状态密切相关。通常,健康的叶片呈现绿色,而出现黄化、褐变等异常色彩往往指示病害或虫害的发生。Matlab提供了一系列图像处理函数,例如可通过色彩空间转换与直方图统计来量化颜色属性。通过计算各颜色通道的统计参数(如均值、标准差及主成分等),能够提取具有判别力的色彩特征,从而为不同病害类别的区分提供依据。 纹理特征则用于描述叶片表面的微观结构与形态变化,如病斑、皱缩或裂纹等。Matlab中的灰度共生矩阵计算函数可用于提取对比度、均匀性、相关性等纹理指标。此外,局部二值模式与Gabor滤波等方法也能从多尺度刻画纹理细节,进一步增强病害识别的鲁棒性。 系统的人机交互界面基于Matlab的图形用户界面开发环境实现。用户可通过该界面上传待检图像,系统将自动执行图像预处理、特征抽取与分类判断。采用的分类模型包括支持向量机、决策树等机器学习方法,通过对已标注样本的训练,模型能够依据新图像的特征向量预测其所属的病害类别。 此类课题设计有助于深化对Matlab编程、图像处理技术与模式识别原理的理解。通过完整实现从特征提取到分类决策的流程,学生能够将理论知识与实际应用相结合,提升解决复杂工程问题的能力。总体而言,该叶片病害检测系统涵盖了图像分析、特征融合、分类算法及界面开发等多个技术环节,为学习与掌握基于Matlab的智能检测技术提供了综合性实践案例。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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