La startup de l'IA quantique SandboxAQ a complété un financement de série E, obtenant un total de 450 millions de dollars dans cette nouvelle levée de fonds, avec des investissements provenant du fondateur de Bridgewater, Ray Dalio, d'Horizon Kinetics, de BNP Paribas, de Google et de Nvidia. Ce nouvel investissement aidera SandboxAQ à continuer à promouvoir les applications de grands modèles quantiques (LQM) dans le domaine de l'intersection de l'IA et des technologies quantitatives, accélérant l'innovation de SandboxAQ dans le domaine de l'intelligence artificielle et élargissant sa recherche dans les secteurs financier, biopharmaceutique et de la cybersécurité.
SandboxAQ a levé plus de 950 millions de dollars depuis sa scission d'Alphabet en 2022. De nouveaux investisseurs soutenant le développement de SandboxAQ incluent Breyer Capital, Eric Schmidt, Alger, Paladin Capital, S32, TIME Ventures et T. Rowe Price Associates, Inc. Ce nouveau financement renforce la position de leader de SandboxAQ dans les domaines de l'intelligence artificielle et des technologies quantitatives, et peut stimuler l'innovation dans les secteurs biopharmaceutique et financier.
Olivier Osty, responsable des marchés mondiaux chez BNP Paribas, a déclaré que l'intelligence artificielle et la puissance de calcul avancée ont un impact considérable sur les services financiers. BNP Paribas est impatient de collaborer avec SandboxAQ pour explorer des solutions innovantes dans le domaine de l'intelligence artificielle et des technologies quantitatives.
Le fondateur de Bridgewater, Ray Dalio, a déclaré qu'il pariait sur l'équipe de SandboxAQ et son grand modèle quantitatif (LQM), car il est impressionné par l'équipe et la technologie.
Qu'est-ce que les LQMs ?
Grands Modèles Quantitatifs (, abrégé en LQM), représente la prochaine étape du développement de l'intelligence artificielle. LQM est une intelligence artificielle basée sur des équations fondamentales en physique, chimie et biologie, utilisant des méthodes mathématiques vérifiées pour former des données directement dérivées de ces équations.
La structure de LQM comprend généralement plusieurs composants clés. Ce sont des modules spéciaux pour résoudre des équations ou pour effectuer une analyse statistique par le biais de l'apprentissage profond, de méthodes numériques traditionnelles ou d'une méthode intermédiaire entre les deux, c'est ce qui distingue LQM des LLM traditionnels.
LQM utilise une base de données d'informations scientifiques sélectionnées comme partie de son processus de raisonnement. LQM exploite LLM pour accomplir des tâches centrées sur le langage, ce qui leur permet de comprendre et de générer du texte de la même manière que les humains, interagissant ainsi efficacement avec les utilisateurs et traitant des données basées sur le texte.
Comment ces composants travaillent-ils ensemble ? Lorsqu'un problème survient, LQM peut d'abord utiliser son modèle linguistique pour comprendre le problème, puis il peut activer son module quantitatif pour effectuer les calculs ou simulations nécessaires. Tout au long du processus, il peut s'appuyer sur ses connaissances spécifiques au domaine pour guider son raisonnement. Enfin, il peut synthétiser toutes ces informations pour générer une réponse, puis la communiquer à l'utilisateur via le modèle linguistique.
SandboxAQ développe un nouvel algorithme de réseau tensoriel.
Il est vrai que l'informatique quantique peut simuler directement ces systèmes en utilisant le langage de la mécanique quantique, mais sa réalisation réelle pourrait encore prendre des décennies. Car l'informatique quantique actuelle fait face à une série de défis, tels que le contrôle du taux d'erreur des qubits. Bien que la puce Willow récemment publiée par Google ait fait des percées significatives sur ce problème, il reste encore de nombreux problèmes à résoudre avant de pouvoir construire des ordinateurs quantiques à grande échelle.
Pour résoudre ces problèmes, SandboxAQ a développé un nouvel algorithme basé sur les réseaux de tenseurs. Cet algorithme provient initialement du domaine de la physique quantique des nombreuses corps, et il exploite une caractéristique fondamentale de la nature - la localité. En termes simples, la localité signifie que des parties d'un système éloignées l'une de l'autre, comme deux atomes éloignés dans une longue molécule, n'influencent pas de manière significative l'une l'autre. En utilisant cette caractéristique, l'algorithme des réseaux de tenseurs peut représenter efficacement les états quantiques, c'est-à-dire la "loi de l'aire d'intrication". ( Source : MIT Technology Review )
Collaboration entre SandboxAQ et la technologie Nvidia CUDA
SandboxAQ a établi un partenariat technique approfondi avec Nvidia, étendant les fonctionnalités CUDA pour permettre aux GPU ordinaires de prendre en charge le calcul quantique. Cela signifie qu'ils n'ont pas besoin d'attendre l'apparition de véritables ordinateurs quantiques, mais permettent aux matériels existants d'effectuer des simulations quantiques, tout en intégrant à l'avenir des unités de traitement quantique (QPUs). Dans une étude, l'équipe de recherche de SandboxAQ a utilisé les unités de traitement par tenseur (TPUs) de Google pour réaliser en 24 heures une optimisation complexe en haute dimension impliquant plus de 600 milliards de paramètres, établissant ainsi le record mondial du calcul de réseaux de tenseurs à la plus grande échelle.
Les cas d'utilisation de LQM
Le LQM peut aider les scientifiques à analyser des ensembles de données complexes, à formuler des hypothèses et même à concevoir des expériences, en particulier en biologie, où ils peuvent prédire la structure tridimensionnelle des protéines en fonction de leurs séquences d’acides aminés. Un exemple concret est le développement de nouveaux médicaments. En analysant la structure moléculaire et en prédisant les interactions, le LQM peut accélérer considérablement le processus d’identification des médicaments potentiels. Dans des domaines tels que la science des matériaux ou l’ingénierie des structures, LQM peut aider à optimiser les conceptions et à faire des recommandations d’amélioration en fonction de paramètres spécifiques en exécutant d’innombrables simulations.
LQM peut également être utilisé pour traiter diverses sources de données afin de créer des modèles climatiques plus précis, nous aidant à mieux comprendre et prédire les changements environnementaux. Dans le domaine financier, LQM peut traiter les données de marché, les nouvelles et les indicateurs économiques pour fournir des évaluations de risque et des stratégies d'investissement plus complexes.
Présentation de SandboxAQ
SandboxAQ est une entreprise B2B qui fournit des solutions dans le domaine de l'intelligence artificielle et des modèles quantitatifs. Le grand modèle quantitatif de SandboxAQ (LQM) a apporté des avancées significatives dans les domaines des sciences de la vie, des services financiers, de la navigation et d'autres sciences. SandboxAQ a été scindée d'Alphabet Inc. et est devenue une entreprise indépendante, financée par des investisseurs et des partenaires stratégiques, y compris 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 et d'autres institutions.
Cet article annonce que la startup de quantification AI SandboxAQ a terminé un financement de série E, les investisseurs incluent Bridgewater, Nvidia et Google. Il est apparu pour la première fois sur Chain News ABMedia.
Le contenu est fourni à titre de référence uniquement, il ne s'agit pas d'une sollicitation ou d'une offre. Aucun conseil en investissement, fiscalité ou juridique n'est fourni. Consultez l'Avertissement pour plus de détails sur les risques.
La startup de quantification AI SandboxAQ a terminé un tour de financement de série E, avec des investisseurs tels que Bridgewater, Nvidia et Google.
La startup de l'IA quantique SandboxAQ a complété un financement de série E, obtenant un total de 450 millions de dollars dans cette nouvelle levée de fonds, avec des investissements provenant du fondateur de Bridgewater, Ray Dalio, d'Horizon Kinetics, de BNP Paribas, de Google et de Nvidia. Ce nouvel investissement aidera SandboxAQ à continuer à promouvoir les applications de grands modèles quantiques (LQM) dans le domaine de l'intersection de l'IA et des technologies quantitatives, accélérant l'innovation de SandboxAQ dans le domaine de l'intelligence artificielle et élargissant sa recherche dans les secteurs financier, biopharmaceutique et de la cybersécurité.
SandboxAQ a levé plus de 950 millions de dollars depuis sa scission d'Alphabet en 2022. De nouveaux investisseurs soutenant le développement de SandboxAQ incluent Breyer Capital, Eric Schmidt, Alger, Paladin Capital, S32, TIME Ventures et T. Rowe Price Associates, Inc. Ce nouveau financement renforce la position de leader de SandboxAQ dans les domaines de l'intelligence artificielle et des technologies quantitatives, et peut stimuler l'innovation dans les secteurs biopharmaceutique et financier.
Olivier Osty, responsable des marchés mondiaux chez BNP Paribas, a déclaré que l'intelligence artificielle et la puissance de calcul avancée ont un impact considérable sur les services financiers. BNP Paribas est impatient de collaborer avec SandboxAQ pour explorer des solutions innovantes dans le domaine de l'intelligence artificielle et des technologies quantitatives.
Le fondateur de Bridgewater, Ray Dalio, a déclaré qu'il pariait sur l'équipe de SandboxAQ et son grand modèle quantitatif (LQM), car il est impressionné par l'équipe et la technologie.
Qu'est-ce que les LQMs ?
Grands Modèles Quantitatifs (, abrégé en LQM), représente la prochaine étape du développement de l'intelligence artificielle. LQM est une intelligence artificielle basée sur des équations fondamentales en physique, chimie et biologie, utilisant des méthodes mathématiques vérifiées pour former des données directement dérivées de ces équations.
La structure de LQM comprend généralement plusieurs composants clés. Ce sont des modules spéciaux pour résoudre des équations ou pour effectuer une analyse statistique par le biais de l'apprentissage profond, de méthodes numériques traditionnelles ou d'une méthode intermédiaire entre les deux, c'est ce qui distingue LQM des LLM traditionnels.
LQM utilise une base de données d'informations scientifiques sélectionnées comme partie de son processus de raisonnement. LQM exploite LLM pour accomplir des tâches centrées sur le langage, ce qui leur permet de comprendre et de générer du texte de la même manière que les humains, interagissant ainsi efficacement avec les utilisateurs et traitant des données basées sur le texte.
Comment ces composants travaillent-ils ensemble ? Lorsqu'un problème survient, LQM peut d'abord utiliser son modèle linguistique pour comprendre le problème, puis il peut activer son module quantitatif pour effectuer les calculs ou simulations nécessaires. Tout au long du processus, il peut s'appuyer sur ses connaissances spécifiques au domaine pour guider son raisonnement. Enfin, il peut synthétiser toutes ces informations pour générer une réponse, puis la communiquer à l'utilisateur via le modèle linguistique.
SandboxAQ développe un nouvel algorithme de réseau tensoriel.
Il est vrai que l'informatique quantique peut simuler directement ces systèmes en utilisant le langage de la mécanique quantique, mais sa réalisation réelle pourrait encore prendre des décennies. Car l'informatique quantique actuelle fait face à une série de défis, tels que le contrôle du taux d'erreur des qubits. Bien que la puce Willow récemment publiée par Google ait fait des percées significatives sur ce problème, il reste encore de nombreux problèmes à résoudre avant de pouvoir construire des ordinateurs quantiques à grande échelle.
Pour résoudre ces problèmes, SandboxAQ a développé un nouvel algorithme basé sur les réseaux de tenseurs. Cet algorithme provient initialement du domaine de la physique quantique des nombreuses corps, et il exploite une caractéristique fondamentale de la nature - la localité. En termes simples, la localité signifie que des parties d'un système éloignées l'une de l'autre, comme deux atomes éloignés dans une longue molécule, n'influencent pas de manière significative l'une l'autre. En utilisant cette caractéristique, l'algorithme des réseaux de tenseurs peut représenter efficacement les états quantiques, c'est-à-dire la "loi de l'aire d'intrication". ( Source : MIT Technology Review )
Collaboration entre SandboxAQ et la technologie Nvidia CUDA
SandboxAQ a établi un partenariat technique approfondi avec Nvidia, étendant les fonctionnalités CUDA pour permettre aux GPU ordinaires de prendre en charge le calcul quantique. Cela signifie qu'ils n'ont pas besoin d'attendre l'apparition de véritables ordinateurs quantiques, mais permettent aux matériels existants d'effectuer des simulations quantiques, tout en intégrant à l'avenir des unités de traitement quantique (QPUs). Dans une étude, l'équipe de recherche de SandboxAQ a utilisé les unités de traitement par tenseur (TPUs) de Google pour réaliser en 24 heures une optimisation complexe en haute dimension impliquant plus de 600 milliards de paramètres, établissant ainsi le record mondial du calcul de réseaux de tenseurs à la plus grande échelle.
Les cas d'utilisation de LQM
Le LQM peut aider les scientifiques à analyser des ensembles de données complexes, à formuler des hypothèses et même à concevoir des expériences, en particulier en biologie, où ils peuvent prédire la structure tridimensionnelle des protéines en fonction de leurs séquences d’acides aminés. Un exemple concret est le développement de nouveaux médicaments. En analysant la structure moléculaire et en prédisant les interactions, le LQM peut accélérer considérablement le processus d’identification des médicaments potentiels. Dans des domaines tels que la science des matériaux ou l’ingénierie des structures, LQM peut aider à optimiser les conceptions et à faire des recommandations d’amélioration en fonction de paramètres spécifiques en exécutant d’innombrables simulations.
LQM peut également être utilisé pour traiter diverses sources de données afin de créer des modèles climatiques plus précis, nous aidant à mieux comprendre et prédire les changements environnementaux. Dans le domaine financier, LQM peut traiter les données de marché, les nouvelles et les indicateurs économiques pour fournir des évaluations de risque et des stratégies d'investissement plus complexes.
Présentation de SandboxAQ
SandboxAQ est une entreprise B2B qui fournit des solutions dans le domaine de l'intelligence artificielle et des modèles quantitatifs. Le grand modèle quantitatif de SandboxAQ (LQM) a apporté des avancées significatives dans les domaines des sciences de la vie, des services financiers, de la navigation et d'autres sciences. SandboxAQ a été scindée d'Alphabet Inc. et est devenue une entreprise indépendante, financée par des investisseurs et des partenaires stratégiques, y compris 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 et d'autres institutions.
Cet article annonce que la startup de quantification AI SandboxAQ a terminé un financement de série E, les investisseurs incluent Bridgewater, Nvidia et Google. Il est apparu pour la première fois sur Chain News ABMedia.