SandboxAQ สตาร์ทอัพด้าน AI เชิงปริมาณ ได้เสร็จสิ้นการระดมทุนรอบ E โดยได้รับเงินทุนรวม 450 ล้านดอลลาร์ สหรัฐ จาก Ray Dalio ผู้ก่อตั้ง Bridgewater Associates, Horizon Kinetics, BNP Paribas, Google และ NVIDIA การลงทุนใหม่จะช่วยให้ SandboxAQ สามารถผลักดันการใช้งานโมเดลเชิงปริมาณขนาดใหญ่ (LQM) ในพื้นที่ที่มีการบูรณาการระหว่าง AI และเทคโนโลยีเชิงปริมาณต่อไป เร่งนวัตกรรมของ SandboxAQ ในสาขาปัญญาประดิษฐ์ และขยายการวิจัยในด้านการเงิน, ชีวเภสัชกรรม และความปลอดภัยทางไซเบอร์.SandboxAQ ได้ระดมทุนมากกว่า 9.5 พันล้านดอลลาร์สหรัฐ หลังจากที่แยกตัวออกมาจาก Alphabet ในปี 2022 นักลงทุนใหม่ที่เข้าร่วมสนับสนุนการพัฒนา SandboxAQ ได้แก่ Breyer Capital, Eric Schmidt, Alger, Paladin Capital, S32, TIME Ventures และ T. Rowe Price Associates, Inc. การระดมทุนใหม่จะขยายและเสริมสร้างตำแหน่งผู้นำของ SandboxAQ ในด้านปัญญาประดิษฐ์และเทคโนโลยีเชิงปริมาณ และสามารถผลักดันนวัตกรรมในอุตสาหกรรมเทคโนโลยีชีวภาพและการเงินได้.Olivier Osty หัวหน้าตลาดโลกของธนาคาร BNP Paribas กล่าวว่า ปัญญาประดิษฐ์และพลังการคำนวณขั้นสูงกำลังส่งผลกระทบอย่างมากต่อบริการทางการเงิน ธนาคาร BNP Paribas คาดหวังที่จะร่วมมือกับ SandboxAQ เพื่อสำรวจนวัตกรรมในด้านปัญญาประดิษฐ์และเทคโนโลยีเชิงปริมาณ.เรย์ ดาลิโอ ผู้ก่อตั้งบริดจ์วอเตอร์แอสโซซิเอตส์ กล่าวว่าเขาได้เดิมพันกับทีม SandboxAQ และโมเดลเชิงปริมาณขนาดใหญ่ (LQM) เนื่องจากเขาประทับใจในทีมและเทคโนโลยี.LQMs คืออะไร?โมเดลเชิงปริมาณขนาดใหญ่ ( Large Quantitative Models หรือที่เรียกว่า LQM) เป็นขั้นตอนถัดไปของการพัฒนาปัญญาประดิษฐ์ LQM เป็นปัญญาประดิษฐ์ที่อิงจากสมการพื้นฐานทางฟิสิกส์ เคมี และชีววิทยา โดยใช้วิธีการทางคณิตศาสตร์ที่ได้รับการตรวจสอบในการฝึกอบรมข้อมูลที่สร้างขึ้นโดยตรงจากสมการเหล่านี้.โครงสร้างของ LQM มักประกอบด้วยองค์ประกอบสำคัญหลายอย่าง ซึ่งรวมถึงโมดูลพิเศษสำหรับแก้สมการหรือการวิเคราะห์ทางสถิติผ่านการเรียนรู้เชิงลึก วิธีการเชิงตัวเลขแบบดั้งเดิม หรือวิธีการที่อยู่ระหว่างสองอย่างนี้ ซึ่งเป็นความแตกต่างระหว่าง LQM กับ LLM แบบดั้งเดิม.LQM จะใช้ฐานข้อมูลข้อมูลทางวิทยาศาสตร์ที่คัดสรรมาเป็นส่วนหนึ่งของกระบวนการสรุปผล LQM ใช้ LLM เพื่อทำภารกิจที่เน้นการใช้ภาษา ซึ่งช่วยให้พวกเขาเข้าใจและสร้างข้อความในลักษณะเดียวกับมนุษย์ ทำให้สามารถโต้ตอบกับผู้ใช้ได้อย่างมีประสิทธิภาพและจัดการข้อมูลที่มีพื้นฐานจากข้อความได้ส่วนประกอบเหล่านี้ทำงานร่วมกันอย่างไร? เมื่อเกิดปัญหา LQM อาจใช้โมเดลภาษาเพื่อทำความเข้าใจปัญหาก่อน จากนั้นจึงสามารถเริ่มใช้งานโมดูลเชิงปริมาณเพื่อดำเนินการคำนวณหรือจำลองตามที่จำเป็น ในระหว่างกระบวนการทั้งหมด มันสามารถใช้ความรู้เฉพาะด้านเพื่อชี้นำการให้เหตุผลของมัน ในที่สุด มันสามารถรวมข้อมูลทั้งหมดเหล่านี้เพื่อนำเสนอคำตอบ และถ่ายทอดไปยังผู้ใช้ผ่านโมเดลภาษา.SandboxAQ พัฒนาอัลกอริธึมเครือข่ายเทนเซอร์ใหม่การคำนวณควอนตัมสามารถใช้ภาษาเคมีควอนตัมในการจำลองระบบเหล่านี้ได้โดยตรง แต่การนำไปใช้จริงอาจต้องใช้เวลาหลายสิบปี เนื่องจากการคำนวณควอนตัมในปัจจุบันยังเผชิญกับความท้าทายหลายประการ เช่น การควบคุมอัตราความผิดพลาดของควอนตัมบิต แม้ว่าชิป Willow ที่เพิ่งเปิดตัวโดย Google จะมีความก้าวหน้าอย่างมากในปัญหานี้ แต่ยังมีปัญหาอีกมากมายที่ต้องแก้ไขก่อนที่จะสร้างคอมพิวเตอร์ควอนตัมในขนาดใหญ่ได้เพื่อแก้ปัญหาเหล่านี้ SandboxAQ ได้พัฒนาอัลกอริธึมใหม่ที่ใช้เครือข่ายเทนเซอร์ (Tensor Networks) อัลกอริธึมนี้เริ่มต้นมาจากสาขาฟิสิกส์ควอนตัมหลายตัว ซึ่งใช้คุณสมบัติพื้นฐานของธรรมชาติอย่างหนึ่ง - ความเป็นพื้นที่ (Locality) โดยง่าย ความเป็นพื้นที่หมายถึงส่วนที่ห่างไกลกันในระบบ เช่น อะตอมสองตัวที่อยู่ห่างกันในโมเลกุลยาว จะไม่มีผลกระทบซึ่งกันและกันในลักษณะที่มีความหมาย ด้วยการใช้คุณสมบัตินี้ อัลกอริธึมเครือข่ายเทนเซอร์สามารถแทนสถานะควอนตัมได้อย่างมีประสิทธิภาพ ซึ่งเรียกว่า "กฎพื้นที่การพันกัน" (ที่มา: MIT Technology Review )การร่วมมือระหว่าง SandboxAQ และเทคโนโลยี Nvidia CUDASandboxAQ ได้สร้างความร่วมมือทางเทคโนโลยีอย่างลึกซึ้งกับ Nvidia โดย SandboxAQ ขยายฟังก์ชัน CUDA ทำให้ GPU ทั่วไปสามารถรองรับการคำนวณควอนตัมได้ ซึ่งทำให้พวกเขาไม่ต้องรอให้มีคอมพิวเตอร์ควอนตัมจริง ๆ แต่ให้ฮาร์ดแวร์ที่มีอยู่สามารถทำการจำลองควอนตัมได้ และยังสามารถรวมหน่วยประมวลผลควอนตัม (QPUs) ในอนาคต ในการศึกษา SandboxAQ ทีมวิจัยใช้หน่วยประมวลผลเทนเซอร์ (TPUs) ของ Google ในการทำการปรับแต่งที่ซับซ้อนในมิติสูงที่เกี่ยวข้องกับพารามิเตอร์มากกว่า 6000 พันล้านในเวลา 24 ชั่วโมง สร้างสถิติการคำนวณเครือข่ายเทนเซอร์ที่ใหญ่ที่สุดในโลก.สถานการณ์การใช้งานของ LQMLQM สามารถช่วยนักวิทยาศาสตร์ในการวิเคราะห์ชุดข้อมูลที่ซับซ้อน เสนอสมมติฐาน และแม้กระทั่งออกแบบการทดลอง โดยเฉพาะในสาขาชีววิทยาที่มีประโยชน์มาก สามารถคาดการณ์โครงสร้างสามมิติของโปรตีนตามลำดับกรดอะมิโน ตัวอย่างที่ชัดเจนคือในการพัฒนายาใหม่ โดยการวิเคราะห์โครงสร้างโมเลกุลและคาดการณ์ปฏิสัมพันธ์ LQM สามารถเร่งกระบวนการในการระบุยาที่มีศักยภาพได้อย่างมาก ในสาขาวิทยาศาสตร์วัสดุหรือวิศวกรรมโครงสร้าง LQM สามารถช่วยปรับแต่งการออกแบบและเสนอข้อเสนอการปรับปรุงตามพารามิเตอร์เฉพาะโดยการทำการจำลองหลายครั้ง.LQM ยังสามารถใช้ในการจัดการแหล่งข้อมูลต่างๆ เพื่อสร้างโมเดลสภาพภูมิอากาศที่แม่นยำยิ่งขึ้น ช่วยให้เราเข้าใจและคาดการณ์การเปลี่ยนแปลงของสิ่งแวดล้อมได้ดีขึ้น ในด้านการเงิน LQM สามารถจัดการข้อมูลตลาด ข่าวสาร และตัวชี้วัดทางเศรษฐกิจ เพื่อเสนอการประเมินความเสี่ยงและกลยุทธ์การลงทุนที่ซับซ้อนยิ่งขึ้น.แนะนำ SandboxAQSandboxAQ เป็นบริษัท B2B ที่ให้บริการโซลูชันในด้านปัญญาประดิษฐ์และโมเดลเชิงปริมาณ โมเดลเชิงปริมาณขนาดใหญ่ของ SandboxAQ (LQM) ได้สร้างความก้าวหน้าอย่างมากในวิทยาศาสตร์ชีวิต บริการทางการเงิน การนำทาง และวิทยาศาสตร์สาขาอื่นๆ SandboxAQ แยกตัวออกมาจาก Alphabet Inc. เป็นบริษัทอิสระที่ได้รับการสนับสนุนจากนักลงทุนและพันธมิตรทางกลยุทธ์ รวมถึง 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 และอื่นๆ. บทความนี้ บริษัทใหม่ด้าน AI เชิงปริมาณ SandboxAQ ได้ดำเนินการระดมทุนรอบ E โดยมีผู้ลงทุนรวมถึง Bridgewater Fund, NVIDIA และ Google ปรากฏครั้งแรกใน Chain News ABMedia.
SandboxAQ สตาร์ทอัพด้านการวิเคราะห์เชิงปริมาณ AI ได้เสร็จสิ้นการระดมทุนรอบ E โดยมีผู้ลงทุนรวมถึง Bridgewater Associates, NVIDIA และ Google
SandboxAQ สตาร์ทอัพด้าน AI เชิงปริมาณ ได้เสร็จสิ้นการระดมทุนรอบ E โดยได้รับเงินทุนรวม 450 ล้านดอลลาร์ สหรัฐ จาก Ray Dalio ผู้ก่อตั้ง Bridgewater Associates, Horizon Kinetics, BNP Paribas, Google และ NVIDIA การลงทุนใหม่จะช่วยให้ SandboxAQ สามารถผลักดันการใช้งานโมเดลเชิงปริมาณขนาดใหญ่ (LQM) ในพื้นที่ที่มีการบูรณาการระหว่าง AI และเทคโนโลยีเชิงปริมาณต่อไป เร่งนวัตกรรมของ SandboxAQ ในสาขาปัญญาประดิษฐ์ และขยายการวิจัยในด้านการเงิน, ชีวเภสัชกรรม และความปลอดภัยทางไซเบอร์.
SandboxAQ ได้ระดมทุนมากกว่า 9.5 พันล้านดอลลาร์สหรัฐ หลังจากที่แยกตัวออกมาจาก Alphabet ในปี 2022 นักลงทุนใหม่ที่เข้าร่วมสนับสนุนการพัฒนา SandboxAQ ได้แก่ Breyer Capital, Eric Schmidt, Alger, Paladin Capital, S32, TIME Ventures และ T. Rowe Price Associates, Inc. การระดมทุนใหม่จะขยายและเสริมสร้างตำแหน่งผู้นำของ SandboxAQ ในด้านปัญญาประดิษฐ์และเทคโนโลยีเชิงปริมาณ และสามารถผลักดันนวัตกรรมในอุตสาหกรรมเทคโนโลยีชีวภาพและการเงินได้.
Olivier Osty หัวหน้าตลาดโลกของธนาคาร BNP Paribas กล่าวว่า ปัญญาประดิษฐ์และพลังการคำนวณขั้นสูงกำลังส่งผลกระทบอย่างมากต่อบริการทางการเงิน ธนาคาร BNP Paribas คาดหวังที่จะร่วมมือกับ SandboxAQ เพื่อสำรวจนวัตกรรมในด้านปัญญาประดิษฐ์และเทคโนโลยีเชิงปริมาณ.
เรย์ ดาลิโอ ผู้ก่อตั้งบริดจ์วอเตอร์แอสโซซิเอตส์ กล่าวว่าเขาได้เดิมพันกับทีม SandboxAQ และโมเดลเชิงปริมาณขนาดใหญ่ (LQM) เนื่องจากเขาประทับใจในทีมและเทคโนโลยี.
LQMs คืออะไร?
โมเดลเชิงปริมาณขนาดใหญ่ ( Large Quantitative Models หรือที่เรียกว่า LQM) เป็นขั้นตอนถัดไปของการพัฒนาปัญญาประดิษฐ์ LQM เป็นปัญญาประดิษฐ์ที่อิงจากสมการพื้นฐานทางฟิสิกส์ เคมี และชีววิทยา โดยใช้วิธีการทางคณิตศาสตร์ที่ได้รับการตรวจสอบในการฝึกอบรมข้อมูลที่สร้างขึ้นโดยตรงจากสมการเหล่านี้.
โครงสร้างของ LQM มักประกอบด้วยองค์ประกอบสำคัญหลายอย่าง ซึ่งรวมถึงโมดูลพิเศษสำหรับแก้สมการหรือการวิเคราะห์ทางสถิติผ่านการเรียนรู้เชิงลึก วิธีการเชิงตัวเลขแบบดั้งเดิม หรือวิธีการที่อยู่ระหว่างสองอย่างนี้ ซึ่งเป็นความแตกต่างระหว่าง LQM กับ LLM แบบดั้งเดิม.
LQM จะใช้ฐานข้อมูลข้อมูลทางวิทยาศาสตร์ที่คัดสรรมาเป็นส่วนหนึ่งของกระบวนการสรุปผล LQM ใช้ LLM เพื่อทำภารกิจที่เน้นการใช้ภาษา ซึ่งช่วยให้พวกเขาเข้าใจและสร้างข้อความในลักษณะเดียวกับมนุษย์ ทำให้สามารถโต้ตอบกับผู้ใช้ได้อย่างมีประสิทธิภาพและจัดการข้อมูลที่มีพื้นฐานจากข้อความได้
ส่วนประกอบเหล่านี้ทำงานร่วมกันอย่างไร? เมื่อเกิดปัญหา LQM อาจใช้โมเดลภาษาเพื่อทำความเข้าใจปัญหาก่อน จากนั้นจึงสามารถเริ่มใช้งานโมดูลเชิงปริมาณเพื่อดำเนินการคำนวณหรือจำลองตามที่จำเป็น ในระหว่างกระบวนการทั้งหมด มันสามารถใช้ความรู้เฉพาะด้านเพื่อชี้นำการให้เหตุผลของมัน ในที่สุด มันสามารถรวมข้อมูลทั้งหมดเหล่านี้เพื่อนำเสนอคำตอบ และถ่ายทอดไปยังผู้ใช้ผ่านโมเดลภาษา.
SandboxAQ พัฒนาอัลกอริธึมเครือข่ายเทนเซอร์ใหม่
การคำนวณควอนตัมสามารถใช้ภาษาเคมีควอนตัมในการจำลองระบบเหล่านี้ได้โดยตรง แต่การนำไปใช้จริงอาจต้องใช้เวลาหลายสิบปี เนื่องจากการคำนวณควอนตัมในปัจจุบันยังเผชิญกับความท้าทายหลายประการ เช่น การควบคุมอัตราความผิดพลาดของควอนตัมบิต แม้ว่าชิป Willow ที่เพิ่งเปิดตัวโดย Google จะมีความก้าวหน้าอย่างมากในปัญหานี้ แต่ยังมีปัญหาอีกมากมายที่ต้องแก้ไขก่อนที่จะสร้างคอมพิวเตอร์ควอนตัมในขนาดใหญ่ได้
เพื่อแก้ปัญหาเหล่านี้ SandboxAQ ได้พัฒนาอัลกอริธึมใหม่ที่ใช้เครือข่ายเทนเซอร์ (Tensor Networks) อัลกอริธึมนี้เริ่มต้นมาจากสาขาฟิสิกส์ควอนตัมหลายตัว ซึ่งใช้คุณสมบัติพื้นฐานของธรรมชาติอย่างหนึ่ง - ความเป็นพื้นที่ (Locality) โดยง่าย ความเป็นพื้นที่หมายถึงส่วนที่ห่างไกลกันในระบบ เช่น อะตอมสองตัวที่อยู่ห่างกันในโมเลกุลยาว จะไม่มีผลกระทบซึ่งกันและกันในลักษณะที่มีความหมาย ด้วยการใช้คุณสมบัตินี้ อัลกอริธึมเครือข่ายเทนเซอร์สามารถแทนสถานะควอนตัมได้อย่างมีประสิทธิภาพ ซึ่งเรียกว่า "กฎพื้นที่การพันกัน" (ที่มา: MIT Technology Review )
การร่วมมือระหว่าง SandboxAQ และเทคโนโลยี Nvidia CUDA
SandboxAQ ได้สร้างความร่วมมือทางเทคโนโลยีอย่างลึกซึ้งกับ Nvidia โดย SandboxAQ ขยายฟังก์ชัน CUDA ทำให้ GPU ทั่วไปสามารถรองรับการคำนวณควอนตัมได้ ซึ่งทำให้พวกเขาไม่ต้องรอให้มีคอมพิวเตอร์ควอนตัมจริง ๆ แต่ให้ฮาร์ดแวร์ที่มีอยู่สามารถทำการจำลองควอนตัมได้ และยังสามารถรวมหน่วยประมวลผลควอนตัม (QPUs) ในอนาคต ในการศึกษา SandboxAQ ทีมวิจัยใช้หน่วยประมวลผลเทนเซอร์ (TPUs) ของ Google ในการทำการปรับแต่งที่ซับซ้อนในมิติสูงที่เกี่ยวข้องกับพารามิเตอร์มากกว่า 6000 พันล้านในเวลา 24 ชั่วโมง สร้างสถิติการคำนวณเครือข่ายเทนเซอร์ที่ใหญ่ที่สุดในโลก.
สถานการณ์การใช้งานของ LQM
LQM สามารถช่วยนักวิทยาศาสตร์ในการวิเคราะห์ชุดข้อมูลที่ซับซ้อน เสนอสมมติฐาน และแม้กระทั่งออกแบบการทดลอง โดยเฉพาะในสาขาชีววิทยาที่มีประโยชน์มาก สามารถคาดการณ์โครงสร้างสามมิติของโปรตีนตามลำดับกรดอะมิโน ตัวอย่างที่ชัดเจนคือในการพัฒนายาใหม่ โดยการวิเคราะห์โครงสร้างโมเลกุลและคาดการณ์ปฏิสัมพันธ์ LQM สามารถเร่งกระบวนการในการระบุยาที่มีศักยภาพได้อย่างมาก ในสาขาวิทยาศาสตร์วัสดุหรือวิศวกรรมโครงสร้าง LQM สามารถช่วยปรับแต่งการออกแบบและเสนอข้อเสนอการปรับปรุงตามพารามิเตอร์เฉพาะโดยการทำการจำลองหลายครั้ง.
LQM ยังสามารถใช้ในการจัดการแหล่งข้อมูลต่างๆ เพื่อสร้างโมเดลสภาพภูมิอากาศที่แม่นยำยิ่งขึ้น ช่วยให้เราเข้าใจและคาดการณ์การเปลี่ยนแปลงของสิ่งแวดล้อมได้ดีขึ้น ในด้านการเงิน LQM สามารถจัดการข้อมูลตลาด ข่าวสาร และตัวชี้วัดทางเศรษฐกิจ เพื่อเสนอการประเมินความเสี่ยงและกลยุทธ์การลงทุนที่ซับซ้อนยิ่งขึ้น.
แนะนำ SandboxAQ
SandboxAQ เป็นบริษัท B2B ที่ให้บริการโซลูชันในด้านปัญญาประดิษฐ์และโมเดลเชิงปริมาณ โมเดลเชิงปริมาณขนาดใหญ่ของ SandboxAQ (LQM) ได้สร้างความก้าวหน้าอย่างมากในวิทยาศาสตร์ชีวิต บริการทางการเงิน การนำทาง และวิทยาศาสตร์สาขาอื่นๆ SandboxAQ แยกตัวออกมาจาก Alphabet Inc. เป็นบริษัทอิสระที่ได้รับการสนับสนุนจากนักลงทุนและพันธมิตรทางกลยุทธ์ รวมถึง 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 และอื่นๆ.
บทความนี้ บริษัทใหม่ด้าน AI เชิงปริมาณ SandboxAQ ได้ดำเนินการระดมทุนรอบ E โดยมีผู้ลงทุนรวมถึง Bridgewater Fund, NVIDIA และ Google ปรากฏครั้งแรกใน Chain News ABMedia.