Представлено устройство хранения данных на базе квантовой голографии

Представлено устройство хранения данных на базе квантовой голографии

Физики из Стенфордского Университета представили первое в мире работающее на практике квантовое голографическое устройство хранения данных. Пока исследователям удалось перманентно в квантовом пространстве при помощи одного электрона сохранить лишь 35 бит данных, но такой успех в Стенфорде называют самым началом.

По мнению многих экспертов, через 10-15 лет именно квантовые системы хранения данных придут на смену нынешним носителям и смогут сохранять тысячи терабайт данных в ограниченном трехмерном пространстве. Физически квантовые системы хранения можно сравнить с "трехмерными жесткими дисками": запись данных на нынешние носители осуществляется на поверхность магнитных пластин или ряды ячеек памяти в чипах, однако и первые и вторые пишут данные только в 2 изменениях. Квантовые же носители представляют собой 3d-объем, 100% которого можно использовать для записи и считывания данных, сообщает cybersecurity.ru.

Традиционное голографическое изображение создается за счет разбивки лазерного луча на потоки и его отражение от поверхности, о которую он ударяется. 2 луча могут создать лишь 2-мерную голограмму, добавление третьего делает ее объемной и способной двигаться.

В квантовых голографических системах к качестве поверхности для записи используется объемый газ, точнее его ионы, которые под действием лазера особым образом выстраиваются. Кодирование (запись) данных происходит путем перекрещивания двух когерентных лазерных лучей, объектных и побочных (дополнительных) внутри специального материала. Объектный луч содержит информацию, которую необходимо сохранить, в то время как побочный луч призван облегчить процесс. В результате интерференция между лучами создаёт химические и/или физические изменения в светочувствительном носителе, где данные и сохраняются.

Однако здесь необходимо упомянуть роль дифракции. Дифракция освещается одной или двумя волнами, используемыми для записи информации, одна из которых рефрагированная, в то время как другая – реконструктивная. Дифракции могут быть помещены друг за другом, либо быть наложенными одна на другую в необходимом положении, чтобы скидрированные биты могли иметь свободный доступ. В дополнение к огромной запоминающей возможности, голографическое хранение данных может похвастаться быстрым уровнем передачи данных, около одного миллиарда бит в секунду и сократить время до десятков микросекунд.

"Мы экспериментально доказали возможность сохранения 35 бит в перманентном фермионном состоянии. Последующие опыты доказали 100% доступность записанных данных. Величина одного бита в полученной нами системе составила 0,025 нанометра", - говорят в Стенфорде.

По прогнозам разработчиков, первые практические квантовые системы на рынке появятся через 5 лет, а их коммерческий расцвет наступит лет через 20-25.

Лучшие LLM ошибаются с ядовитыми грибами в каждом девятом случае

Разработчик Пётр Мигдал проверил, можно ли доверить нейросети самый рискованный этап тихой охоты — определение грибов по фотографии. Короткий ответ: если очень хочется однажды поужинать дважды, то можно. В бенчмарк вошли 1040 фотографий 55 видов грибов, наиболее распространённых в Польше.

Изображения взяли из датасета FungiTastic, созданного на основе Atlas of Danish Fungi. Полная база содержит свыше 600 тыс. снимков с экспертной классификацией, а для части образцов вид подтверждён анализом ДНК.

Модели показывали каждую фотографию и просили назвать пять наиболее вероятных видов на латыни. Дополнительно их не обучали и специальные инструменты не подключали.


Лучше остальных справилась Gemini 3.8 Flash: правильный вид оказался на первом месте в 65% случаев и попал в пятёрку ответов в 85%. Немного отстали Gemini 3.6 Flash с результатами 64% и 85%, а также Gemini 3.7 Flash — 61% и 82%. Внизу таблицы расположились Qwen 3.8 27B, MiniMax-M3 и Qwen 3.8 Flash.


Но высокая точность закончилась там, где начался вопрос безопасности. Gemini 3.8 Flash и Gemini 3.6 Flash примерно в 11% случаев определяли ядовитые грибы как съедобные виды. У GPT-5.6 Sol доля опасных ошибок достигла 24%, у Claude Opus 5 — 29%, а у Qwen 3.8 27B — 36%. То есть последняя модель потенциально отправляла в корзину не тот гриб чаще чем в каждом третьем случае.

Есть важная оговорка: нейросети напрямую не спрашивали, можно ли есть находку. Они определяли вид, а затем исследователь сопоставлял ответы с таблицей съедобности. Некоторые модели и вовсе отказывались давать классификацию.

RSS: Новости на портале Anti-Malware.ru