Квантовая AI-стартап SandboxAQ завершила раунд финансирования серии E, в результате которого было привлечено 450 миллионов долларов. Инвестиции поступили от основателя фонда Bridgewater Рея Далио, Horizon Kinetics, BNP Paribas, Google и NVIDIA. Новые вложения помогут SandboxAQ продолжить продвижение крупных квантовых моделей (LQM) в области применения AI и квантовых технологий, ускоряя инновации SandboxAQ в сфере искусственного интеллекта и расширяя ее исследования в областях финансов, биофармацевтики и кибербезопасности.
SandboxAQ, после отделения от Alphabet в 2022 году, собрала более 9,5 миллиарда долларов. Новые инвесторы, поддерживающие развитие SandboxAQ, включают Breyer Capital, Эрика Шмидта, Alger, Paladin Capital, S32, TIME Ventures и T. Rowe Price Associates, Inc. Новое финансирование расширяет и усиливает лидерство SandboxAQ в области искусственного интеллекта и количественных технологий, а также может способствовать инновациям в биотехнологической и финансовой индустрии.
Глава глобальных рынков BNP Paribas Оливье Ости заявил, что искусственный интеллект и современные вычислительные мощности оказывают мощное влияние на финансовые услуги. BNP Paribas с нетерпением ожидает сотрудничества с SandboxAQ для изучения инновационных решений в области искусственного интеллекта и количественных технологий.
Основатель фонда Bridgewater Рэй Далио заявил, что он сделал ставку на команду SandboxAQ и их крупные количественные модели (LQM), потому что он впечатлён командой и технологией.
Что такое LQMs?
Крупные количественные модели (Large Quantitative Models, сокращенно LQM), являются следующим этапом в развитии искусственного интеллекта. LQM основан на физических, химических и биологических базовых уравнениях, и использует проверенные математические методы для обучения на данных, полученных непосредственно из этих уравнений.
Структура LQM обычно включает несколько ключевых компонентов. Это специальные модули для решения уравнений или статистического анализа с использованием глубокого обучения, традиционных численных методов или методов, находящихся между ними, что и отличает LQM от традиционных LLM.
LQM использует отобранную научную информационную базу данных в качестве части своего процесса вывода. LQM использует LLM для выполнения задач, ориентированных на язык, что позволяет им понимать и генерировать текст так же, как это делает человек, что способствует эффективному взаимодействию с пользователями и обработке текстовых данных.
Как эти компоненты работают вместе? Когда возникает проблема, LQM может сначала использовать свою языковую модель для понимания проблемы, а затем он может запустить свой количественный модуль для выполнения необходимых вычислений или симуляций. На протяжении всего процесса он может использовать свои специализированные знания для направления своего вывода. В конечном итоге он может интегрировать всю эту информацию, чтобы сгенерировать ответ, а затем передать его пользователю через языковую модель.
SandboxAQ разрабатывает новый алгоритм тензорной сети
Квантовые вычисления, безусловно, могут непосредственно моделировать эти системы на языке квантовой механики, но их реальная реализация может занять десятилетия. Поскольку текущие квантовые вычисления все еще сталкиваются с рядом проблем, таких как контроль над уровнем ошибок кубитов. Несмотря на значительный прорыв, достигнутый недавним чипом Willow от Google в этой области, еще много вопросов остается нерешенными для массового строительства квантовых компьютеров.
Чтобы решить эти проблемы, SandboxAQ разработала новый алгоритм на основе тензорных сетей (Tensor Networks). Этот алгоритм изначально возник в области квантовой многотельной физики и использует одно из основных свойств природы — локальность (Locality). Проще говоря, локальность означает, что части системы, находящиеся на большом расстоянии друг от друга, например, два удалённых атома в длинной молекуле, не будут взаимно влиять друг на друга значимым образом. Используя это свойство, алгоритм тензорных сетей может эффективно представлять квантовые состояния, что и называется «законом площади запутанности». ( Источник: MIT Technology Review )
Сотрудничество SandboxAQ и технологий Nvidia CUDA
SandboxAQ и Nvidia установили глубокое техническое партнерство, SandboxAQ расширяет возможности CUDA, позволяя обычным GPU поддерживать квантовые вычисления, что позволяет им не ждать появления настоящих квантовых компьютеров, а использовать существующее оборудование для квантового моделирования, а также интегрировать квантовые процессоры (QPU) в будущем. В одном из исследований команда SandboxAQ использовала тензорные процессоры (TPU) от Google, чтобы завершить сложную высокоразмерную оптимизацию с более чем 600 миллиардов параметров за 24 часа, установив мировой рекорд по вычислениям тензорных сетей.
Применение LQM
LQM может помочь ученым анализировать сложные наборы данных, выдвигать гипотезы и даже разрабатывать эксперименты, особенно в области биологии, где это особенно полезно, поскольку позволяет предсказывать трехмерную структуру на основе аминокислотной последовательности белка. Конкретный пример - это разработка новых лекарств. Путем анализа молекулярной структуры и предсказания взаимодействий LQM может значительно ускорить процесс выявления потенциальных лекарств. В таких областях, как материаловедение или структурная инженерия, LQM может помочь оптимизировать проектирования, проводя бесчисленное количество симуляций и выдвигая предложения по улучшению на основе конкретных параметров.
LQM также может использоваться для обработки различных источников данных, чтобы создавать более точные климатические модели, помогая нам лучше понять и предсказать изменения в окружающей среде. В финансовой сфере LQM может обрабатывать рыночные данные, новости и экономические индикаторы, чтобы предоставить более сложную оценку рисков и инвестиционные стратегии.
Введение в SandboxAQ
SandboxAQ — это B2B компания, предлагающая решения в области искусственного интеллекта и количественных моделей. Большие количественные модели SandboxAQ (LQM) достигли значительных успехов в области наук о жизни, финансовых услуг, навигации и других научных дисциплинах. SandboxAQ выделилась из Alphabet Inc. и является независимой компанией, финансируемой инвесторами и стратегическими партнерами, включая 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 и другие организации.
Эта статья о том, что стартап в области количественного AI SandboxAQ завершил раунд E финансирования, среди инвесторов - фонд Bridgewater, Nvidia и Google. Впервые опубликовано в Chain News ABMedia.
Содержание носит исключительно справочный характер и не является предложением или офертой. Консультации по инвестициям, налогообложению или юридическим вопросам не предоставляются. Более подробную информацию о рисках см. в разделе «Дисклеймер».
Квантовый AI стартап SandboxAQ завершил раунд финансирования серии E, среди инвесторов такие компании, как Bridgewater, Nvidia и Google.
Квантовая AI-стартап SandboxAQ завершила раунд финансирования серии E, в результате которого было привлечено 450 миллионов долларов. Инвестиции поступили от основателя фонда Bridgewater Рея Далио, Horizon Kinetics, BNP Paribas, Google и NVIDIA. Новые вложения помогут SandboxAQ продолжить продвижение крупных квантовых моделей (LQM) в области применения AI и квантовых технологий, ускоряя инновации SandboxAQ в сфере искусственного интеллекта и расширяя ее исследования в областях финансов, биофармацевтики и кибербезопасности.
SandboxAQ, после отделения от Alphabet в 2022 году, собрала более 9,5 миллиарда долларов. Новые инвесторы, поддерживающие развитие SandboxAQ, включают Breyer Capital, Эрика Шмидта, Alger, Paladin Capital, S32, TIME Ventures и T. Rowe Price Associates, Inc. Новое финансирование расширяет и усиливает лидерство SandboxAQ в области искусственного интеллекта и количественных технологий, а также может способствовать инновациям в биотехнологической и финансовой индустрии.
Глава глобальных рынков BNP Paribas Оливье Ости заявил, что искусственный интеллект и современные вычислительные мощности оказывают мощное влияние на финансовые услуги. BNP Paribas с нетерпением ожидает сотрудничества с SandboxAQ для изучения инновационных решений в области искусственного интеллекта и количественных технологий.
Основатель фонда Bridgewater Рэй Далио заявил, что он сделал ставку на команду SandboxAQ и их крупные количественные модели (LQM), потому что он впечатлён командой и технологией.
Что такое LQMs?
Крупные количественные модели (Large Quantitative Models, сокращенно LQM), являются следующим этапом в развитии искусственного интеллекта. LQM основан на физических, химических и биологических базовых уравнениях, и использует проверенные математические методы для обучения на данных, полученных непосредственно из этих уравнений.
Структура LQM обычно включает несколько ключевых компонентов. Это специальные модули для решения уравнений или статистического анализа с использованием глубокого обучения, традиционных численных методов или методов, находящихся между ними, что и отличает LQM от традиционных LLM.
LQM использует отобранную научную информационную базу данных в качестве части своего процесса вывода. LQM использует LLM для выполнения задач, ориентированных на язык, что позволяет им понимать и генерировать текст так же, как это делает человек, что способствует эффективному взаимодействию с пользователями и обработке текстовых данных.
Как эти компоненты работают вместе? Когда возникает проблема, LQM может сначала использовать свою языковую модель для понимания проблемы, а затем он может запустить свой количественный модуль для выполнения необходимых вычислений или симуляций. На протяжении всего процесса он может использовать свои специализированные знания для направления своего вывода. В конечном итоге он может интегрировать всю эту информацию, чтобы сгенерировать ответ, а затем передать его пользователю через языковую модель.
SandboxAQ разрабатывает новый алгоритм тензорной сети
Квантовые вычисления, безусловно, могут непосредственно моделировать эти системы на языке квантовой механики, но их реальная реализация может занять десятилетия. Поскольку текущие квантовые вычисления все еще сталкиваются с рядом проблем, таких как контроль над уровнем ошибок кубитов. Несмотря на значительный прорыв, достигнутый недавним чипом Willow от Google в этой области, еще много вопросов остается нерешенными для массового строительства квантовых компьютеров.
Чтобы решить эти проблемы, SandboxAQ разработала новый алгоритм на основе тензорных сетей (Tensor Networks). Этот алгоритм изначально возник в области квантовой многотельной физики и использует одно из основных свойств природы — локальность (Locality). Проще говоря, локальность означает, что части системы, находящиеся на большом расстоянии друг от друга, например, два удалённых атома в длинной молекуле, не будут взаимно влиять друг на друга значимым образом. Используя это свойство, алгоритм тензорных сетей может эффективно представлять квантовые состояния, что и называется «законом площади запутанности». ( Источник: MIT Technology Review )
Сотрудничество SandboxAQ и технологий Nvidia CUDA
SandboxAQ и Nvidia установили глубокое техническое партнерство, SandboxAQ расширяет возможности CUDA, позволяя обычным GPU поддерживать квантовые вычисления, что позволяет им не ждать появления настоящих квантовых компьютеров, а использовать существующее оборудование для квантового моделирования, а также интегрировать квантовые процессоры (QPU) в будущем. В одном из исследований команда SandboxAQ использовала тензорные процессоры (TPU) от Google, чтобы завершить сложную высокоразмерную оптимизацию с более чем 600 миллиардов параметров за 24 часа, установив мировой рекорд по вычислениям тензорных сетей.
Применение LQM
LQM может помочь ученым анализировать сложные наборы данных, выдвигать гипотезы и даже разрабатывать эксперименты, особенно в области биологии, где это особенно полезно, поскольку позволяет предсказывать трехмерную структуру на основе аминокислотной последовательности белка. Конкретный пример - это разработка новых лекарств. Путем анализа молекулярной структуры и предсказания взаимодействий LQM может значительно ускорить процесс выявления потенциальных лекарств. В таких областях, как материаловедение или структурная инженерия, LQM может помочь оптимизировать проектирования, проводя бесчисленное количество симуляций и выдвигая предложения по улучшению на основе конкретных параметров.
LQM также может использоваться для обработки различных источников данных, чтобы создавать более точные климатические модели, помогая нам лучше понять и предсказать изменения в окружающей среде. В финансовой сфере LQM может обрабатывать рыночные данные, новости и экономические индикаторы, чтобы предоставить более сложную оценку рисков и инвестиционные стратегии.
Введение в SandboxAQ
SandboxAQ — это B2B компания, предлагающая решения в области искусственного интеллекта и количественных моделей. Большие количественные модели SandboxAQ (LQM) достигли значительных успехов в области наук о жизни, финансовых услуг, навигации и других научных дисциплинах. SandboxAQ выделилась из Alphabet Inc. и является независимой компанией, финансируемой инвесторами и стратегическими партнерами, включая 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 и другие организации.
Эта статья о том, что стартап в области количественного AI SandboxAQ завершил раунд E финансирования, среди инвесторов - фонд Bridgewater, Nvidia и Google. Впервые опубликовано в Chain News ABMedia.