Квантова AI стартап SandboxAQ завершив етап фінансування E, отримавши загалом 450 мільйонів доларів, кошти надійшли від засновника Bridgewater Ray Dalio, Horizon Kinetics, BNP Paribas, Google і Nvidia. Нові інвестиції допоможуть SandboxAQ продовжити розробку великомасштабних квантових моделей (LQM) у прикладних сценаріях на перетині AI та квантових технологій, прискорити інновації SandboxAQ у сфері штучного інтелекту та розширити його дослідження у фінансах, біофармацевтиці та кібербезпеці.
SandboxAQ, після відокремлення від Alphabet у 2022 році, залучила понад 950 мільйонів доларів. Новими інвесторами, які приєдналися до підтримки розвитку SandboxAQ, стали такі організації, як Breyer Capital, Eric Schmidt, Alger, Paladin Capital, S32, TIME Ventures та T. Rowe Price Associates, Inc. Нове фінансування розширює та посилює лідерство SandboxAQ у галузі штучного інтелекту та кількісних технологій і може стимулювати інновації в біотехнологічній та фінансовій сферах.
Керівник глобального ринку BNP Paribas Олівер Остi заявив, що штучний інтелект та передові обчислювальні потужності мають потужний вплив на фінансові послуги. BNP Paribas очікує співпраці з SandboxAQ для дослідження інноваційних рішень у сфері штучного інтелекту та кількісних технологій.
Засновник фонду Bridgewater Рей Даліо заявив, що він зробив ставку на команду SandboxAQ та її великий квантовий модель (LQM), оскільки він вражений командою та технологією.
Що таке LQMs?
Великі Кількісні Моделі ( (Large Quantitative Models) скорочено LQM) є наступним етапом розвитку штучного інтелекту. LQM базується на фізичних, хімічних та біологічних основних рівняннях, використовуючи перевірені математичні методи для навчання на даних, які безпосередньо отримані з цих рівнянь.
Структура LQM зазвичай включає кілька ключових компонентів. Це спеціальні модулі для розв'язання рівнянь або статистичного аналізу за допомогою глибокого навчання, традиційних чисельних методів або методів між цими двома, що є відмінністю LQM від традиційних LLM.
LQM використовує відібрані наукові інформаційні бази даних як частину свого процесу міркування. LQM використовує LLM для виконання мовних завдань, що дозволяє йому розуміти та генерувати текст так само, як це роблять люди, що ефективно сприяє взаємодії з користувачами та обробці текстових даних.
Як ці компоненти працюють разом? Коли виникає проблема, LQM може спочатку використовувати свою мовну модель, щоб зрозуміти проблему, а потім активувати свій кількісний модуль для виконання необхідних обчислень або симуляцій. Протягом усього процесу він може використовувати свої знання про предметну область для керівництва своїми міркуваннями. Нарешті, він може синтезувати всю цю інформацію для отримання відповіді, яка потім може бути передана користувачеві за допомогою мовної моделі.
SandboxAQ розробляє новий алгоритм тензорних мереж
Квантові обчислення, безумовно, можуть безпосередньо моделювати ці системи з використанням мови квантової механіки, але їхнє реальне впровадження може зайняти ще десятки років. Адже поточні квантові обчислення все ще стикаються з низкою викликів, таких як контроль за помилками кубітів. Хоча нещодавно випущений чіп Willow від Google досяг значного прогресу в цій проблемі, до масового будівництва квантових комп'ютерів залишається багато питань, які потребують вирішення.
Щоб вирішити ці проблеми, SandboxAQ розробив новий алгоритм на основі тензорних мереж (Tensor Networks). Цей алгоритм спочатку виник у галузі квантової багаточастинкової фізики і використовує одну з основних характеристик природи - локальність (Locality). Простими словами, локальність означає, що віддалені частини системи, наприклад, два віддалені атоми в довгій молекулі, не впливають одна на одну значущим чином. Використовуючи цю характеристику, алгоритми тензорних мереж можуть ефективно представляти квантові стани, тобто "закон площі заплутаності". ( джерело: MIT Technology Review )
Співпраця SandboxAQ та технології Nvidia CUDA
SandboxAQ встановила глибоке технологічне партнерство з Nvidia, розширивши функціональність CUDA для підтримки квантових обчислень звичайними графічними процесорами (GPU). Це дозволяє їм не чекати на появу справжніх квантових комп'ютерів, а використовувати наявне обладнання для квантового моделювання, а також інтегрувати квантові процесорні одиниці (QPU) у майбутньому. У дослідженні команда дослідників SandboxAQ використала тензорні процесори (TPU) Google, щоб протягом 24 годин завершити складну високорозмірну оптимізацію з понад 600 мільярдів параметрів, встановивши світовий рекорд за масштабом обчислень тензорних мереж.
Сценарії використання LQM
LQM може допомогти вченим аналізувати складні набори даних, висувати гіпотези та навіть розробляти експерименти, особливо в галузі біології, де це особливо корисно, оскільки можна передбачити тривимірну структуру білка на основі послідовності амінокислот. Конкретний приклад цього - у розробці нових лікарських засобів. Завдяки аналізу молекулярної структури та передбаченню взаємодій, LQM може значно прискорити процес виявлення потенційних ліків. У таких сферах, як матеріалознавство чи структурна інженерія, LQM може допомогти оптимізувати дизайн шляхом проведення безлічі симуляцій та пропонувати покращення на основі конкретних параметрів.
LQM також може бути використаний для обробки різних джерел даних, щоб створити більш точні кліматичні моделі, що допомагає нам краще розуміти та прогнозувати зміни в навколишньому середовищі. У фінансовій сфері LQM може обробляти ринкові дані, новини та економічні показники, щоб забезпечити більш складну оцінку ризиків та інвестиційні стратегії.
Введення в SandboxAQ
SandboxAQ є B2B компанією, що пропонує рішення в галузі штучного інтелекту та кількісних моделей. Великі кількісні моделі SandboxAQ (LQM) принесли значний прогрес у галузі життєвих наук, фінансових послуг, навігації та інших наук. SandboxAQ відокремилася від Alphabet Inc. і стала незалежною компанією, яку фінансують інвестори та стратегічні партнери, включаючи 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 та інші установи.
Ця стаття про стартап SandboxAQ у сфері кількісного штучного інтелекту, який завершив фінансування раунду E, в якому брали участь такі інвестори, як фонд Bridgewater, NVIDIA та Google, вперше з'явилася на Chain News ABMedia.
Контент має виключно довідковий характер і не є запрошенням до участі або пропозицією. Інвестиційні, податкові чи юридичні консультації не надаються. Перегляньте Відмову від відповідальності , щоб дізнатися більше про ризики.
Квантова AI стартап SandboxAQ завершив раунд фінансування E, інвесторами якого стали фонд Бриджвотер, Nvidia та Google.
Квантова AI стартап SandboxAQ завершив етап фінансування E, отримавши загалом 450 мільйонів доларів, кошти надійшли від засновника Bridgewater Ray Dalio, Horizon Kinetics, BNP Paribas, Google і Nvidia. Нові інвестиції допоможуть SandboxAQ продовжити розробку великомасштабних квантових моделей (LQM) у прикладних сценаріях на перетині AI та квантових технологій, прискорити інновації SandboxAQ у сфері штучного інтелекту та розширити його дослідження у фінансах, біофармацевтиці та кібербезпеці.
SandboxAQ, після відокремлення від Alphabet у 2022 році, залучила понад 950 мільйонів доларів. Новими інвесторами, які приєдналися до підтримки розвитку SandboxAQ, стали такі організації, як Breyer Capital, Eric Schmidt, Alger, Paladin Capital, S32, TIME Ventures та T. Rowe Price Associates, Inc. Нове фінансування розширює та посилює лідерство SandboxAQ у галузі штучного інтелекту та кількісних технологій і може стимулювати інновації в біотехнологічній та фінансовій сферах.
Керівник глобального ринку BNP Paribas Олівер Остi заявив, що штучний інтелект та передові обчислювальні потужності мають потужний вплив на фінансові послуги. BNP Paribas очікує співпраці з SandboxAQ для дослідження інноваційних рішень у сфері штучного інтелекту та кількісних технологій.
Засновник фонду Bridgewater Рей Даліо заявив, що він зробив ставку на команду SandboxAQ та її великий квантовий модель (LQM), оскільки він вражений командою та технологією.
Що таке LQMs?
Великі Кількісні Моделі ( (Large Quantitative Models) скорочено LQM) є наступним етапом розвитку штучного інтелекту. LQM базується на фізичних, хімічних та біологічних основних рівняннях, використовуючи перевірені математичні методи для навчання на даних, які безпосередньо отримані з цих рівнянь.
Структура LQM зазвичай включає кілька ключових компонентів. Це спеціальні модулі для розв'язання рівнянь або статистичного аналізу за допомогою глибокого навчання, традиційних чисельних методів або методів між цими двома, що є відмінністю LQM від традиційних LLM.
LQM використовує відібрані наукові інформаційні бази даних як частину свого процесу міркування. LQM використовує LLM для виконання мовних завдань, що дозволяє йому розуміти та генерувати текст так само, як це роблять люди, що ефективно сприяє взаємодії з користувачами та обробці текстових даних.
Як ці компоненти працюють разом? Коли виникає проблема, LQM може спочатку використовувати свою мовну модель, щоб зрозуміти проблему, а потім активувати свій кількісний модуль для виконання необхідних обчислень або симуляцій. Протягом усього процесу він може використовувати свої знання про предметну область для керівництва своїми міркуваннями. Нарешті, він може синтезувати всю цю інформацію для отримання відповіді, яка потім може бути передана користувачеві за допомогою мовної моделі.
SandboxAQ розробляє новий алгоритм тензорних мереж
Квантові обчислення, безумовно, можуть безпосередньо моделювати ці системи з використанням мови квантової механіки, але їхнє реальне впровадження може зайняти ще десятки років. Адже поточні квантові обчислення все ще стикаються з низкою викликів, таких як контроль за помилками кубітів. Хоча нещодавно випущений чіп Willow від Google досяг значного прогресу в цій проблемі, до масового будівництва квантових комп'ютерів залишається багато питань, які потребують вирішення.
Щоб вирішити ці проблеми, SandboxAQ розробив новий алгоритм на основі тензорних мереж (Tensor Networks). Цей алгоритм спочатку виник у галузі квантової багаточастинкової фізики і використовує одну з основних характеристик природи - локальність (Locality). Простими словами, локальність означає, що віддалені частини системи, наприклад, два віддалені атоми в довгій молекулі, не впливають одна на одну значущим чином. Використовуючи цю характеристику, алгоритми тензорних мереж можуть ефективно представляти квантові стани, тобто "закон площі заплутаності". ( джерело: MIT Technology Review )
Співпраця SandboxAQ та технології Nvidia CUDA
SandboxAQ встановила глибоке технологічне партнерство з Nvidia, розширивши функціональність CUDA для підтримки квантових обчислень звичайними графічними процесорами (GPU). Це дозволяє їм не чекати на появу справжніх квантових комп'ютерів, а використовувати наявне обладнання для квантового моделювання, а також інтегрувати квантові процесорні одиниці (QPU) у майбутньому. У дослідженні команда дослідників SandboxAQ використала тензорні процесори (TPU) Google, щоб протягом 24 годин завершити складну високорозмірну оптимізацію з понад 600 мільярдів параметрів, встановивши світовий рекорд за масштабом обчислень тензорних мереж.
Сценарії використання LQM
LQM може допомогти вченим аналізувати складні набори даних, висувати гіпотези та навіть розробляти експерименти, особливо в галузі біології, де це особливо корисно, оскільки можна передбачити тривимірну структуру білка на основі послідовності амінокислот. Конкретний приклад цього - у розробці нових лікарських засобів. Завдяки аналізу молекулярної структури та передбаченню взаємодій, LQM може значно прискорити процес виявлення потенційних ліків. У таких сферах, як матеріалознавство чи структурна інженерія, LQM може допомогти оптимізувати дизайн шляхом проведення безлічі симуляцій та пропонувати покращення на основі конкретних параметрів.
LQM також може бути використаний для обробки різних джерел даних, щоб створити більш точні кліматичні моделі, що допомагає нам краще розуміти та прогнозувати зміни в навколишньому середовищі. У фінансовій сфері LQM може обробляти ринкові дані, новини та економічні показники, щоб забезпечити більш складну оцінку ризиків та інвестиційні стратегії.
Введення в SandboxAQ
SandboxAQ є B2B компанією, що пропонує рішення в галузі штучного інтелекту та кількісних моделей. Великі кількісні моделі SandboxAQ (LQM) принесли значний прогрес у галузі життєвих наук, фінансових послуг, навігації та інших наук. SandboxAQ відокремилася від Alphabet Inc. і стала незалежною компанією, яку фінансують інвестори та стратегічні партнери, включаючи 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 та інші установи.
Ця стаття про стартап SandboxAQ у сфері кількісного штучного інтелекту, який завершив фінансування раунду E, в якому брали участь такі інвестори, як фонд Bridgewater, NVIDIA та Google, вперше з'явилася на Chain News ABMedia.