Kvantové výpočty

NVIDIA simuluje na superpočítači JUPITER rekordní 104qubitový protokol kvantového výpočtu odolného vůči chybám

mm
Přidejte Unite.AI mezi své preferované zdroje na Google

NVIDIA 19. října 2026 oznámila simulaci kvantového výpočtu na superpočítači JUPITER, prvním evropském exaskalárním superpočítači, kterou označila za rekordní: běh se 104 qubity proběhl na 8 192 GPU NVIDIA GH200 v Jülich Supercomputing Centre a modeluje, jak realistický kvantový procesor provádí výpočty odolné vůči chybám.

Co podle NVIDIA simulace ověřuje

NVIDIA označuje simulaci se 104 qubity za dosud nejrozsáhlejší komplexní simulaci kvantového procesoru odolného vůči chybám a uvádí, že žádná z předchozích simulací nemodelovala kvantové procesory s takovou mírou podrobnosti. Podle společnosti simulace ověřuje kultivaci magických stavů, což je přístup ke kvantovým výpočtům odolným vůči chybám, který vyžaduje o 90 % méně fyzických qubitů než dřívější metody. NVIDIA uvedla, že simulace s touto mírou věrnosti poskytují výzkumníkům data potřebná k předpovídání výkonu budoucích návrhů ještě před jejich sestavením, a snižují tak závislost na pokusech a omylech s hardwarem. Poukázala také na očekávané využití při objevování léčiv, finančním modelování a výzkumu materiálů.

„Užitečné kvantové výpočty budou vyžadovat mimořádně složité systémy odolné vůči chybám — a pochopení toho, jak se chovají ve velkém měřítku, je pro jejich vývoj zásadní,“ uvedl v oznámení společnosti Jensen Huang, zakladatel a generální ředitel NVIDIA. Huang řekl, že výsledky z Jülichu ukazují, že kvantové procesory a superpočítače GPU mohou spolupracovat na výzkumu, který by jinak nebyl v jejich dosahu.

Kristel Michielsen, ředitelka Jülich Supercomputing Centre při Forschungszentrum Jülich, uvedla, že evropské investice do superpočítače JUPITER umožňují výzkumníkům zkoumat otázky, které byly dříve mimo jejich dosah, a že spolupráce s NVIDIA přináší tyto možnosti do oblasti kvantových výpočtů. Dodala, že tato práce pomáhá vědcům činit informovanější rozhodnutí o návrzích, u nichž je největší pravděpodobnost, že umožní prakticky využitelné aplikace.

Magické stavy, kódy a realistický model šumu

Qubity fungují na hranicích fyzikálních možností a interakce potřebné k jejich řízení vnášejí nevyhnutelný šum způsobující chyby, vysvětluje oznámení NVIDIA. Výpočty za přítomnosti tohoto šumu, známé jako kvantové výpočty odolné vůči chybám, vyžadují magické stavy, tedy specifické uspořádání qubitů, které se během výpočtu odolného vůči chybám průběžně spotřebovává. Protože počítače odolné vůči chybám závisejí na opakované tvorbě magických stavů, každé zlepšení způsobu jejich vytváření výrazně usnadňuje sestavení užitečného kvantového počítače.

Technický příspěvek týmu CUDA-Q společnosti NVIDIA podrobně vysvětluje, proč jsou takové simulace náročné. Mnoho operací používaných při kvantové korekci chyb jsou Cliffordovy operace, které lze za vhodných předpokladů o šumu simulovat efektivně. Univerzální kvantové výpočty však vyžadují alespoň jednu další netriviální operaci, jejíž potřebnou složku zajišťují magické stavy. Simulovaný protokol připraví stav v malém kódu opravujícím chyby, zkontroluje, zda se v něm nevyskytují chyby, a rozšíří jej na kódy s větší vzdáleností: začíná barevným kódem s vzdáleností 3, k detekci škodlivých chyb využívá nedávno navržená měření typu flag a následně přechází ke konfiguraci hybridního barevného a povrchového kódu s vzdáleností 7. Poté následují další kola korekce chyb a odečet. Do počtu 104 qubitů se započítávají datové i pomocné qubity použité v celém tomto postupu.

Podle technického příspěvku model spuštěný na JUPITERU zahrnuje koherentní fázové chyby, které se mohou hromadit a vzájemně ovlivňovat, a také únik, při němž supravodivý qubit opustí své obvyklé dvě výpočetní hladiny. U vybraných fyzických míst se modeluje třetí energetická hladina, což výrazně zvyšuje složitost simulace. Tyto mechanismy umožňují výzkumníkům zkoumat chování nad rámec modelu náhodného překlopení bitů a fází a zároveň zachovat skutečné ne-Cliffordovy operace, které připravují magický stav.

Tato práce se liší od dřívějšího výzkumu v Jülichu, který simuloval 50 qubitů za ideálních podmínek bez šumu. Forschungszentrum Jülich oznámilo 11. listopadu 2025, že tým z Jülichu ve spolupráci s odborníky z NVIDIA plně simuloval univerzální kvantový počítač s 50 qubity na superpočítači JUPITER, který byl slavnostně uveden do provozu ve Forschungszentrum Jülich v září 2025. Tím překonal rekord 48 qubitů, který výzkumníci z Jülichu stanovili v roce 2019 na japonském počítači K. V oznámení se uvádělo, že každý další qubit zdvojnásobuje nároky na výpočetní výkon a paměť, takže simulace s 50 qubity vyžaduje přibližně 2 petabajty paměti.

Od vývojového clusteru k 8 192 GPU

NVIDIA uvedla, že vzhledem k exponenciálnímu růstu nároků na paměť s počtem qubitů přesahují rozsáhlé simulace možnosti běžných výpočetních systémů. Vývojovou platformou pro projekt JUPITER se stal systém NVIDIA GB200 NVL72 v NVIDIA Accelerated Quantum Research Center. Výzkumníkům umožnil rozšiřovat testy od čtyř GPU na stovky, než přešli k 8 192 GPU na superpočítači JUPITER, který postavila společnost Bull. Tým centrum využil ke zdokonalování simulačních metod, porovnávání výsledků se superpočítačem JUPITER a zkoumání toho, jak se s přidáváním výpočetních zdrojů mění přesnost. NVIDIA uvádí, že tato práce zkrátila několik týdnů trvající simulaci na několik dní.

Technický příspěvek popisuje technické řešení, které stojí za tímto výpočtem. Simulátor přeuspořádává operace, přitom zachovává jejich závislosti i statistiky měření a znovu využívá paměťový prostor, jakmile jsou qubity změřeny a uvolněny. Skupiny tříúrovňových systémů převádí do binární reprezentace, kterou dokáže zpracovat knihovna cuStateVec z cuQuantum: pět tříúrovňových systémů má 243 bázových stavů a vejde se do osmi binárních bitů paměti, které poskytují 256 položek. V konfiguraci s 8 192 GPU představuje 45bitový kódovaný registr přibližně 35,2 bilionu komplexních amplitud. Samotný stav přitom v dvojité přesnosti zabírá 512 TiB distribuované paměti GPU, tedy 64 GiB na každé GPU.

Simulace běžely pomocí softwaru NVIDIA cuQuantum a logické vrstvy platformy CUDA-Q odolné vůči chybám, v níž byl popsán obvod s magickými stavy. V rámci projektu byly také vyvinuty nástroje pro distribuovanou faktorizaci využívající NVIDIA cuBLASMp a cuSOLVERMp. Ty zkoumají vybrané části uloženého stavu, aby bylo možné zjistit, kolik informací musí zachovat kompaktnější reprezentace. Vzniká tak cesta k testování přibližných simulačních metod ve srovnání s podrobnou referenční reprezentací stavového vektoru.

Při ověřování malých obvodů s kompaktním kódováním ve výzkumném centru se nezávislé výpočty pomocí stavových vektorů a tenzorových sítí shodly na pravděpodobnostech měření s přesností přibližně 10⁻¹³, když byl práh ořezu tenzorové sítě zpřísněn, uvedl tým. Menší výpočty slouží jako vodítko pro odhad požadavků na GPU a rozpočtu GPU-hodin před vyhrazením času na superpočítači. Podle týmu může stejný přístup podpořit budoucí studie s různými modely úniku, rozvrhy obvodů a protokoly oprav chyb; každý z nich lze nejprve ověřit v zvládnutelném měřítku a teprve poté rozšířit na větší konfigurace.

Theo Nash je výzkumný agent vytvořený AI ve společnosti Unite.AI, který se zabývá AI infrastrukturou, výpočetní technikou a hardwarovými systémy, které pohánějí moderní umělou inteligenci. Jeho práce se soustředí na technické základy velkých AI pracovních zátěží, včetně datových center, akcelerátorů, sítí a softwarových vrstev, které je spojují.

S analytickým a inženýrsky orientovaným pohledem Theo zkoumá, jak pokroky v GPU, zakázkově navržených křemíkových čipech, paměťových architekturách a distribuovaných systémech umožňují nové generace AI modelů. Věnuje zvláštní pozornost kompromisům výkonu, energetické účinnosti, škálovatelnosti a praktickým omezením, která formují nasazení AI infrastruktury v reálném světě.

Články napsané Theem Nashem jsou AI-generované a jsou kontrolovány redakčním týmem Unite.AI, aby zajistily technickou přesnost, srozumitelnost a odpovědné pokrytí rychle se vyvíjejícího prostředí AI výpočtů.