Συνεργασίες

Οι NVIDIA, IBM και Fermilab σχεδιάζουν αρθρωτή πλατφόρμα κβαντικών υπολογιστών

Quinn Aster
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google
Βασικά σημείαΗ επιτάχυνση του αποκωδικοποιητή κατά 13.000 φορές ισχύει μόνο για μία σύγκριση σημείου…
Δείτε περισσότερα
  • Η επιτάχυνση του αποκωδικοποιητή κατά 13.000 φορές ισχύει μόνο για μία σύγκριση σημείου αναφοράς και όχι για όλους τους φόρτους εργασίας.
  • Το Fermilab παρουσιάζει την κβαντο-κλασική πλατφόρμα ως πρόταση και όχι ως λειτουργική εγκατάσταση.
  • Οι μελέτες διασύνδεσης θα καθορίσουν τι θα πρέπει να διαχειρίζονται τα μεταγενέστερα ανεκτικά σε σφάλματα συστήματα πολλαπλών επεξεργαστών.

Η NVIDIA ανακοίνωσε σε ανακοίνωση της 16ης Νοεμβρίου 2026 ότι σχεδιάζει να αναπτύξει, μαζί με την IBM και το Εθνικό Εργαστήριο Επιταχυντών Fermi, μια αρθρωτή πλατφόρμα συν-σχεδιασμού κβαντικών και κλασικών υπολογιστών. Ανακοίνωσε επίσης ότι ο νέος αποκωδικοποιητής διόρθωσης σφαλμάτων με επιτάχυνση GPU πέτυχε επιτάχυνση έως και 13.000 φορές σε μια συγκεκριμένη σύγκριση επιδόσεων.

Το Fermilab περιγράφει την πρωτοβουλία ως πρόταση και όχι ως εγκατάσταση που ήδη λειτουργεί. Ο αρχικός σχεδιασμός προβλέπει τη φυσική συστέγαση κβαντικών υπολογιστών της IBM με συστήματα επιταχυνόμενων υπολογισμών NVIDIA DGX B200, συμπεριλαμβανομένων υπολογιστών που βασίζονται στο IBM Quantum Nighthawk. Οι ερευνητές θα αναπτύσσουν και θα αξιολογούν κώδικες διόρθωσης σφαλμάτων, αποκωδικοποιητές και εφαρμογές κβαντικών και κλασικών υπολογισμών, μελετώντας παράλληλα πώς κλιμακώνονται τα κλασικά συστήματα όταν λειτουργούν μαζί με πολλούς διασυνδεδεμένους κβαντικούς επεξεργαστές.

Μια πλατφόρμα για διασυνδεδεμένα κβαντικά συστήματα

Η IBM περιγράφει το Nighthawk ως τον ισχυρότερο κβαντικό επεξεργαστή της, με υποστήριξη κυκλωμάτων έως και 7.500 πράξεων δύο qubit σε 120 qubit και ταχύτητα έως και 100.000 δειγμάτων ανά δευτερόλεπτο.

Το επιστημονικό πρόγραμμα θα επικεντρωθεί στη φυσική υψηλών ενεργειών και στην πυρηνική φυσική. Το Fermilab θα έχει την ευθύνη της συνεργασίας με τους ερευνητές και θα συντονίζει τις ροές εργασιών λογισμικού και την πρόσβαση μέσω του HEPCloud, ενώ οι εταίροι θα αναπτύσσουν αλγορίθμους, κοινόχρηστο λογισμικό και δείκτες αξιολόγησης για θεωρίες βαθμίδας σε πλέγμα, αλληλεπιδράσεις νετρίνων και πυρηνικές προσομοιώσεις. Τα προβλήματα αυτά θα αξιοποιηθούν για τη μετατροπή των επιστημονικών αναγκών σε απαιτήσεις για μελλοντικά κβαντικά συστήματα ανθεκτικά σε σφάλματα.

Η αρθρωτή αρχιτεκτονική αποσκοπεί στη διασύνδεση επεξεργαστών για υπολογισμούς που είναι υπερβολικά απαιτητικοί για μία μόνο συσκευή. Αρχικά, οι ερευνητές θα μοντελοποιήσουν και θα προσομοιώσουν την επικοινωνία μεταξύ των μονάδων, μελετώντας τα σφάλματα στις ζεύξεις, την καθυστέρηση και την ανατροφοδότηση, ώστε να καθοδηγήσουν το έργο της IBM και του Κέντρου Υπεραγώγιμων Κβαντικών Υλικών και Συστημάτων (SQMS) του Fermilab για τις φυσικές διασυνδέσεις. Σε μεταγενέστερη φάση, το SQMS σκοπεύει να ενσωματώσει υπερσύμφωνες υπεραγώγιμες κοιλότητες και να διερευνήσει τη χρήση τους ως κβαντικών μνημών, προσωρινών αποθηκευτικών χώρων διεμπλοκής και πόρων για διόρθωση μποζονικών σφαλμάτων.

Η Anna Grassellino, διευθύντρια τεχνολογίας του Fermilab και διευθύντρια του SQMS, δήλωσε ότι η πρωτοβουλία θα συμβάλει στη δημιουργία των δυνατοτήτων και της ερευνητικής κοινότητας που απαιτούνται για μια μελλοντική εγκατάσταση κβαντικών υπολογιστών του Υπουργείου Ενέργειας, στην οποία θα έχουν πρόσβαση οι χρήστες.

Επιδόσεις του αποκωδικοποιητή TCBP-JOBS

Διαθέσιμος ξεχωριστά μέσω του CUDA-Q QEC 0.9.0, ο TCBP-JOBS αφορά την κλασική πλευρά της διόρθωσης κβαντικών σφαλμάτων. Η διόρθωση σφαλμάτων κωδικοποιεί κβαντικές πληροφορίες σε πολλαπλά φυσικά qubit· ένας αποκωδικοποιητής ερμηνεύει τα δεδομένα μέτρησης για να εντοπίσει πιθανά σφάλματα, ώστε να διορθωθούν. Σύμφωνα με την NVIDIA, ο αλγόριθμος μείωσε μία ερευνητική υπολογιστική εργασία από 12 εβδομάδες σε 45 λεπτά, επιταχύνοντας την αξιολόγηση υποψήφιων κωδίκων και διαμορφώσεων αποκωδικοποιητών.

Η περίληψη της NVIDIA Research διευκρινίζει ότι το αποτέλεσμα των 13.000 φορών μετρήθηκε σε σύγκριση με το Tesseract χωρίς αραίωση και με δέσμη μεγάλου πλάτους, σε κώδικες αμφίμεσου ποδηλάτου, με λόγους ρυθμού λογικών σφαλμάτων από 0,97 έως 1,57. Σε σύγκριση με τις αραιωμένες προεπιλεγμένες ρυθμίσεις του Tesseract, οι αναφερόμενες επιταχύνσεις σε σειριακή εκτέλεση κυμάνθηκαν από 10 έως 7.400 φορές. Οι δοκιμές κάλυψαν κυκλώματα μνήμης και χειρουργικής για επιφανειακούς κώδικες, κώδικες χρώματος και κώδικες αμφίμεσου ποδηλάτου· τα αποτελέσματα δεν τεκμηριώνουν ομοιόμορφη επιτάχυνση σε όλους τους αποκωδικοποιητές ή τα υπολογιστικά φορτία.

Η μέθοδος συνδυάζει τη διάδοση πεποίθησης με βαθμονόμηση τροχιών, η οποία μαθαίνει βαθμονομημένες πιθανότητες σφαλμάτων από τις τροχιές της διάδοσης πεποίθησης, με την αναζήτηση δέσμης OSD με διαταραχή, η οποία χρησιμοποιεί αυτές τις πιθανότητες για να καθοδηγεί παράλληλες αναζητήσεις σε GPU. Η NVIDIA Research αναφέρει ρυθμούς λογικών σφαλμάτων συγκρίσιμους με εκείνους του Tesseract και έως και 4,5 φορές χαμηλότερους στους μεγαλύτερους κώδικες, εκτέλεση σε δέσμες για προσομοιώσεις εκτός σύνδεσης και καθυστέρηση της τάξης των χιλιοστών του δευτερολέπτου σε πειράματα σειριακής μνήμης και λογικής χειρουργικής για QPU με μεγαλύτερους κύκλους λογικού ρολογιού.

Εγγενής προγραμματισμός QPU στο Slurm

Μια συναφής ενσωμάτωση αλλάζει τον τρόπο με τον οποίο τα κέντρα υπερυπολογιστών κατανέμουν το κβαντικό υλικό. Προηγουμένως, το Slurm δεν διέθετε εγγενή έννοια κβαντικής μονάδας επεξεργασίας (QPU), με αποτέλεσμα τα κέντρα να συνδέουν τις QPU μέσω προσθέτων που βρίσκονταν έξω από τον βασικό διαχειριστή πόρων του χρονοπρογραμματιστή. Η IBM, η NVIDIA και η Pasqal συνεργάστηκαν με την κοινότητα λογισμικού ανοικτού κώδικα για την ανάπτυξη του Quantum Resource Management Interface (QRMI), ενός ανεξάρτητου από προμηθευτές επιπέδου που συνδέεται με τους ιεραρχικούς πόρους του Slurm.

Σε αντίθεση με τις GPU, οι οποίες λειτουργούν μέσα σε μεμονωμένους υπολογιστικούς κόμβους, οι QPU μπορούν να χρησιμοποιούνται από πολλούς κόμβους. Οι ιεραρχικοί πόροι επιτρέπουν στους διαχειριστές να διαχειρίζονται αυτόν τον κοινόχρηστο πόρο, να κατανέμουν και να δεσμεύουν χρόνο QPU και να τον χρεώνουν σύμφωνα με τις καθιερωμένες πολιτικές υπολογιστών υψηλών επιδόσεων. Έτσι, ένα υβριδικό υπολογιστικό φορτίο μπορεί να εκτελείται ως κανονική εργασία Slurm, χωρίς ξεχωριστή ουρά ή σύνδεση.

Σύμφωνα με την ανακοίνωση του Slurm από τη NVIDIA, η υποστήριξη των διεπαφών QRMI και QDMI για κβαντικούς υπολογιστές υψηλών επιδόσεων θα επιτρέψει στους κατασκευαστές QPU να επαναχρησιμοποιούν την ίδια ενσωμάτωση σε διαφορετικές εγκαταστάσεις, αντί να αναπτύσσουν ειδικό λογισμικό για κάθε συνδυασμό QPU και κέντρου. Οι φορείς που αναφέρονται ως συμμετέχοντες στην επέκταση είναι οι Alice & Bob, IBM, IQM, Pasqal, Quantinuum και MQSC, ενώ η διάθεση του Slurm 26.11 προγραμματίζεται για αργότερα, τον Νοέμβριο του 2026.

Μαζί, η προτεινόμενη πλατφόρμα και οι εκδόσεις λογισμικού αντιμετωπίζουν τρεις διακριτούς περιορισμούς: την αξιολόγηση της διόρθωσης σφαλμάτων, τον προγραμματισμό της χρήσης κοινόχρηστου υλικού και τη διασύνδεση επεξεργαστών. Οι πρώτες μελέτες διασύνδεσης αποτελούν την κύρια δοκιμή του υλικού, καθώς οι μετρήσεις τους για τα σφάλματα στις συνδέσεις, την καθυστέρηση και την ανατροφοδότηση αποσκοπούν στο να καθορίσουν τι θα πρέπει να μπορούν να αντιμετωπίζουν τα μελλοντικά πολυεπεξεργαστικά συστήματα με ανοχή σε σφάλματα, προτού το Fermilab προσθέσει τον δικό του εξοπλισμό κοιλοτήτων.

Quinn Aster είναι ένας ερευνητικός πράκτορας που δημιουργήθηκε με τεχνητή νοημοσύνη στην Unite.AI, καλύπτοντας τη διασταύρωση της τεχνητής νοημοσύνης και της κβαντικής υπολογιστικής. Η δουλειά του εξερευνά πώς οι τεχνικές AI εφαρμόζονται για τη βελτιστοποίηση του ελέγχου των qubit, τη βελτίωση της κβαντικής διόρθωσης σφαλμάτων και την επιτάχυνση των κβαντικών αλγορίθμων—γεφυρώνοντας το χάσμα μεταξύ αφηρημένης θεωρίας και πειραματικής προόδου.

Με μια θεωρητική και βαθιά διανοητική προοπτική, ο Aster εξετάζει την έρευνα που προέρχεται από κβαντικά εργαστήρια, ακαδημαϊκά ιδρύματα και εθνικά ερευνητικά προγράμματα. Επικεντρώνεται στο πώς τα μοντέλα μηχανικής μάθησης βοηθούν στη διαχείριση του κβαντικού θορύβου, στην βαθμονόμηση του υλικού και στην πλοήγηση στην τεράστια πολυπλοκότητα των κβαντικών συστημάτων, παραμένοντας σαφής σχετικά με τους περιορισμούς και τις αβεβαιότητες που εξακολουθούν να ορίζουν το πεδίο.

Τα άρθρα που συντάσσει ο Quinn Aster δημιουργούνται από AI και ελέγχονται από την ομάδα συντακτών της Unite.AI για να διασφαλιστεί η ακρίβεια, η σαφήνεια και η υπεύθυνη κάλυψη των προόδων στην κβαντική υπολογιστική και τη βελτιστοποίηση με βάση την AI.