Rigetti 详细介绍了新的 QPU 路线图、工厂扩建、Bluefors 合作伙伴关系

Rigetti 详细介绍了新的 QPU 路线图、晶圆厂扩建以及 Bluefors 合作伙伴 PlatoBlockchain 数据智能。垂直搜索。人工智能。

By 丹·奥谢 20 年 2022 月 XNUMX 日发布

在上周晚些时候的首次公开投资者日活动中,RigettiComputing 发布了许多公告和更新。 该公司除了表示仍有望在明年交付两个新的量子计算系统并公布这些系统的新名称外,还表示已与芬兰公司 Bluefors 合作,提供低温以支持未来的量子处理单元。

Rigetti 还表示,正在扩建其位于加利福尼亚州弗里蒙特的 Fab 1 工厂,配备洁净室空间和新的测试能力。 该公司还概述了与 Nvidia、Ampere 和 Keysight Technologies 等公司的新合作伙伴关系(IQT 将在本周晚些时候的单独报道中介绍)。

与许多投资者活动一样,Rigetti 的目的是为了让那些早期购买该公司的投资者(无论是通过 SPAC 合并使 Rigetti 成为一家上市公司)还是那些自 2.15 月份上市以来就购买了该公司股票的投资者放心(他们似乎需要放心,因为上周五 Rigetti 的投资者活动开始时,该股的股价为每股 XNUMX 美元,创下当时的低点。 据报道,Rigetti 的合并和 IPO 并未为该公司提供其希望的那么多资金,此后该公司一直面临着诸如 政府合同的延误.

尽管如此,Rigetti 创始人兼首席执行官 Chad Rigetti 坚定地表示,他的公司将继续走在正确的道路上。 “我们决定成为一家纯粹的全栈公司来建造该设施,投资晶圆厂(位于弗里蒙特的设施),并最终拥有生产资料,并将我们的努力集中在行业价值创造和创新的源泉,引导我们开发出多芯片处理器架构……这将大规模释放性能,”他说。

Rigetti 还继续专注于混合量子经典计算模型,作为当今客户利用量子处理器速度来解决实际问题的最有用的模型。 这位首席执行官表示,考虑到计算状态的发展,通过云提供这些功能是唯一可行的途径。

他将投资者活动的主题描述为“将量子集成到云的结构中”,并补充道,“我们的策略是让力量应用到承认和认识到当今所有先进计算都趋向于异构计算模型,其中不仅在单个环境中是否有多种可用的处理类型,但是这些处理类型可以根据客户可能具有的特定工作流程的特定需求进行排列。 这最好通过云交付来实现,最终我们专注于在该环境中提供量子处理器作为一种新型异构处理器。”

关于接下来的两个下一代系统,Rigetti 给这两个系统起了新的名称,Chad Rigetti 表示 84 量子位 Ankaa 系统仍计划于 2023 年推出,随后是多芯片 336 量子位 Lyra 系统。年。 这些时间表与 Rigetti 在上一份收益报告中讨论的内容一致。 

他表示,新的 QPU 将利用“可调耦合器”等新技术,简而言之,这将有助于提高量子位门保真度,而“方格”设计将改善量子位连接性。

Rigetti 还分享了这两个系统之外的产品路线图,表示“我们的 1000 量子比特以上系统预计于 2025 年推出,我们的 4,000 量子比特以上系统将在 2027 年或更晚出现。 这些系统中的每一个都将与新的支持技术的引入相关联。”

Rigetti 的“全栈”追求及其执行该路线图的能力的一个重要因素在于其 Fab-1 设施的扩建,预计该设施将于 2022 年第四季度末完成。此次扩建包括一个额外的设施5,000 平方英尺的洁净室空间用于晶圆制造,以及在 Rigetti 量子芯片上执行紧密集成的低温微波测试的附加功能。

“竣工后,我们将把当前 Fab 1 的空间几乎增加一倍,”Rigetti 首席执行官 Mike Harburn 说道。 “这个额外的空间将成为我们在 2025 年和 2027 年期间供应未来的能力的真正基础。 我们制造能力的一个关键方面是,我们可以采用生产线末端的产品,并获得冷冻微波测试数据,以帮助我们了解它在真实环境中的表现。”

与此同时,Rigetti 与低温系统开发商 Bluefors 合作,这是一家总部位于芬兰的初创公司, IBM 还与 支持 IBM Quantum System Two 的开发。

Bluefors 的 KIDE 平台(与 IBM 使用的平台相同)最初将支持 Rigetti 的 336 量子位 Lyra 系统,第一个 KIDE 将于 2023 年初到达 Rigetti 手中,随后将与该公司的 1,000+ 量子位和 4,000+ 量子位一起使用-量子位QPU。

有了所有这些要素,Rigetti 就将重点放在机器学习应用的量子计算上,Chad Rigetti 表示,这就是公司早期可以发挥最大作用的领域。 “我们相信量子优势将在逐个应用的基础上实现,而机器学习将是最先实现的。”

Dan O'Shea 研究电信和相关主题,包括半导体、传感器、零售系统、数字支付和量子计算/技术超过 25 年。

时间戳记:

更多来自 内部量子技术