Perusahaan rintisan AI kuantitatif SandboxAQ telah menyelesaikan pendanaan putaran E, dengan investor termasuk Bridgewater Associates, Nvidia, dan Google.
Perusahaan rintisan kuantitatif AI SandboxAQ telah menyelesaikan putaran pendanaan E, dengan total dana yang diperoleh sebesar 450 juta dolar AS. Pendanaan ini berasal dari pendiri Bridgewater, Ray Dalio, Horizon Kinetics, BNP Paribas, Google, dan Nvidia. Suntikan dana baru ini akan membantu SandboxAQ terus mendorong aplikasi model kuantitatif besar (LQM) di bidang pertemuan AI dan teknologi kuantitatif, mempercepat inovasi SandboxAQ di bidang kecerdasan buatan dan memperluas penelitian mereka di bidang keuangan, bioteknologi, dan keamanan siber.
SandboxAQ telah mengumpulkan lebih dari 9,5 miliar dolar setelah terpisah dari Alphabet pada tahun 2022. Investor baru yang bergabung dalam mendukung pengembangan SandboxAQ termasuk Breyer Capital, Eric Schmidt, Alger, Paladin Capital, S32, TIME Ventures, dan T. Rowe Price Associates, Inc. Pendanaan baru ini memperluas dan meningkatkan posisi kepemimpinan SandboxAQ di bidang kecerdasan buatan dan teknologi kuantum, serta dapat mendorong inovasi di industri bioteknologi dan keuangan.
Kepala Pasar Global BNP Paribas, Olivier Osty, menyatakan bahwa kecerdasan buatan dan kemampuan komputasi yang canggih sedang memberikan dampak besar pada layanan keuangan. BNP Paribas berharap dapat bekerja sama dengan SandboxAQ untuk mengeksplorasi solusi inovatif di bidang kecerdasan buatan dan teknologi kuantitatif.
Pendiri Bridgewater Fund, Ray Dalio, menyatakan bahwa dia bertaruh pada tim SandboxAQ dan model kuantitatif besar mereka (LQM), karena dia terkesan dengan tim dan teknologinya.
Apa itu LQMs?
Model Kuantitatif Besar ( Large Quantitative Models disingkat LQM ) adalah tahap berikutnya dalam pengembangan kecerdasan buatan. LQM adalah kecerdasan buatan yang berbasis pada persamaan fisika, kimia, dan biologi, yang menggunakan metode matematis yang telah terverifikasi untuk melatih data yang dihasilkan langsung dari persamaan tersebut.
Struktur LQM biasanya terdiri dari beberapa komponen kunci. Ini adalah modul khusus untuk menyelesaikan persamaan atau melakukan analisis statistik melalui pembelajaran mendalam, metode numerik tradisional, atau metode yang berada di antara keduanya, ini adalah perbedaan antara LQM dan LLM tradisional.
LQM menggunakan basis data informasi ilmiah yang dipilih sebagai bagian dari proses penalarannya, LQM memanfaatkan LLM untuk menyelesaikan tugas yang berpusat pada bahasa, yang memungkinkan mereka memahami dan menghasilkan teks dengan cara yang sama seperti manusia, sehingga dapat berinteraksi secara efektif dengan pengguna dan memproses data berbasis teks.
Bagaimana komponen-komponen ini bekerja sama? Ketika ada masalah, LQM mungkin pertama-tama menggunakan model bahasanya untuk memahami masalah tersebut, kemudian ia dapat mengaktifkan modul kuantitatifnya untuk melakukan perhitungan atau simulasi yang diperlukan. Selama keseluruhan proses, ia dapat memanfaatkan pengetahuan khusus bidangnya untuk membimbing penalarannya. Akhirnya, ia dapat mengintegrasikan semua informasi ini untuk menghasilkan respons, lalu menyampaikannya kepada pengguna melalui model bahasa.
SandboxAQ mengembangkan algoritma baru jaringan tensor
Komputasi kuantum memang dapat langsung mensimulasikan sistem-sistem ini menggunakan bahasa mekanika kuantum, tetapi implementasi nyatanya mungkin masih memerlukan beberapa dekade. Ini karena komputasi kuantum saat ini masih menghadapi serangkaian tantangan, seperti pengendalian tingkat kesalahan qubit. Meskipun chip Willow yang baru-baru ini dirilis oleh Google telah membuat terobosan signifikan dalam masalah ini, masih ada banyak masalah yang perlu diselesaikan sebelum membangun komputer kuantum secara besar-besaran.
Untuk mengatasi masalah ini, SandboxAQ mengembangkan algoritma baru yang berbasis pada Jaringan Tensor (Tensor Networks). Algoritma ini awalnya berasal dari bidang fisika banyak kuantum, memanfaatkan salah satu sifat dasar dari alam - Lokalitas (Locality). Secara sederhana, lokalitas berarti bahwa bagian-bagian dari sebuah sistem yang terpisah jauh, seperti dua atom yang jauh dalam molekul panjang, tidak akan saling mempengaruhi dengan cara yang berarti. Dengan memanfaatkan sifat ini, algoritma jaringan tensor dapat merepresentasikan keadaan kuantum dengan cara yang efisien, yaitu "hukum luas keterikatan". ( Sumber: MIT Technology Review )
Kerja sama teknologi SandboxAQ dan Nvidia CUDA
SandboxAQ menjalin kemitraan teknis mendalam dengan Nvidia, SandboxAQ memperluas fungsi CUDA, sehingga GPU biasa juga dapat mendukung komputasi kuantum, yang memungkinkan mereka tidak perlu menunggu kehadiran komputer kuantum yang sebenarnya, tetapi memungkinkan perangkat keras yang ada untuk melakukan simulasi kuantum, sekaligus dapat mengintegrasikan unit pemrosesan kuantum (QPU) di masa depan. Dalam sebuah penelitian, tim peneliti SandboxAQ menggunakan unit pemrosesan tensor (TPU) Google untuk menyelesaikan optimasi kompleks berdimensi tinggi yang melibatkan lebih dari 600 miliar parameter dalam waktu 24 jam, menciptakan rekor komputasi jaringan tensor terbesar di dunia.
Skenario aplikasi LQM
LQM dapat membantu para ilmuwan menganalisis kumpulan data yang kompleks, mengajukan hipotesis, bahkan merancang eksperimen, terutama di bidang biologi, sangat berguna untuk memprediksi struktur tiga dimensi berdasarkan urutan asam amino protein. Contoh konkret adalah dalam pengembangan obat baru. Melalui analisis struktur molekul dan memprediksi interaksi, LQM dapat secara signifikan mempercepat proses identifikasi obat potensial. Dalam bidang ilmu material atau rekayasa struktural, LQM dapat membantu mengoptimalkan desain dan mengajukan saran perbaikan berdasarkan parameter tertentu dengan menjalankan simulasi yang tak terhitung jumlahnya.
LQM juga dapat digunakan untuk memproses berbagai sumber data untuk membuat model iklim yang lebih akurat yang membantu kita lebih memahami dan memprediksi perubahan lingkungan. Di sektor keuangan, LQM dapat mengolah data pasar, berita, dan indikator ekonomi untuk memberikan penilaian risiko dan strategi investasi yang lebih canggih.
Pengenalan SandboxAQ
SandboxAQ adalah sebuah perusahaan B2B yang menyediakan solusi di bidang kecerdasan buatan dan model kuantitatif. Model kuantitatif besar SandboxAQ (LQM) telah membawa kemajuan signifikan di bidang ilmu kehidupan, layanan keuangan, navigasi, dan bidang ilmu lainnya. SandboxAQ dipisahkan dari Alphabet Inc., menjadi perusahaan independen yang didanai oleh investor dan mitra strategis, termasuk T. Rowe Price Associates, Inc., Alger, IQT, US Innovative Technology Fund, S32, Paladin Capital, BNP Paribas, Eric Scanmidt, Brehebmidt, Brehebun, Paladin Capital, BNP Paribas, Eric Scanmidt, Breullibmidt, Breulli dan lembaga lainnya.
Artikel ini tentang startup kuantitatif AI SandboxAQ yang telah menyelesaikan pendanaan putaran E, dengan investor termasuk Bridgewater Fund, NVIDIA, dan Google, pertama kali muncul di Berita Blockchain ABMedia.
Konten ini hanya untuk referensi, bukan ajakan atau tawaran. Tidak ada nasihat investasi, pajak, atau hukum yang diberikan. Lihat Penafian untuk pengungkapan risiko lebih lanjut.
Perusahaan rintisan AI kuantitatif SandboxAQ telah menyelesaikan pendanaan putaran E, dengan investor termasuk Bridgewater Associates, Nvidia, dan Google.
Perusahaan rintisan kuantitatif AI SandboxAQ telah menyelesaikan putaran pendanaan E, dengan total dana yang diperoleh sebesar 450 juta dolar AS. Pendanaan ini berasal dari pendiri Bridgewater, Ray Dalio, Horizon Kinetics, BNP Paribas, Google, dan Nvidia. Suntikan dana baru ini akan membantu SandboxAQ terus mendorong aplikasi model kuantitatif besar (LQM) di bidang pertemuan AI dan teknologi kuantitatif, mempercepat inovasi SandboxAQ di bidang kecerdasan buatan dan memperluas penelitian mereka di bidang keuangan, bioteknologi, dan keamanan siber.
SandboxAQ telah mengumpulkan lebih dari 9,5 miliar dolar setelah terpisah dari Alphabet pada tahun 2022. Investor baru yang bergabung dalam mendukung pengembangan SandboxAQ termasuk Breyer Capital, Eric Schmidt, Alger, Paladin Capital, S32, TIME Ventures, dan T. Rowe Price Associates, Inc. Pendanaan baru ini memperluas dan meningkatkan posisi kepemimpinan SandboxAQ di bidang kecerdasan buatan dan teknologi kuantum, serta dapat mendorong inovasi di industri bioteknologi dan keuangan.
Kepala Pasar Global BNP Paribas, Olivier Osty, menyatakan bahwa kecerdasan buatan dan kemampuan komputasi yang canggih sedang memberikan dampak besar pada layanan keuangan. BNP Paribas berharap dapat bekerja sama dengan SandboxAQ untuk mengeksplorasi solusi inovatif di bidang kecerdasan buatan dan teknologi kuantitatif.
Pendiri Bridgewater Fund, Ray Dalio, menyatakan bahwa dia bertaruh pada tim SandboxAQ dan model kuantitatif besar mereka (LQM), karena dia terkesan dengan tim dan teknologinya.
Apa itu LQMs?
Model Kuantitatif Besar ( Large Quantitative Models disingkat LQM ) adalah tahap berikutnya dalam pengembangan kecerdasan buatan. LQM adalah kecerdasan buatan yang berbasis pada persamaan fisika, kimia, dan biologi, yang menggunakan metode matematis yang telah terverifikasi untuk melatih data yang dihasilkan langsung dari persamaan tersebut.
Struktur LQM biasanya terdiri dari beberapa komponen kunci. Ini adalah modul khusus untuk menyelesaikan persamaan atau melakukan analisis statistik melalui pembelajaran mendalam, metode numerik tradisional, atau metode yang berada di antara keduanya, ini adalah perbedaan antara LQM dan LLM tradisional.
LQM menggunakan basis data informasi ilmiah yang dipilih sebagai bagian dari proses penalarannya, LQM memanfaatkan LLM untuk menyelesaikan tugas yang berpusat pada bahasa, yang memungkinkan mereka memahami dan menghasilkan teks dengan cara yang sama seperti manusia, sehingga dapat berinteraksi secara efektif dengan pengguna dan memproses data berbasis teks.
Bagaimana komponen-komponen ini bekerja sama? Ketika ada masalah, LQM mungkin pertama-tama menggunakan model bahasanya untuk memahami masalah tersebut, kemudian ia dapat mengaktifkan modul kuantitatifnya untuk melakukan perhitungan atau simulasi yang diperlukan. Selama keseluruhan proses, ia dapat memanfaatkan pengetahuan khusus bidangnya untuk membimbing penalarannya. Akhirnya, ia dapat mengintegrasikan semua informasi ini untuk menghasilkan respons, lalu menyampaikannya kepada pengguna melalui model bahasa.
SandboxAQ mengembangkan algoritma baru jaringan tensor
Komputasi kuantum memang dapat langsung mensimulasikan sistem-sistem ini menggunakan bahasa mekanika kuantum, tetapi implementasi nyatanya mungkin masih memerlukan beberapa dekade. Ini karena komputasi kuantum saat ini masih menghadapi serangkaian tantangan, seperti pengendalian tingkat kesalahan qubit. Meskipun chip Willow yang baru-baru ini dirilis oleh Google telah membuat terobosan signifikan dalam masalah ini, masih ada banyak masalah yang perlu diselesaikan sebelum membangun komputer kuantum secara besar-besaran.
Untuk mengatasi masalah ini, SandboxAQ mengembangkan algoritma baru yang berbasis pada Jaringan Tensor (Tensor Networks). Algoritma ini awalnya berasal dari bidang fisika banyak kuantum, memanfaatkan salah satu sifat dasar dari alam - Lokalitas (Locality). Secara sederhana, lokalitas berarti bahwa bagian-bagian dari sebuah sistem yang terpisah jauh, seperti dua atom yang jauh dalam molekul panjang, tidak akan saling mempengaruhi dengan cara yang berarti. Dengan memanfaatkan sifat ini, algoritma jaringan tensor dapat merepresentasikan keadaan kuantum dengan cara yang efisien, yaitu "hukum luas keterikatan". ( Sumber: MIT Technology Review )
Kerja sama teknologi SandboxAQ dan Nvidia CUDA
SandboxAQ menjalin kemitraan teknis mendalam dengan Nvidia, SandboxAQ memperluas fungsi CUDA, sehingga GPU biasa juga dapat mendukung komputasi kuantum, yang memungkinkan mereka tidak perlu menunggu kehadiran komputer kuantum yang sebenarnya, tetapi memungkinkan perangkat keras yang ada untuk melakukan simulasi kuantum, sekaligus dapat mengintegrasikan unit pemrosesan kuantum (QPU) di masa depan. Dalam sebuah penelitian, tim peneliti SandboxAQ menggunakan unit pemrosesan tensor (TPU) Google untuk menyelesaikan optimasi kompleks berdimensi tinggi yang melibatkan lebih dari 600 miliar parameter dalam waktu 24 jam, menciptakan rekor komputasi jaringan tensor terbesar di dunia.
Skenario aplikasi LQM
LQM dapat membantu para ilmuwan menganalisis kumpulan data yang kompleks, mengajukan hipotesis, bahkan merancang eksperimen, terutama di bidang biologi, sangat berguna untuk memprediksi struktur tiga dimensi berdasarkan urutan asam amino protein. Contoh konkret adalah dalam pengembangan obat baru. Melalui analisis struktur molekul dan memprediksi interaksi, LQM dapat secara signifikan mempercepat proses identifikasi obat potensial. Dalam bidang ilmu material atau rekayasa struktural, LQM dapat membantu mengoptimalkan desain dan mengajukan saran perbaikan berdasarkan parameter tertentu dengan menjalankan simulasi yang tak terhitung jumlahnya.
LQM juga dapat digunakan untuk memproses berbagai sumber data untuk membuat model iklim yang lebih akurat yang membantu kita lebih memahami dan memprediksi perubahan lingkungan. Di sektor keuangan, LQM dapat mengolah data pasar, berita, dan indikator ekonomi untuk memberikan penilaian risiko dan strategi investasi yang lebih canggih.
Pengenalan SandboxAQ
SandboxAQ adalah sebuah perusahaan B2B yang menyediakan solusi di bidang kecerdasan buatan dan model kuantitatif. Model kuantitatif besar SandboxAQ (LQM) telah membawa kemajuan signifikan di bidang ilmu kehidupan, layanan keuangan, navigasi, dan bidang ilmu lainnya. SandboxAQ dipisahkan dari Alphabet Inc., menjadi perusahaan independen yang didanai oleh investor dan mitra strategis, termasuk T. Rowe Price Associates, Inc., Alger, IQT, US Innovative Technology Fund, S32, Paladin Capital, BNP Paribas, Eric Scanmidt, Brehebmidt, Brehebun, Paladin Capital, BNP Paribas, Eric Scanmidt, Breullibmidt, Breulli dan lembaga lainnya.
Artikel ini tentang startup kuantitatif AI SandboxAQ yang telah menyelesaikan pendanaan putaran E, dengan investor termasuk Bridgewater Fund, NVIDIA, dan Google, pertama kali muncul di Berita Blockchain ABMedia.