Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

新加坡茲卡延燒!用 Google 搜尋監控國際疫情

miss9_96
・2016/09/10 ・2053字 ・閱讀時間約 4 分鐘 ・SR值 601 ・九年級

一名新加坡女性於 8 月 25 日出現結膜炎、紅疹等症狀, 8 月 27 日確診首例茲卡境內感染, 8 月 28 日又爆增 40 名病例。《自由時報》引用台大醫師看法:「一定擋不住了!」1-3

  • 8 月 29 日新加坡衛生部和國家環境局確診 41 例本土茲卡案例;9 月 9 日數據顯示,總確認人數已達 304 例
lossless-page1-900px-Zika_EM_CDC_280116.tiff
茲卡病毒的電子顯微照片。病毒顆粒的直徑為40奈米,具有外包絡緻密內芯。圖/wiki

每年都有許多人從鄰國入境台灣,因此掌握鄰近國家傳染病疫情對台灣來說非常重要。那我們現在假設住在新加坡的小明,某天被帶有茲卡病毒的蚊子叮咬,數天後出現紅疹、結膜炎等症狀4,那身處千里之外的台灣疾病管制署(疾管署)要如何及時發現異狀呢?

下圖是近 30 天在新加坡,分別以「結膜炎」和「紅疹」(中、英和馬來文)為關鍵字在 Google 查詢的強度變化。有趣的是,可以觀察到英文的「結膜炎(conjunctivitis)」在 8 月 25 日至 28 日間飆升,而這幾天新加坡國內發生什麼事呢?

圖1
特定症狀關鍵字在新加坡用不同語言的搜尋強度變化。圖/本文作者

原來 8 月 25 日起,新加坡爆發了一波本土傳播的茲卡疫情。據新聞報導,首名女性患者在 8 月 25 日出現結膜炎、紅疹等症狀,而後續多人持續出現症狀。四天後的 8 月 29 日,新加坡衛生部確診 41 名本土茲卡病例5

一般法定傳染病從患者採樣送檢到疾病確診,約有 1~5 日的等待期,但在極少數特殊案例中,甚至會有長達 20 日的空等待期。在此空窗期裡,政府無法了解疫情在民間肆虐的情況。倘若此傳染病又是發生在鄰國(如新加坡此波本土茲卡疫情),台灣政府可能要花更長的天數,才能透過媒體報導(如果該國媒體資訊公開透明的話)或外交管道知曉鄰國正在爆發流行病疫情,這對防疫決戰境外的概念來說,無疑是個無法解決的難題!

-----廣告,請繼續往下閱讀-----

倘若鄰國對疾病爆發的處置方式,如同當年中國政府為了國家顏面、隱瞞 SARS 疫情6,7,使得台灣無法知道鄰國傳染病的發展,就有可能會重演當年 SARS 在台灣肆虐,最終導致全台三百多人、全球八千多人遭受感染的重大災情。(台灣確診病例數是 346 人,死亡  37 人; 全球確診 8096 人,死亡 774 人)8

圖2
分析網路活動量變化可彌補檢測的空窗等待期。圖/張昱維、蔣維倫
茲卡疾病的送檢與檢測時間。圖/中華民國疾病管制署署長信箱回應

儘管新加坡官方直至 8 月 29 日才確診此波疫情,但從圖 1 中可以發現到,英文的「結膜炎」和「紅疹」從 8 月 26 日就已經大幅的飆升,因此可以大膽的猜測 [註1],新加坡國內從 8 月 26 日起,就有越來越多人出現結膜炎或紅疹症狀,所以越來越多患者、家屬、醫師或相關醫療從業人員在 Google 上搜尋相關資訊,也同時反映了新加坡民間和第一線醫院的狀況 [註2, 3]!而此現象也同時發生在巴西去年 5 月的茲卡疫情,在大量疑似茲卡病例出現之前,葡萄牙語的「紅疹」在 Google 上的搜尋強度就已經開始飆升,顯示巴西的民眾正在被一種奇特的疫情所襲擊9 [註4]。

網路能幫我們決戰傳染病於境外嗎?

從 〈用 Google 預警茲卡病毒疫情?〉一文可以知道,觀察網路活動能夠針對不同國別、語言和日期進行縮限,以提高準確度。因此我們提出大膽的構想,可以:

1) 分析網路以建立台灣鄰國警戒圈 [註5]
2) 分析特定症狀關鍵字網路活動,以建立國內的疾病警戒機制

-----廣告,請繼續往下閱讀-----

利用網路平台的各項縮限工具(如:韓國 / 韓文、日本 / 日文、菲律賓 / 英文、越南 / 越文等),定期分析各種症狀關鍵字(如:咳嗽 → 流感;水泡 → 腸病毒;紅疹、結膜炎 → 茲卡、登革熱),一旦某些症狀關鍵字的網路強度出現異常,就能夠針對相關的疾病或事件進行比對分析,有效掌握國內防疫的黃金時期,決戰跨國傳染病於境外之效!

  • 本文感謝衛生福利部台東醫院檢驗科張昱維(Yu-Wei Chang)、馬來西亞友人林雯慧(whlim)協助。

註釋:

  • 註1:猜測也有可能是錯的,如果同時在新加坡也有另一種會引發結膜炎、紅疹的疾病,此猜想就會有錯誤。
  • 註2:必須要強調,疾病的確診必須要仰賴實驗室,網路活動僅是反映另一種觀察疫情的角度。
  • 註3:新加坡的官方用語至少有英、中和馬來文,但英文的症狀關鍵字表現較為明顯,可能是因為醫師的學術用語為英文。
  • 註4:巴西的官方用語為葡萄牙語。
  • 註5:任何可以分析數據的網路平台都可以應用此概念,如 Google、Twitter、微博等。

參考文獻:

  1. 新加坡本土茲卡病毒 暴增至 41 例。天下雜誌
  2. 新加坡茲卡病毒本土感染病例增至 41 起。中華民國外交部
  3. 茲卡攻陷新加坡 暴增 41 例本土感染。自由時報
  4. 茲卡病毒感染症。中華民國疾病管制署
  5. Localised Community Spread Of Zika Virus Infection With More Cases Confirmed。新加坡衛生部(Ministry of Health, Singapore)
  6. 邱坤玄 (2003) SARS疫情與兩岸關係的發展。展望與探索,5-7
  7. 李慶四 (2003) 從SARS衝擊看中國政府的危機公關。二十一世紀
  8. Cumulative Number of Reported Probable Cases of Severe Acute Respiratory Syndrome (SARS). WHO官方網頁
  9. Chiang Wei-Lun. (2016, April 23). 用 Google 預警茲卡病毒疫情?. PanSci 泛科學. Retrieved August 30, 2016 from pansci.asia/archives/97183
-----廣告,請繼續往下閱讀-----
文章難易度
miss9_96
170 篇文章 ・ 1084 位粉絲
蔣維倫。很喜歡貓貓。曾意外地收集到台、清、交三間學校的畢業證書。泛科學作家、科學月刊作家、故事作家、udn鳴人堂作家、前國衛院衛生福利政策研究學者。 商業邀稿:miss9ch@gmail.com 文章作品:http://pansci.asia/archives/author/miss9

0

1
0

文字

分享

0
1
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

本文與 研華科技 合作,泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言,總能牽動整個 AI 產業的神經。然而,我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線,那如果哪天「網路斷了」,會發生什麼事?

想像你正在自駕車打個盹,系統突然警示:「網路連線中斷」,車輛開始偏離路線,而前方竟是萬丈深谷。又或者家庭機器人被駭,開始暴走跳舞,甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎?當然不是!也因為如此,「邊緣 AI」成為業界關注重點。不靠雲端,AI 就能在現場即時反應,不只更安全、低延遲,還能讓數據當場變現,不再淪為沉沒成本。

什麼是邊緣 AI ?

邊緣 AI,乍聽之下,好像是「孤單站在角落的人工智慧」,但事實上,它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前,像是企業、醫院、學校內部的伺服器,個人電腦,甚至手機等裝置,都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。簡單來說,就是將原本集中在遠端資料中心的運算能力,「搬家」到更靠近數據源頭的地方。

-----廣告,請繼續往下閱讀-----

那麼,為什麼需要這樣做?資料放在雲端,集中管理不是更方便嗎?對,就是不好。

當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。/ 圖片來源:MotionArray

第一個不好是物理限制:「延遲」。
即使光速已經非常快,數據從你家旁邊的路口傳到幾千公里外的雲端機房,再把分析結果傳回來,中間還要經過各種網路節點轉來轉去…這樣一來一回,就算只是幾十毫秒的延遲,對於需要「即刻反應」的 AI 應用,比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時,每一毫秒都攸關安全與精度,這點延遲都是無法接受的!這是物理距離與網路架構先天上的限制,無法繞過去。

第二個挑戰,是資訊科學跟工程上的考量:「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送,湧入的資料數據量就像超級大的水流,一下子就把水管塞爆!要避免流量爆炸,你就要一直擴充水管,也就是擴增頻寬,然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理,把重要資訊「濃縮」過後再傳回雲端,是不是就能減輕頻寬負擔,也能節省大量費用呢?

第三個挑戰:系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時,一旦網路不穩、甚至斷線,那怎麼辦?很多關鍵應用,像是公共安全監控或是重要設備的預警系統,可不能這樣「看天吃飯」啊!邊緣處理讓系統更獨立,就算暫時斷線,本地的 AI 還是能繼續運作與即時反應,這在工程上是非常重要的考量。

所以你看,邊緣運算不是科學家們沒事找事做,它是順應數據特性和實際應用需求,一個非常合理的科學與工程上的最佳化選擇,是我們想要抓住即時數據價值,非走不可的一條路!

邊緣 AI 的實戰魅力:從工廠到倉儲,再到你的工作桌

知道要把 AI 算力搬到邊緣了,接下來的問題就是─邊緣 AI 究竟強在哪裡呢?它強就強在能夠做到「深度感知(Deep Perception)」!

-----廣告,請繼續往下閱讀-----

所謂深度感知,並非僅僅是對數據進行簡單的加加減減,而是透過如深度神經網路這類複雜的 AI 模型,從原始數據裡面,去「理解」出更高層次、更具意義的資訊。

研華科技為例,旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例,利用物件偵測模型,快速將工業產品中的瑕疵挑出來,而且由於 AI 模型可以使用同一套參數去檢測,因此品管上能達到一致性,減少人為疏漏。尤其在高產能工廠中,檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品,替工廠節省大量人力,同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。/ 圖片提供:研華科技

此外,在智慧倉儲場域,研華與威剛合作,研華與威剛聯手合作,在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台,打造倉儲系統的 AMR(Autonomous Mobile Robot) 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣,AMR 不需要事先規劃好路線,靠著感測器偵測,就能輕鬆避開障礙物,識別路線,並且將貨物載到指定地點存放。

當然,還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning ),除了可以做備忘錄跟排程規劃以外,還能將實務上碰到的問題記錄下來,等到之後碰到類似的問題時,就能詢問 AI 並得到解答。

你或許會問,那為什麼不直接使用 ChatGPT 就好了?其實,對許多企業來說,內部資料往往具有高度機密性與商業價值,有些場域甚至連手機都禁止員工帶入,自然無法將資料上傳雲端。對於重視資安,又希望運用 AI 提升效率的企業與工廠而言,自行部署大型語言模型(self-hosted LLM)才是理想選擇。而這樣的應用,並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。

但問題也接著浮現:要在這麼小的設備上跑大型 AI 模型,會不會太吃資源?這正是目前 AI 領域最前沿、最火熱的研究方向之一:如何幫 AI 模型進行「科學瘦身」,又不減智慧。接下來,我們就來看看科學家是怎麼幫 AI 減重的。

-----廣告,請繼續往下閱讀-----

語言模型瘦身術之一:量化(Quantization)—用更精簡的數位方式來表示知識

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像:有些畫面細節我們肉眼根本看不出來,刪掉也不影響整體感覺,卻能大幅減少檔案大小。

模型量化的原理也是如此,只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示,什麼是浮點數?其實就是你我都熟知的小數。舉例來說,圓周率是個無窮不循環小數,唸下去就會是3.141592653…但實際運算時,我們常常用 3.14 或甚至直接用 3,也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思! 

然而,量化並不是那麼容易的事情。而且實際上,降低精度多少還是會影響到模型表現的。因此在設計時,工程師會精密調整,確保效能在可接受範圍內,達成「瘦身不減智」的目標。

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。/ 圖片來源:MotionArray

模型剪枝(Model Pruning)—基於重要性的結構精簡

建立一個 AI 模型,其實就是在搭建一整套類神經網路系統,並訓練類神經元中彼此關聯的參數。然而,在這麼多參數中,總會有一些參數明明佔了一個位置,卻對整體模型沒有貢獻。既然如此,不如果斷將這些「冗餘」移除。

這就像種植作物的時候,總會雜草叢生,但這些雜草並不是我們想要的作物,這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在,而動手去清理這些不需要的連結參數或神經元的技術,就稱為 AI 模型的模型剪枝(Model Pruning)。

-----廣告,請繼續往下閱讀-----

模型剪枝的效果,大概能把100變成70這樣的程度,說多也不是太多。雖然這樣的縮減對於提升效率已具幫助,但若我們要的是一個更小幾個數量級的模型,僅靠剪枝仍不足以應對。最後還是需要從源頭著手,採取更治本的方法:一開始就打造一個很小的模型,並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」,是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾(Knowledge Distillation)—讓小模型學習大師的「精髓」

想像一下,一位經驗豐富、見多識廣的老師傅,就是那個龐大而強悍的 AI 模型。現在,他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案,老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」,例如「為什麼我會這樣想?」、「其他選項的可能性有多少?」。這樣一來,小小的學徒模型,用它有限的「腦容量」,也能學到老師傅的「智慧精髓」,表現就能大幅提升!這是一種很高級的訓練技巧,跟遷移學習有關。

舉個例子,當大型語言模型在收到「晚餐:鳳梨」這組輸入時,它下一個會接的詞語跟機率分別為「炒飯:50%,蝦球:30%,披薩:15%,汁:5%」。在知識蒸餾的過程中,它可以把這套機率表一起教給小語言模型,讓小語言模型不必透過自己訓練,也能輕鬆得到這個推理過程。如今,許多高效的小型語言模型正是透過這項技術訓練而成,讓我們得以在資源有限的邊緣設備上,也能部署愈來愈強大的小模型 AI。

但是!即使模型經過了這些科學方法的優化,變得比較「苗條」了,要真正在邊緣環境中處理如潮水般湧現的資料,並且高速、即時、穩定地運作,仍然需要一個夠強的「引擎」來驅動它們。也就是說,要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型,真正放到邊緣的現場去發揮作用,就需要一個強大的「硬體平台」來承載。

-----廣告,請繼續往下閱讀-----

邊緣 AI 的強心臟:SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器,就是扮演「邊緣 AI 引擎」的關鍵角色!那麼,它到底厲害在哪?

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要?因為 GPU 的設計,天生就擅長做「平行計算」,這正好就是 AI 模型裡面那種海量數學運算最需要的!

你想想看,那麼多數據要同時處理,就像要請一大堆人同時算數學一樣,GPU 就是那個最有效率的工具人!而且,有多張 GPU,代表可以同時跑更多不同的 AI 任務,或者處理更大流量的數據。這是確保那些科學研究成果,在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎!

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房,有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計,體積相對緊湊,散熱空間也比較好(這對高功耗的 GPU 很重要!),部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算,進行「工程化」,讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格,背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場,系統穩定壓倒一切!你總不希望 AI 分析跑到一半就掛掉吧?這些設計確保了部署在現場的 AI 系統,能夠長時間、穩定地運作,把實驗室裡的科學成果,可靠地轉化成實際的應用價值。

-----廣告,請繼續往下閱讀-----
研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。/ 圖片提供:研華科技

台灣製造 × 在地智慧:打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能,能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署,及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析,還是其他 AI 相關的服務,都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務,讓企業在啟動 AI 專案前,大幅降低前期投入門檻,靈活又實用。

台灣有著獨特的產業結構,從精密製造、城市交通管理,到因應高齡化社會的智慧醫療與公共安全,都是邊緣 AI 的理想應用場域。更重要的是,這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示,這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果,往往已經錯失最佳反應時機。這也是為什麼邊緣 AI,不只是一項技術創新,更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場,就能被有效的「理解」與「利用」,是將數據垃圾變成數據黃金的賢者之石!

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

3
0

文字

分享

0
3
0
量子革命來襲!一分鐘搞定傳統電腦要花數千萬年的難題!你的電腦是否即將被淘汰?
PanSci_96
・2024/10/17 ・2050字 ・閱讀時間約 4 分鐘

量子電腦:解碼顛覆未來科技的關鍵

2023 年,Google 發表了一項引人注目的研究成果,顯示人類現有最強大的超級電腦 Frontier 需要花費 47 年才能完成的計算任務,Google 所研發的量子電腦 Sycamore 只需幾秒鐘便能完成。這項消息震驚了科技界,也再次引發了量子電腦的討論。

那麼,量子電腦為什麼如此強大?它能否徹底改變我們對計算技術的認知?

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

量子電腦是什麼?

量子電腦是一種基於量子力學運作的新型計算機,它與我們熟悉的傳統電腦截然不同。傳統電腦的運算是建立在「位元」(bits)的基礎上,每個位元可以是 0 或 1,這種二進位制運作方式使得計算過程變得線性且單向。然而,量子電腦使用的是「量子位元」(qubits),其運算邏輯則是基於量子力學中的「疊加」與「糾纏」等現象,這使得量子位元能同時處於 0 和 1 的疊加狀態。

這意味著,量子電腦能夠在同一時間進行多個計算,從而大幅提高運算效率。對於某些非常複雜的問題,例如氣候模型、金融分析,甚至質因數分解,傳統電腦可能需要數千年才能完成的運算任務,量子電腦只需數分鐘甚至更短時間便可完成。

-----廣告,請繼續往下閱讀-----

Google、IBM 和量子競賽

Google 和 IBM 是目前在量子計算領域中競爭最為激烈的兩大科技公司。Google 的 Sycamore 量子電腦已經展示出極高的計算速度,令傳統超級電腦相形見絀。IBM 則持續投入量子電腦的研究,並推出了超過 1000 個量子位元的系統,預計到 2025 年,IBM 的量子電腦將擁有超過 4000 個量子位元。

除此之外,世界各國和企業都爭相投入這場「量子霸權」的競賽,台灣的量子國家隊也不例外,積極尋求量子計算方面的突破。這場量子競賽,將決定未來的計算技術格局。

量子電腦的核心原理

量子電腦之所以能如此快速,是因為它利用了量子力學中的「疊加態」和「糾纏態」。簡單來說,傳統電腦的位元只能是 0 或 1 兩種狀態,而量子位元則可以同時處於 0 和 1 兩種狀態的疊加,這使得量子電腦可以在同一時間內同時進行多次計算。

舉例來說,如果一台電腦需要處理一個要花 330 年才能解決的問題,量子電腦只需 10 分鐘便可解決。如果問題變得更複雜,傳統電腦需要 3300 年才能解決,量子電腦只需再多花一分鐘便能完成。

-----廣告,請繼續往下閱讀-----

此外,量子電腦中使用的量子閘(quantum gates)類似於傳統電腦中的邏輯閘,但它能進行更複雜的運算。量子閘可以改變量子位元的量子態,進而完成計算過程。例如,Hadamard 閘能將量子位元轉變為疊加態,使其進行平行計算。

量子電腦能大幅縮短複雜問題的計算時間,利用量子閘進行平行運算。圖/envato

計算的效率

除了硬體技術的進步,量子電腦的強大運算能力也依賴於量子演算法。當前,最著名的兩種量子演算法分別是 Grover 演算法與 Shor 演算法。

Grover 演算法主要用於搜尋無序資料庫,它能將運算時間從傳統電腦的 N 遞減至 √N,這使得資料搜索的效率大幅提升。舉例來說,傳統電腦需要花費一小時才能完成的搜索,量子電腦只需幾分鐘甚至更短時間便能找到目標資料。

Shor 演算法則專注於質因數分解。這對於現代加密技術至關重要,因為目前網路上使用的 RSA 加密技術正是基於質因數分解的困難性。傳統電腦需要數千萬年才能破解的加密,量子電腦只需幾秒鐘便可破解。這也引發了全球對後量子密碼學(PQC)的研究,因為一旦量子電腦大規模應用,現有的加密系統將面臨極大的威脅。

-----廣告,請繼續往下閱讀-----

量子電腦的挑戰:退相干與材料限制

儘管量子電腦具有顛覆性的運算能力,但其技術發展仍面臨諸多挑戰。量子位元必須保持在「疊加態」才能進行運算,但量子態非常脆弱,容易因環境中的微小干擾而坍縮成 0 或 1,這種現象被稱為「量子退相干」。量子退相干導致量子計算無法穩定進行,因此,如何保持量子位元穩定是量子電腦發展的一大難題。

目前,科學家們正在探索多種材料和技術來解決這一問題,例如超導體和半導體技術,並嘗試研發更穩定且易於量產的量子電腦硬體。然而,要實現大規模的量子計算應用,仍需克服諸多技術瓶頸。

量子電腦對未來生活的影響

量子電腦的快速發展將為未來帶來深遠的影響。它不僅將推動科學研究的進步,例如藥物設計、材料科學和天文物理等領域,還可能徹底改變我們的日常生活。例如,交通運輸、物流優化、金融風險管理,甚至氣候變遷預測,都有望因量子計算的應用而變得更加精確和高效。

然而,量子計算的發展也帶來了一些潛在的風險。隨著量子電腦逐漸成熟,現有的加密技術可能會被徹底摧毀,全球的資訊安全體系將面臨巨大挑戰。因此,各國政府和企業已經開始研究新的加密方法,以應對量子時代的來臨。

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----

討論功能關閉中。

PanSci_96
1262 篇文章 ・ 2411 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

1
0

文字

分享

0
1
0
從離子阱到拓樸量子位元:量子計算的未來還有多少可能?
PanSci_96
・2024/10/13 ・2069字 ・閱讀時間約 4 分鐘

-----廣告,請繼續往下閱讀-----

量子電腦的新戰場:Atom Computing 的崛起

量子電腦的發展一直以來被視為科技的終極挑戰,從 Google 的量子霸權,到 IBM 不斷推進的Condor 超導電腦,業界翹首以待。然而,截至 2024 年,量子計算領域出現了一個新的變數。Atom Computing 一家美國新興公司,推出了擁有 1,180 個量子位元的量子電腦,不僅超越了IBM神鷹量子電腦的 1,121 個量子位元,甚至德國達姆施塔特工業大學也宣布開發出 1,305 個量子位元的超級電腦。

這些新興勢力的出現,不僅在位元數量上超越了 Google 與 IBM 的現有設備,更顛覆了量子電腦技術路線的既有認知。與以往依賴超導技術的量子電腦不同,Atom Computing 與達姆施塔特大學採用了「離子阱」( Ion Traps ) 技術,利用雷射與電場操控離子,形成穩定且壽命較長的量子位元。這是否意味著,超導量子電腦將不再是量子計算的唯一未來?

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

離子阱技術:量子計算的新契機?

為了理解這一新興技術的潛力,我們首先需要認識量子位元的製作原理。超導量子電腦運用電子在超低溫下的行為,來實現穩定的量子狀態。然而,隨著量子位元數量增加,超導系統面臨物理尺寸與能耗的挑戰。這也是為何離子阱技術逐漸受到重視。

離子阱技術是透過電場陷阱將帶電的離子懸浮在空中,並利用雷射操控其量子態。這種技術擁有更高的穩定性,且能在更長時間內維持量子位元的疊加態。然而,由於需要超低溫、精確的電場控制以及真空環境,離子阱技術在商業應用中的成本仍然偏高,但它的潛力不容忽視。

-----廣告,請繼續往下閱讀-----

中性原子與光學魔法:更進一步的量子技術

除了離子阱技術,Atom Computing 與德國團隊則採用另一種不同的策略——使用中性原子來取代離子。中性原子不帶電,這意味著無法直接依賴電場控制,那它們如何操控?答案在於光學技術。他們運用光鑷(光學鑷子)和雷射致冷技術,用光來束縛和操控中性原子。光鑷是 2018 年諾貝爾物理學獎的技術,利用雷射的動量來推動和控制微小的粒子。

在這種方法下,雷射不僅能束縛原子,還能通過致冷技術將原子的運動降到極低,使得量子態更穩定。這種新興技術雖然仍處於實驗階段,但已顯示出其在量子計算中的巨大潛力。

量子點與鑽石空缺:人造原子的力量

另一個在量子計算領域獲得關注的技術是「量子點」( Quantum Dots )。量子點被視為人造原子,科學家透過在矽晶體等半導體材料中束縛電子,並利用微波來控制其自旋狀態。這項技術的最大優勢是半導體產業已經相當成熟,因此如果量子點技術能成功商業化,其普及速度將非常快速。即便如此,量子點技術仍需要在低溫環境下運作,且面臨如何克服材料內部雜訊干擾的挑戰。

與此類似的技術還包括「鑽石空缺」( Diamond Vacancies ),它透過在人造鑽石中替換部分碳原子,以氮原子取代,並使用雷射來激發這些空缺結構。鑽石空缺技術的最大優點是它不需要極低溫,能在室溫下運作,這使得它在未來的量子計算應用中具有很大的潛力。

-----廣告,請繼續往下閱讀-----
量子電腦模擬的原子核 。圖/wikimedia

二維世界的探索:拓樸量子位元

隨著三維物理的極限逐漸顯現,科學家們將目光投向了二維世界,探索其中的量子計算可能性。微軟與貝爾實驗室都在研究的「拓樸量子位元」( Topological Qubits ) 便是一個例子。拓樸量子位元基於一種稱為「任意子」( Anyon ) 的準粒子運作,這種粒子只存在於二維空間中,並且擁有無視傳統量子力學法則的特性。

拓樸量子位元透過操控粒子的空間幾何軌跡來實現運算,這種軌跡在二維空間中表現出穩定且高度容錯的特性。因此,與其他量子位元相比,拓樸量子位元的穩定性與耐久性更佳。然而,這項技術仍處於實驗階段,距離實際應用還有一段路要走。

量子電腦的未來:量子糾錯與穩定性挑戰

儘管量子電腦擁有極大的潛力,但其目前仍面臨著許多挑戰,最重要的便是量子位元之間的「保真度」( Fidelity ) 與「量子糾錯」( Quantum Error Correction ) 技術。現代的量子電腦對外界干擾極為敏感,甚至微小的環境變化都可能導致計算結果的錯誤。因此,提升量子位元的精確率,並開發有效的糾錯技術,是量子計算未來必須跨越的關鍵。

以 Google 為例,他們在 2023 年發布的研究顯示,通過增加量子位元數量並使用「表面碼」( Surface Code ) 技術,他們成功降低了量子計算中的錯誤率。這項進展意味著量子糾錯技術正逐步成為現實,然而,大規模商業化的量子電腦仍需更多時間才能問世。

-----廣告,請繼續往下閱讀-----

誰將引領量子計算的未來?

量子電腦的發展方向多樣,從超導量子電腦、離子阱、中性原子、量子點、鑽石空缺,到拓樸量子位元,每一種技術都有其獨特的優勢與挑戰。誰能成為量子計算的最終霸主,仍然是未解之謎。或許在不遠的將來,量子電腦將以我們無法想像的速度改變世界,重新定義我們對計算、數據與科技的理解。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。