La startup de IA cuantitativa SandboxAQ ha completado una ronda de financiamiento en serie E, con inversores que incluyen a Bridgewater, NVIDIA y Google.
La startup de inteligencia artificial cuantitativa SandboxAQ ha completado una ronda de financiamiento Serie E, obteniendo un total de 450 millones de dólares. La financiación proviene del fundador de Bridgewater, Ray Dalio, Horizon Kinetics, BNP Paribas, Google y Nvidia. La nueva inversión ayudará a SandboxAQ a continuar impulsando la aplicación de grandes modelos cuantitativos (LQM) en la intersección de la IA y la tecnología cuantitativa, acelerando la innovación de SandboxAQ en el campo de la inteligencia artificial y ampliando su investigación en finanzas, biofarmacéutica y ciberseguridad.
SandboxAQ se ha separado de Alphabet en 2022 y ha recaudado más de 950 millones de dólares. Nuevos inversores que se han unido para apoyar el desarrollo de SandboxAQ incluyen a Breyer Capital, Eric Schmidt, Alger, Paladin Capital, S32, TIME Ventures y T. Rowe Price Associates, Inc. La nueva financiación amplía y refuerza el liderazgo de SandboxAQ en los campos de la inteligencia artificial y la tecnología cuantitativa, y puede impulsar la innovación en las industrias biotecnológica y financiera.
Olivier Osty, director de Mercados Globales de BNP Paribas, afirmó que la inteligencia artificial y la potencia computacional avanzada están teniendo un gran impacto en los servicios financieros. BNP Paribas espera colaborar con SandboxAQ para explorar soluciones innovadoras en el campo de la inteligencia artificial y la tecnología cuantitativa.
El fundador de Bridgewater, Ray Dalio, declaró que está apostando por el equipo de SandboxAQ y su gran modelo cuantitativo (LQM), porque está impresionado con el equipo y la tecnología.
¿Qué son los LQMs?
Modelos Cuantitativos de Gran Escala (Modelos Cuantitativos Grandes abreviado LQM) es la próxima etapa en el desarrollo de la inteligencia artificial, LQM es una inteligencia artificial basada en ecuaciones fundamentales de física, química y biología, que utiliza métodos matemáticos validados para entrenar directamente con los datos generados a partir de estas ecuaciones.
La estructura de LQM generalmente incluye varios componentes clave. Estos son módulos especiales para resolver ecuaciones o realizar análisis estadístico a través de aprendizaje profundo, métodos numéricos tradicionales o un enfoque intermedio entre ambos, que es la diferencia entre LQM y LLM tradicional.
LQM utiliza una base de datos de información científica seleccionada como parte de su proceso de inferencia. LQM emplea LLM para completar tareas centradas en el lenguaje, lo que les permite comprender y generar texto de manera similar a los humanos, interactuando de manera efectiva con los usuarios y procesando datos basados en texto.
¿Cómo trabajan juntos estos componentes? Cuando surge un problema, LQM puede usar primero su modelo de lenguaje para comprender el problema, luego puede activar su módulo cuantitativo para realizar los cálculos o simulaciones necesarios. A lo largo de todo el proceso, puede aprovechar su conocimiento en un área específica para guiar su razonamiento. Finalmente, puede sintetizar toda esta información para generar una respuesta, y luego comunicársela al usuario a través del modelo de lenguaje.
SandboxAQ desarrolla un nuevo algoritmo de red de tensores
La computación cuántica ciertamente puede simular estos sistemas directamente usando el lenguaje de la mecánica cuántica, pero su implementación real puede requerir décadas. Esto se debe a que la computación cuántica actual aún enfrenta una serie de desafíos, como el control de la tasa de error de los qubits. A pesar de que el chip Willow publicado recientemente por Google ha logrado un avance significativo en este problema, todavía quedan muchas cuestiones por resolver antes de construir computadoras cuánticas a gran escala.
Para abordar estos problemas, SandboxAQ ha desarrollado un nuevo algoritmo basado en Redes Tensoriales. Este algoritmo se originó inicialmente en el campo de la física cuántica de múltiples cuerpos y aprovecha una característica fundamental de la naturaleza: la Localidad. En términos simples, la Localidad significa que partes de un sistema que están muy distantes entre sí, como dos átomos lejanos en una molécula larga, no se influencian de manera significativa entre sí. Aprovechando esta característica, el algoritmo de Redes Tensoriales puede representar estados cuánticos de manera eficiente, lo que se conoce como "ley del área de entrelazamiento". ( Fuente: MIT Technology Review )
SandboxAQ y la colaboración de tecnología Nvidia CUDA
SandboxAQ ha establecido una profunda relación de cooperación técnica con Nvidia, ampliando las funciones de CUDA para que las GPU comunes también puedan soportar cálculos cuánticos. Esto significa que no necesitan esperar la llegada de verdaderas computadoras cuánticas, sino que permiten que el hardware existente realice simulaciones cuánticas, y también pueden integrar unidades de procesamiento cuántico (QPUs) en el futuro. En un estudio, el equipo de investigación de SandboxAQ utilizó las unidades de procesamiento de tensor (TPUs) de Google para completar en 24 horas una compleja optimización de alta dimensión que involucró más de 600 mil millones de parámetros, creando el récord de cálculo de red tensorial más grande del mundo.
Los escenarios de aplicación de LQM
LQM puede ayudar a los científicos a analizar conjuntos de datos complejos, formular hipótesis e incluso diseñar experimentos, siendo especialmente útil en el campo de la biología, donde puede predecir la estructura tridimensional de las proteínas a partir de su secuencia de aminoácidos. Un ejemplo concreto es en el desarrollo de nuevos medicamentos. A través del análisis de la estructura molecular y la predicción de interacciones, LQM puede acelerar significativamente el proceso de identificación de medicamentos potenciales. En campos como la ciencia de materiales o la ingeniería estructural, LQM puede ayudar a optimizar diseños y proponer mejoras basadas en parámetros específicos al ejecutar innumerables simulaciones.
LQM también se puede utilizar para procesar diversas fuentes de datos, creando modelos climáticos más precisos que nos ayuden a comprender y predecir mejor los cambios ambientales. En el ámbito financiero, LQM puede procesar datos del mercado, noticias e indicadores económicos para proporcionar evaluaciones de riesgo y estrategias de inversión más complejas.
Introducción a SandboxAQ
SandboxAQ es una empresa B2B que brinda soluciones en el campo de la inteligencia artificial y el modelado cuantitativo. El modelo cuantitativo a gran escala de SandboxAQ (LQM) ha dado lugar a avances significativos en las ciencias de la vida, los servicios financieros, la navegación y otros campos científicos. SandboxAQ se escindió de Alphabet Inc. como una empresa independiente financiada por inversores y socios estratégicos, incluidos T. Rowe Price Associates, Inc., Alger, IQT, US Innovative Technology Fund, S32, Paladin Capital, BNP Paribas, Eric Scanmidt y Brehebmidt, Brehebun, Paladin Capital, BNP Paribas, Eric Scanmidt, Breullibmidt, Breulli y otros.
Este artículo sobre la startup de inteligencia artificial cuantitativa SandboxAQ ha completado su ronda de financiación serie E, con inversores que incluyen Bridgewater Associates, Nvidia y Google. Apareció por primera vez en Chain News ABMedia.
El contenido es solo de referencia, no una solicitud u oferta. No se proporciona asesoramiento fiscal, legal ni de inversión. Consulte el Descargo de responsabilidad para obtener más información sobre los riesgos.
La startup de IA cuantitativa SandboxAQ ha completado una ronda de financiamiento en serie E, con inversores que incluyen a Bridgewater, NVIDIA y Google.
La startup de inteligencia artificial cuantitativa SandboxAQ ha completado una ronda de financiamiento Serie E, obteniendo un total de 450 millones de dólares. La financiación proviene del fundador de Bridgewater, Ray Dalio, Horizon Kinetics, BNP Paribas, Google y Nvidia. La nueva inversión ayudará a SandboxAQ a continuar impulsando la aplicación de grandes modelos cuantitativos (LQM) en la intersección de la IA y la tecnología cuantitativa, acelerando la innovación de SandboxAQ en el campo de la inteligencia artificial y ampliando su investigación en finanzas, biofarmacéutica y ciberseguridad.
SandboxAQ se ha separado de Alphabet en 2022 y ha recaudado más de 950 millones de dólares. Nuevos inversores que se han unido para apoyar el desarrollo de SandboxAQ incluyen a Breyer Capital, Eric Schmidt, Alger, Paladin Capital, S32, TIME Ventures y T. Rowe Price Associates, Inc. La nueva financiación amplía y refuerza el liderazgo de SandboxAQ en los campos de la inteligencia artificial y la tecnología cuantitativa, y puede impulsar la innovación en las industrias biotecnológica y financiera.
Olivier Osty, director de Mercados Globales de BNP Paribas, afirmó que la inteligencia artificial y la potencia computacional avanzada están teniendo un gran impacto en los servicios financieros. BNP Paribas espera colaborar con SandboxAQ para explorar soluciones innovadoras en el campo de la inteligencia artificial y la tecnología cuantitativa.
El fundador de Bridgewater, Ray Dalio, declaró que está apostando por el equipo de SandboxAQ y su gran modelo cuantitativo (LQM), porque está impresionado con el equipo y la tecnología.
¿Qué son los LQMs?
Modelos Cuantitativos de Gran Escala (Modelos Cuantitativos Grandes abreviado LQM) es la próxima etapa en el desarrollo de la inteligencia artificial, LQM es una inteligencia artificial basada en ecuaciones fundamentales de física, química y biología, que utiliza métodos matemáticos validados para entrenar directamente con los datos generados a partir de estas ecuaciones.
La estructura de LQM generalmente incluye varios componentes clave. Estos son módulos especiales para resolver ecuaciones o realizar análisis estadístico a través de aprendizaje profundo, métodos numéricos tradicionales o un enfoque intermedio entre ambos, que es la diferencia entre LQM y LLM tradicional.
LQM utiliza una base de datos de información científica seleccionada como parte de su proceso de inferencia. LQM emplea LLM para completar tareas centradas en el lenguaje, lo que les permite comprender y generar texto de manera similar a los humanos, interactuando de manera efectiva con los usuarios y procesando datos basados en texto.
¿Cómo trabajan juntos estos componentes? Cuando surge un problema, LQM puede usar primero su modelo de lenguaje para comprender el problema, luego puede activar su módulo cuantitativo para realizar los cálculos o simulaciones necesarios. A lo largo de todo el proceso, puede aprovechar su conocimiento en un área específica para guiar su razonamiento. Finalmente, puede sintetizar toda esta información para generar una respuesta, y luego comunicársela al usuario a través del modelo de lenguaje.
SandboxAQ desarrolla un nuevo algoritmo de red de tensores
La computación cuántica ciertamente puede simular estos sistemas directamente usando el lenguaje de la mecánica cuántica, pero su implementación real puede requerir décadas. Esto se debe a que la computación cuántica actual aún enfrenta una serie de desafíos, como el control de la tasa de error de los qubits. A pesar de que el chip Willow publicado recientemente por Google ha logrado un avance significativo en este problema, todavía quedan muchas cuestiones por resolver antes de construir computadoras cuánticas a gran escala.
Para abordar estos problemas, SandboxAQ ha desarrollado un nuevo algoritmo basado en Redes Tensoriales. Este algoritmo se originó inicialmente en el campo de la física cuántica de múltiples cuerpos y aprovecha una característica fundamental de la naturaleza: la Localidad. En términos simples, la Localidad significa que partes de un sistema que están muy distantes entre sí, como dos átomos lejanos en una molécula larga, no se influencian de manera significativa entre sí. Aprovechando esta característica, el algoritmo de Redes Tensoriales puede representar estados cuánticos de manera eficiente, lo que se conoce como "ley del área de entrelazamiento". ( Fuente: MIT Technology Review )
SandboxAQ y la colaboración de tecnología Nvidia CUDA
SandboxAQ ha establecido una profunda relación de cooperación técnica con Nvidia, ampliando las funciones de CUDA para que las GPU comunes también puedan soportar cálculos cuánticos. Esto significa que no necesitan esperar la llegada de verdaderas computadoras cuánticas, sino que permiten que el hardware existente realice simulaciones cuánticas, y también pueden integrar unidades de procesamiento cuántico (QPUs) en el futuro. En un estudio, el equipo de investigación de SandboxAQ utilizó las unidades de procesamiento de tensor (TPUs) de Google para completar en 24 horas una compleja optimización de alta dimensión que involucró más de 600 mil millones de parámetros, creando el récord de cálculo de red tensorial más grande del mundo.
Los escenarios de aplicación de LQM
LQM puede ayudar a los científicos a analizar conjuntos de datos complejos, formular hipótesis e incluso diseñar experimentos, siendo especialmente útil en el campo de la biología, donde puede predecir la estructura tridimensional de las proteínas a partir de su secuencia de aminoácidos. Un ejemplo concreto es en el desarrollo de nuevos medicamentos. A través del análisis de la estructura molecular y la predicción de interacciones, LQM puede acelerar significativamente el proceso de identificación de medicamentos potenciales. En campos como la ciencia de materiales o la ingeniería estructural, LQM puede ayudar a optimizar diseños y proponer mejoras basadas en parámetros específicos al ejecutar innumerables simulaciones.
LQM también se puede utilizar para procesar diversas fuentes de datos, creando modelos climáticos más precisos que nos ayuden a comprender y predecir mejor los cambios ambientales. En el ámbito financiero, LQM puede procesar datos del mercado, noticias e indicadores económicos para proporcionar evaluaciones de riesgo y estrategias de inversión más complejas.
Introducción a SandboxAQ
SandboxAQ es una empresa B2B que brinda soluciones en el campo de la inteligencia artificial y el modelado cuantitativo. El modelo cuantitativo a gran escala de SandboxAQ (LQM) ha dado lugar a avances significativos en las ciencias de la vida, los servicios financieros, la navegación y otros campos científicos. SandboxAQ se escindió de Alphabet Inc. como una empresa independiente financiada por inversores y socios estratégicos, incluidos T. Rowe Price Associates, Inc., Alger, IQT, US Innovative Technology Fund, S32, Paladin Capital, BNP Paribas, Eric Scanmidt y Brehebmidt, Brehebun, Paladin Capital, BNP Paribas, Eric Scanmidt, Breullibmidt, Breulli y otros.
Este artículo sobre la startup de inteligencia artificial cuantitativa SandboxAQ ha completado su ronda de financiación serie E, con inversores que incluyen Bridgewater Associates, Nvidia y Google. Apareció por primera vez en Chain News ABMedia.