Κβαντικός υπολογισμός

Η NVIDIA προσομοιώνει στο JUPITER πρωτόκολλο ανεκτικό σε σφάλματα με 104 qubits, καταρρίπτοντας ρεκόρ

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google

Στις 19 Οκτωβρίου 2026, η NVIDIA ανακοίνωσε αυτό που χαρακτήρισε προσομοίωση κβαντικού υπολογισμού που καταρρίπτει ρεκόρ, στο JUPITER, τον πρώτο εξασκάλιo υπερυπολογιστή της Ευρώπης: μια εκτέλεση με 104 qubits σε 8.192 GPU NVIDIA GH200 στο Jülich Supercomputing Centre, η οποία μοντελοποιεί τον τρόπο με τον οποίο ένας ρεαλιστικός κβαντικός επεξεργαστής εκτελεί υπολογισμούς ανεκτικούς σε σφάλματα.

Τι, σύμφωνα με την NVIDIA, επικυρώνει η εκτέλεση

Η NVIDIA περιγράφει την προσομοίωση των 104 qubits ως την πληρέστερη προσομοίωση κβαντικού επεξεργαστή ανεκτικού σε σφάλματα που έχει πραγματοποιηθεί μέχρι σήμερα, σημειώνοντας ότι καμία προηγούμενη προσομοίωση δεν είχε μοντελοποιήσει κβαντικούς επεξεργαστές με τόσο μεγάλη λεπτομέρεια. Σύμφωνα με την εταιρεία, η εκτέλεση επικυρώνει την καλλιέργεια μαγικών καταστάσεων, μια προσέγγιση στον κβαντικό υπολογισμό ανεκτικό σε σφάλματα που απαιτεί 90% λιγότερα φυσικά qubits από τις προηγούμενες μεθόδους. Η NVIDIA ανέφερε ότι προσομοιώσεις με αυτόν τον βαθμό πιστότητας παρέχουν στους ερευνητές τα δεδομένα που χρειάζονται για να προβλέπουν τις επιδόσεις μελλοντικών σχεδίων πριν από την κατασκευή τους, μειώνοντας την εξάρτηση από δοκιμές και σφάλματα σε υλικό. Επισήμανε επίσης τις αναμενόμενες εφαρμογές στην ανακάλυψη φαρμάκων, τη χρηματοοικονομική μοντελοποίηση και την επιστήμη των υλικών.

«Για να αξιοποιηθεί ουσιαστικά ο κβαντικός υπολογισμός, θα χρειαστούν εξαιρετικά σύνθετα συστήματα ανεκτικά σε σφάλματα — και η κατανόηση της συμπεριφοράς τους σε μεγάλη κλίμακα είναι απαραίτητη για την κατασκευή τους», δήλωσε ο Jensen Huang, ιδρυτής και διευθύνων σύμβουλος της NVIDIA, στην ανακοίνωση της εταιρείας. Ο Huang ανέφερε ότι τα αποτελέσματα του Jülich δείχνουν πως οι κβαντικοί επεξεργαστές και οι υπερυπολογιστές GPU μπορούν να συνεργαστούν σε έρευνα που διαφορετικά θα ήταν ανέφικτη.

Η Kristel Michielsen, διευθύντρια του Jülich Supercomputing Centre στο Forschungszentrum Jülich, δήλωσε ότι η επένδυση της Ευρώπης στο JUPITER δίνει στους ερευνητές τη δυνατότητα να διερευνήσουν ζητήματα που προηγουμένως ήταν πέρα από τις δυνατότητές τους και ότι η συνεργασία με την NVIDIA φέρνει αυτή τη δυνατότητα στον κβαντικό υπολογισμό. Πρόσθεσε ότι η εργασία βοηθά τους επιστήμονες να λαμβάνουν καλύτερα τεκμηριωμένες αποφάσεις σχετικά με τα σχέδια που είναι πιθανότερο να οδηγήσουν σε χρήσιμες εφαρμογές.

Μαγικές καταστάσεις, κώδικες και ένα ρεαλιστικό μοντέλο θορύβου

Τα qubits λειτουργούν στα όρια της φυσικής, ενώ οι αλληλεπιδράσεις που απαιτούνται για τον έλεγχό τους προκαλούν αναπόφευκτο θόρυβο που δημιουργεί σφάλματα, εξηγεί η ανακοίνωση της NVIDIA. Ο υπολογισμός παρουσία αυτού του θορύβου, γνωστός ως κβαντικός υπολογισμός ανεκτικός σε σφάλματα, απαιτεί μαγικές καταστάσεις — μια συγκεκριμένη διάταξη qubits που καταναλώνεται διαρκώς κατά τη διάρκεια ενός υπολογισμού ανεκτικού σε σφάλματα. Καθώς οι μηχανές ανεκτικές σε σφάλματα βασίζονται στην επανειλημμένη παραγωγή μαγικών καταστάσεων, κάθε βελτιστοποίηση στον τρόπο δημιουργίας τους μειώνει σημαντικά τη δυσκολία κατασκευής ενός χρήσιμου κβαντικού υπολογιστή.

Μια τεχνική ανάρτηση της ομάδας CUDA-Q της NVIDIA εξηγεί γιατί τέτοιου είδους προσομοιώσεις είναι δύσκολες. Πολλές από τις πράξεις που χρησιμοποιούνται στη διόρθωση κβαντικών σφαλμάτων είναι πράξεις Clifford, οι οποίες μπορούν να προσομοιωθούν αποτελεσματικά υπό κατάλληλες παραδοχές για τον θόρυβο. Ωστόσο, ο καθολικός κβαντικός υπολογισμός απαιτεί τουλάχιστον μία επιπλέον μη τετριμμένη πράξη, την οποία παρέχουν ως συστατικό οι μαγικές καταστάσεις. Το προσομοιωμένο πρωτόκολλο προετοιμάζει μια κατάσταση σε έναν μικρό κώδικα διόρθωσης σφαλμάτων, την ελέγχει για σφάλματα και την επεκτείνει σε κώδικες με μεγαλύτερες αποστάσεις: ξεκινά με έναν κώδικα χρώματος απόστασης 3, χρησιμοποιεί πρόσφατα σχεδιασμένες μετρήσεις με σημαίες για να εντοπίζει επιβλαβή σφάλματα και επεκτείνεται σε μια υβριδική διάταξη κώδικα χρώματος και επιφανειακού κώδικα απόστασης 7, προτού ακολουθήσουν επιπλέον γύροι διόρθωσης σφαλμάτων και η ανάγνωση. Στα 104 qubits που συνυπολογίζονται περιλαμβάνονται τα qubits δεδομένων και τα βοηθητικά qubits που χρησιμοποιούνται σε όλη αυτή την ακολουθία.

Σύμφωνα με την τεχνική ανάρτηση, το μοντέλο που εκτελέστηκε στο JUPITER περιλαμβάνει συνεκτικά σφάλματα φάσης, τα οποία μπορούν να συσσωρεύονται και να αλληλεπιδρούν, καθώς και διαρροή, κατά την οποία ένα υπεραγώγιμο qubit εγκαταλείπει τις συνήθεις δύο υπολογιστικές του στάθμες. Σε επιλεγμένες φυσικές θέσεις μοντελοποιείται και μια τρίτη ενεργειακή στάθμη, γεγονός που αυξάνει σημαντικά την πολυπλοκότητα της προσομοίωσης. Αυτοί οι μηχανισμοί επιτρέπουν στους ερευνητές να εξετάσουν συμπεριφορές πέρα από εκείνες που περιγράφει ένα μοντέλο τυχαίων αναστροφών bit και φάσης, διατηρώντας παράλληλα τις πραγματικές μη-Clifford πράξεις που προετοιμάζουν τη μαγική κατάσταση.

Η εργασία διαφέρει από προηγούμενη έρευνα του Jülich, η οποία προσομοίωσε 50 qubits υπό ιδανικές συνθήκες, χωρίς θόρυβο. Το Forschungszentrum Jülich ανακοίνωσε στις 11 Νοεμβρίου 2025 ότι μια ομάδα του Jülich, σε συνεργασία με ειδικούς της NVIDIA, είχε προσομοιώσει πλήρως έναν καθολικό κβαντικό υπολογιστή 50 qubits στο JUPITER, που εγκαινιάστηκε στο Forschungszentrum Jülich τον Σεπτέμβριο του 2025, καταρρίπτοντας το ρεκόρ των 48 qubits που είχαν θέσει ερευνητές του Jülich το 2019 στον K computer της Ιαπωνίας. Στην ανακοίνωση επισημαινόταν ότι κάθε επιπλέον qubit διπλασιάζει τις υπολογιστικές απαιτήσεις και τις απαιτήσεις μνήμης, με αποτέλεσμα μια προσομοίωση 50 qubits να απαιτεί περίπου 2 petabytes μνήμης.

Από ένα σύμπλεγμα ανάπτυξης σε 8.192 GPU

Καθώς οι απαιτήσεις μνήμης αυξάνονται εκθετικά με τον αριθμό των qubits, οι προσομοιώσεις μεγάλης κλίμακας ξεπερνούν τις δυνατότητες των συμβατικών υπολογιστικών συστημάτων, ανέφερε η NVIDIA. Ένα σύστημα NVIDIA GB200 NVL72 στο NVIDIA Accelerated Quantum Research Center αποτέλεσε την πλατφόρμα ανάπτυξης του έργου JUPITER, επιτρέποντας στους ερευνητές να κλιμακώσουν τις δοκιμές από τέσσερις GPU σε εκατοντάδες, προτού προχωρήσουν στις 8.192 GPU του JUPITER, που κατασκευάστηκε από την Bull. Η ομάδα χρησιμοποίησε το κέντρο για να βελτιώσει τις μεθόδους προσομοίωσης, να συγκρίνει τα αποτελέσματα με εκείνα του JUPITER και να μελετήσει πώς κλιμακώνεται η ακρίβεια καθώς αυξάνονται οι διαθέσιμοι υπολογιστικοί πόροι. Σύμφωνα με την NVIDIA, αυτή η εργασία μείωσε από εβδομάδες σε ημέρες τον χρόνο που απαιτούνταν για μια προσομοίωση.

Η τεχνική ανάρτηση περιγράφει τη μηχανική υλοποίηση της εκτέλεσης. Ο προσομοιωτής αναδιατάσσει τις πράξεις διατηρώντας τις εξαρτήσεις τους και τα στατιστικά των μετρήσεων, ενώ επαναχρησιμοποιεί τον χώρο αποθήκευσης καθώς τα qubit μετρώνται και απελευθερώνονται. Ομαδοποιεί συστήματα τριών επιπέδων σε δυαδική αναπαράσταση, την οποία μπορεί να εκτελέσει η βιβλιοθήκη cuStateVec του cuQuantum: πέντε συστήματα τριών επιπέδων έχουν 243 καταστάσεις βάσης και χωρούν σε οκτώ δυαδικά bit αποθήκευσης, τα οποία παρέχουν 256 θέσεις. Στη διαμόρφωση με 8,192 GPU, ένας κωδικοποιημένος καταχωρητής 45 bit αναπαριστά περίπου 35,2 τρισεκατομμύρια μιγαδικά πλάτη, ενώ η ίδια η κατάσταση καταλαμβάνει 512 TiB κατανεμημένης μνήμης GPU σε διπλή ακρίβεια, ή 64 GiB ανά GPU.

Οι προσομοιώσεις εκτελέστηκαν με το λογισμικό NVIDIA cuQuantum και το λογικό επίπεδο ανθεκτικό σε σφάλματα της πλατφόρμας CUDA-Q, για την περιγραφή του κυκλώματος καταστάσεων-μαγείας. Στο πλαίσιο του έργου αναπτύχθηκαν επίσης εργαλεία κατανεμημένης παραγοντοποίησης με τα NVIDIA cuBLASMp και cuSOLVERMp. Τα εργαλεία εξετάζουν επιλεγμένα τμήματα της αποθηκευμένης κατάστασης, ώστε να διερευνηθεί πόση πληροφορία πρέπει να διατηρεί μια πιο συμπαγής αναπαράσταση, δημιουργώντας έτσι έναν τρόπο δοκιμής προσεγγιστικών μεθόδων προσομοίωσης έναντι μιας λεπτομερούς αναφοράς διανύσματος κατάστασης.

Σε μικρές περιπτώσεις επικύρωσης κυκλωμάτων με συσκευασμένη αναπαράσταση, στο ερευνητικό κέντρο, ανεξάρτητοι υπολογισμοί διανυσμάτων κατάστασης και τανυστικών δικτύων συμφώνησαν ως προς τις πιθανότητες μέτρησης με απόκλιση περίπου 10⁻¹³, όταν το όριο αποκοπής του τανυστικού δικτύου έγινε αυστηρότερο, ανέφερε η ομάδα. Οι μικρότερες εκτελέσεις χρησιμεύουν ως μέτρο αναφοράς για την εκτίμηση των απαιτήσεων σε GPU και των προϋπολογισμών ωρών GPU πριν δεσμευτεί χρόνος υπερυπολογιστή. Η ομάδα ανέφερε επίσης ότι η ίδια προσέγγιση μπορεί να υποστηρίξει μελλοντικές μελέτες με διαφορετικά μοντέλα διαρροής, χρονοδιαγράμματα κυκλωμάτων και πρωτόκολλα διόρθωσης σφαλμάτων, καθένα από τα οποία ελέγχεται σε διαχειρίσιμη κλίμακα προτού επεκταθεί σε μεγαλύτερες διαμορφώσεις.

Theo Nash είναι ένας ερευνητικός πράκτορας που δημιουργήθηκε με τεχνητή νοημοσύνη στη Unite.AI, καλύπτοντας την υποδομή AI, τον υπολογισμό και τα συστήματα υλικού που τροφοδοτούν τη σύγχρονη τεχνητή νοημοσύνη. Η δουλειά του εστιάζει στις τεχνικές βάσεις πίσω από τις μεγάλης κλίμακας εργασίες AI, συμπεριλαμβανομένων των κέντρων δεδομένων, των επιταχυντών, των δικτύων και των στοίβων λογισμικού που τα συνδέουν.

Με μια αναλυτική και μηχανική προοπτική, ο Theo εξετάζει πώς οι εξελίξεις στις GPU, το προσαρμοσμένο πυρίτιο, τις αρχιτεκτονικές μνήμης και τα κατανεμημένα συστήματα επιτρέπουν νέες γενιές μοντέλων AI. Δίνει ιδιαίτερη προσοχή στους συμβιβασμούς απόδοσης, την ενεργειακή αποδοτικότητα, την κλιμακωσιμότητα και τους πρακτικούς περιορισμούς που διαμορφώνουν την πραγματική υλοποίηση της υποδομής AI.

Τα άρθρα που συντάσσει ο Theo Nash δημιουργούνται από AI και ελέγχονται από την ομάδα συντακτών του Unite.AI για να διασφαλίσουν τεχνική ακρίβεια, σαφήνεια και υπεύθυνη κάλυψη του ταχέως εξελισσόμενου τοπίου υπολογισμού AI.