麻省理工学院首次控制量子随机性

麻省理工学院首次控制量子随机性想象一下，平静的海面突然起了波浪--这与量子层面的真空中发生的情况类似。在此之前，科学家们已经利用这些波动生成了随机数。它们也是量子科学家在过去一百年中发现的许多迷人现象的原因。利用真空波动生成可调谐随机数的实验装置。图片来源：CharlesRoques-Carmes、YannickSalamin麻省理工学院博士后CharlesRoques-Carmes和YannickSalamin、麻省理工学院教授MarinSoljačić和JohnJoannopoulos及其同事最近在《科学》（Science）杂志上发表了一篇论文，对上述发现进行了描述。传统上，计算机以确定性的方式运行，按照一系列预定义的规则和算法逐步执行指令。在这种模式下，如果多次运行相同的操作，总会得到完全相同的结果。这种确定性方法为我们的数字时代打下了基础，但也有其局限性，尤其是在模拟物理世界或优化复杂系统时，这些任务往往涉及大量的不确定性和随机性。从量子真空中生成可调随机数的艺术插图。图片来源：陈磊这就是概率计算概念发挥作用的地方。概率计算系统利用某些过程的内在随机性来执行计算。它们不会只提供一个"正确"的答案，而是提供一系列可能的结果，每个结果都有其相关的概率。这使它们非常适合模拟物理现象和解决优化问题，因为在这些问题中可能存在多种解决方案，而对各种可能性的探索可以找到更好的解决方案。工作的主要作者之一CharlesRoques-Carmes博士正在操作实验系统。图片来源：AnthonyTulliani然而，概率计算的实际应用在历史上一直受到一个重大障碍的阻碍：缺乏对量子随机性相关概率分布的控制。不过，麻省理工学院团队开展的研究揭示了一种可能的解决方案。具体来说，研究人员已经证明，向光学参量振荡器（一种自然生成随机数的光学系统）注入微弱的激光"偏压"，可以作为"偏压"量子随机性的可控源。"尽管对这些量子系统进行了广泛的研究，但非常微弱的偏置场的影响尚未得到探索，"该研究的研究员CharlesRoques-Carmes说。"我们发现的可控量子随机性不仅让我们能够重新审视量子光学中已有几十年历史的概念，而且还为概率计算和超精确场传感开辟了潜力。"该团队成功展示了操纵与光参量振荡器输出状态相关的概率的能力，从而创造了有史以来第一个可控光子概率位（p-bit）。此外，该系统还显示出对偏置场脉冲时间振荡的敏感性，甚至远低于单光子水平。工作的主要作者之一YannickSalamin博士正在操作实验系统。资料来源：AllysonMacBasino团队另一位成员YannickSalamin说："我们的光子p比特生成系统目前可以每秒生成10,000个比特，每个比特都可以遵循任意的二项分布。我们预计，这项技术将在未来几年不断发展，从而产生更高速率的光子p位，并实现更广泛的应用。"麻省理工学院的MarinSoljačić教授强调了这项工作的广泛意义："通过使真空波动成为可控元素，我们正在推动量子增强概率计算的发展。在组合优化和晶格量子色动力学模拟等领域模拟复杂动力学的前景非常令人兴奋"。...PC版：https://www.cnbeta.com.tw/articles/soft/1382749.htm手机版：https://m.cnbeta.com.tw/view/1382749.htm

麻省理工学院的自供电传感器 能自动收集环境中的磁能

麻省理工学院的自供电传感器能自动收集环境中的磁能麻省理工学院的研究人员开发出一种无需电池、自供电的传感器，可以从环境中获取能量。资料来源：麻省理工学院ChristineDaniloff研究人员制造了一种温度感应装置，它能从电线周围露天产生的磁场中获取能量。人们只需将传感器夹在带电导线（可能是为电机供电的导线）周围，它就会自动收集并储存能量，用来监测电机的温度。"这就是环境电能--我不必通过特定的焊接连接就能获得的能量。"电子研究实验室成员、电子工程与计算机科学（EECS）伊曼纽尔-兰兹曼（EmanuelE.Landsman）教授兼机械工程学教授SteveLeeb说："这使得这种传感器非常容易安装。"这个能量管理接口是一个自供电、无需电池的传感器的"大脑"，它可以从电线周围露天产生的磁场中获取工作所需的能量。图片来源：研究人员提供，经《麻省理工新闻》编辑在这篇刊登在《电气和电子工程师学会传感器杂志》1月刊上的特写文章中，研究人员为能量收集传感器提供了一个设计指南，让工程师能够平衡环境中的可用能量和他们的传感需求。论文为能够在运行过程中持续感知和控制能量流的设备的关键组件绘制了路线图。这种多用途设计框架并不局限于收集磁场能量的传感器，还可应用于使用其他电源（如振动或阳光）的传感器。它可用于为工厂、仓库和商业空间构建安装和维护成本更低的传感器网络。"我们提供了一个无电池传感器的例子，它能做一些有用的事情，并证明这是一个切实可行的解决方案。希望其他人也能利用我们的框架来设计他们自己的传感器。"与Monagle和Leeb一起参与论文撰写的还有电子工程与科学研究生EricPonce。美国海军学院武器与控制工程副教授约翰-多纳尔（JohnDonnal）没有参与这项工作，他研究的是监控舰船系统的技术。他说，要在舰艇上获得电源是很困难的，因为插座很少，而且对可以插入哪些设备有严格限制。多纳尔补充说："例如，持续测量泵的振动可以为船员提供轴承和支架健康状况的实时信息，但为加装的传感器供电往往需要大量额外的基础设施，以至于不值得投资。像这样的能量收集系统可以在船舶上加装各种诊断传感器，大大降低整体维护成本。"研究人员必须应对三大挑战，才能开发出一种有效、无需电池的能量收集传感器。首先，系统必须能够冷启动，这意味着它可以在没有初始电压的情况下启动电子设备。他们利用集成电路和晶体管网络实现了这一点，使系统能够储存能量，直到达到一定的阈值。只有当系统储存了足够的能量，可以完全运行时，它才会开启。其次，该系统必须在不使用电池的情况下有效地储存和转换所收集的能量。虽然研究人员可以在系统中加入电池，但这会增加系统的复杂性，并可能带来火灾风险。"您甚至可能连派出技术人员更换电池的奢望都没有。相反，我们的系统是免维护的。它可以自行采集能量并运行，"Monagle补充道。为了避免使用电池，它们采用了内部储能技术，包括一系列电容器。电容器比电池更简单，它将能量储存在导电板之间的电场中。电容器可由各种材料制成，其功能可根据各种工作条件、安全要求和可用空间进行调整。研究小组精心设计了电容器，使其足够大，能够储存设备开启和开始收集电能所需的能量，但又足够小，充电阶段不会花费太长时间。此外，由于传感器可能会在几周甚至几个月后才开启进行测量，因此他们要确保电容器能够保持足够的能量，即使有些能量会随着时间的推移而泄漏。最后，他们开发了一系列控制算法，动态测量和预算设备收集、储存和使用的能量。微控制器是能量管理界面的"大脑"，它不断检查储存了多少能量，并推断是否要打开或关闭传感器、进行测量，或者将收割机调到更高的档位，以便收集更多能量，满足更复杂的传感需求。Monagle解释说："就像你在自行车上换挡一样，能量管理界面会查看收割机的工作情况，主要是看它是踩得太用力还是太轻，然后它就会改变电子负载，从而最大限度地提高收割功率，并使收割功率与传感器的需求相匹配。"利用这一设计框架，他们为一个现成的温度传感器构建了一个能量管理电路。该设备收集磁场能量，并利用磁场能量持续采样温度数据，然后通过蓝牙将数据发送到智能手机接口。研究人员使用超低功耗电路设计该装置，但很快发现，这些电路在崩溃前可承受的电压有严格限制。收集过多的电能可能会导致设备爆炸。为了避免这种情况，他们在微控制器中的能量收集器操作系统会在存储的能量过多时自动调整或减少收集量。他们还发现，通信--传输温度传感器收集的数据--是迄今为止最耗电的操作。Monagle说："确保传感器有足够的存储能量来传输数据是一项长期的挑战，需要精心设计。"未来，研究人员计划探索能耗较低的数据传输手段，如使用光学或声学。他们还希望更严格地模拟和预测进入系统的能量，或传感器测量所需的能量，以便设备能有效地收集更多数据。"如果你只进行你认为需要的测量，你可能会错过一些真正有价值的东西。如果有更多的信息，你可能会了解到一些你意想不到的设备运行情况。我们的框架可以让您平衡这些考虑因素，"Leeb说。"这篇论文详细阐述了实用的自供电传感器节点在现实场景中的内部结构。"佛罗里达农工大学-佛罗里达州立大学工程学院电气与计算机工程助理教授JinyeongMoon说："整体设计指南，尤其是冷启动问题，非常有帮助。计划为无线传感器节点设计自供电模块的工程师将从这些指南中获益匪浅，轻松勾选传统上与冷启动相关的繁琐清单"。编译自:ScitechDaily...PC版：https://www.cnbeta.com.tw/articles/soft/1424969.htm手机版：https://m.cnbeta.com.tw/view/1424969.htm

麻省理工学院发现：人类仍然比人工智能便宜

麻省理工学院(MIT)在一项研究中发现，人工智能目前还无法以经济有效的方式取代大多数工作岗位，这项研究试图打消人们对人工智能在许多行业取代人类的担忧情绪。在对人工智能取代劳动力的可行性进行的首次深入调查中，研究人员对美国各项任务自动化的成本吸引力进行了建模估算，重点关注了使用计算机视觉的工作——比如教师和房地产估价师。研究人员发现，按美元工资计算，只有23%的劳动者可以被有效取代。在其他情况下，由于人工智能辅助视觉识别的安装和操作成本高昂，因此由人类来完成这项工作更为经济划算。去年，在OpenAI的ChatGPT和其他AI工具展示了这项技术的潜力之后，各行各业开始加速采用这种工具。从美国的微软公司和Alphabet公司到中国的和，科技公司推出了各种AI服务。行业领袖警告说，AI发展速度太快了。长期以来，人们一直担心AI对就业的影响。麻省理工学院计算机科学与人工智能实验室的研究人员指出，“机器将抢走我们的工作”是技术快速变革时期人们经常表达的一种情绪，而随着大语言模型的创建，这种焦虑再次出现了。“但我们发现，由于AI系统的前期成本很高，只有23%的员工‘暴露’在AI计算机视觉中，对企业来说是具有成本效益的。”计算机视觉是AI技术的一个领域，它使机器能够从数字图像和其他视觉输入中获取有意义的信息，其最普遍的应用出现在自动驾驶的物体检测系统中，或者对智能手机上的照片进行分类。麻省理工学院的论文称，和的突出领域——零售、运输和仓储等方面，也是计算机视觉最具效益的领域。论文中一个案例提到，在面包店里，面包师每天都要检查原料的质量控制，但这只占他们工作时间的6%。但安装摄像头和AI系统所节省的时间和工资，远低于这种技术升级的成本。研究人员表示，目前只有3%的视觉辅助任务可以有效、低成本地自动化，但如果数据成本下降，准确性提高，到2030年这一比例可能会上升到40%。国际货币基金组织(IMF)上周发布报告称，人工智能技术将影响全球近40%的就业岗位，相比于新兴市场和低收入国家，发达国家的就业更容易受到人工智能的影响。它还警告说，在大多数情况下，这种技术对全球劳动力市场的潜在影响可能会加剧整体不平等。在上周的达沃斯世界经济论坛上，许多讨论都集中在AI取代劳动力的问题上。InflectionAI和DeepMind的联合创始人MustafaSuleyman表示，AI系统“从根本上说是替代劳动力的工具”。OpenAI首席执行官萨姆·奥特曼声称，AI的能力“有很强的局限性”，人们应该将其视为一种“在某些领域非常有用”的工具，不能完全依赖于AI。标签:#AI#劳动力频道:@GodlyNews1投稿:@GodlyNewsBot

【波士顿联储和麻省理工学院发布OpenCBDC】

【波士顿联储和麻省理工学院发布OpenCBDC】波士顿联邦储备银行和麻省理工学院公布了汉密尔顿项目（ProjectHamilton）第一阶段的结果，汉密尔顿项目是一项专注于央行数字货币研究的合作研究工作。今天，波士顿联邦储备银行和麻省理工学院公布还在GitHub上发布了央行数字货币交易处理开源软件OpenCBDC，据悉该软件在技术上已经足够完善，可以支持在“美国这样大的国家运行通用央行数字货币”，在核心处理引擎方面，OpenCBDC处理速度超过每秒170万笔交易，“绝大多数交易”可以在两秒内完成结算。波士顿联邦储备银行和麻省理工学院表示，OpenCBDC技术具有灵活性，可以根据政策决定进行调整，在第二阶段，他们将继续研究其他技术设计，以进一步优化第一阶段技术的“强大的隐私、弹性和功能”，同时更好地阐明不同设计之间的权衡关系。