桃花劫演员表香港科技大学（科大）工学院的学者们公布了一项创新技术，使人工智能（AI）在物理和技术上更接近量子计算。

　　在电子及计算机工程学系助理教授邵啟明教授的领导下，研究团队开发了一种在极低温度下工作的新计算方案。作为量子计算的一项关键进步，它可以显著减少AI代理和量子处理器之间的延迟，同时提高能源效率。该解决方案是通过利用一种称为磁性拓扑绝缘子霍尔杆器件的特殊技术实现的。

　　这项最新发明解决了量子计算机作环境和硬件要求方面的重大挑战，人们对量子计算（被广泛认为是高速和高效计算的未来）与人工智能（一种快速发展的技术）的融合越来越感兴趣。

　　邵教授说：“量子计算机利用数千个量子比特（qubits）进行复杂的计算，被广泛认为是快速和节能计算的未来。为了充分实现这一潜力，研究人员最近转向机器学习技术，因为它们在增强量子计算能力方面发挥着重要作用，尤其是在纠错方面。”

　　由于量子处理器通常在毫开尔文温度（约-273°C）下运行，因此它们通常安装在距离室温图形处理单元（GPU）几米远的地方，从而导致大量延迟。为了解决这个问题，邵教授和他的团队提出了一种新颖的低温内存计算方案，使AI加速器能够更接近量子处理器工作。现在，它们可以在仅相距数十厘米的地方运行，从而提高了速度和效率。

　　CMOS控制器：互补金属氧化物半导体（CMOS）计算平台，执行脉冲产生、传感、量子纠错和驱动算法等;GPU：图形处理单元；RL：强化学习。

　　研究人员认识到，磁性拓扑绝缘体已成为这种应用的有前途的材料。这些材料不仅具有像绝缘体那样的大体能带隙，而且在表面或边缘上具有导电状态。

　　已经发现它们表现出独特的现象，例如与表面状态的自旋动量锁定相关的大自旋电流产生效率（一种限制垂直于电子动量的自旋方向的现象）和由手性边缘态引起的量子异常霍尔效应（一种在没有磁场的情况下根据其动量方向限制电子沿边缘移动的现象）。

　　在这项研究中，该团队选择了一种称为铬掺杂铋锑碲化物（Cr-BST）的特定类型的磁性拓扑绝缘体。该材料因其经过验证的能力而脱颖而出，它能够提供巨大的量子异常霍尔电阻和高效的电流感应磁化开关，从而提高霍尔器件的性能。

　　邵教授说：“这项突破标志着霍尔电流求和方案首次用于低功耗内存计算，尤其是在低温下。我们的磁性拓扑绝缘子霍尔棒阵列能够在量子处理器附近高效实现强化学习算法，例如量子态准备。”

　　虽然以前使用铁钴硼合金等传统铁磁体的设计面临着信号弱和潜行路径等挑战，但本研究中的霍尔棒阵列电路设计取得了显着的成功。在概念验证分类任务中，四个Cr-BST霍尔杆器件实现了高精度，而对512 × 512个神经网络的模拟表明，在2K（环境室温为300K）下，与图像识别和量子态准备相关的任务的性能水平为每秒724万亿次运算/瓦（TOPS/W）。

　　这项题为“使用磁性拓扑绝缘体的低温内存计算”的研究发表在《自然材料》上，不仅强调了磁性拓扑绝缘体的潜力，还为基于拓扑量子物理的计算方案开辟了新的途径。

　　展望未来，邵教授和他的团队将努力通过将AI代理与训练单元集成来进一步降低推理和在线训练的延迟，并希望开辟更高效的量子计算应用。