Kumppanuudet
NVIDIA, IBM ja Fermilab suunnittelevat modulaarista kvanttilaskenta-alustaa

Keskeiset kohdat13 000-kertainen dekooderin nopeutus koskee vain yhtä vertailukohtaa eikä kaikkia…
Näytä lisää
- 13 000-kertainen dekooderin nopeutus koskee vain yhtä vertailukohtaa eikä kaikkia työkuormia.
- Fermilab esittää kvantti-klassisen alustan ehdotuksena eikä toimivana laitoksena.
- Verkkoyhteyksien tutkimukset määrittävät, mitä myöhempien vikasietoisten moniprosessorijärjestelmien on käsiteltävä.
NVIDIA kertoi 16. marraskuuta 2026 julkaistussa tiedotteessa aikovansa kehittää IBM:n ja Fermi National Accelerator Laboratoryn kanssa modulaarisen kvantti- ja klassisen laskennan yhteissuunnittelualustan. Yhtiön hiljattain julkaisema GPU-kiihdytetty virheenkorjausdekooderi saavutti tietyssä vertailutestissä jopa 13 000-kertaisen nopeutuksen.
Fermilab kuvailee hanketta suunnitelmaksi, ei toiminnassa olevaksi laitokseksi. Alkuperäisessä suunnitelmassa IBM:n kvanttitietokoneet sijoitettaisiin fyysisesti samoihin tiloihin NVIDIA DGX B200 -kiihdytetyn laskennan järjestelmien kanssa. Näihin kuuluisi myös IBM Quantum Nighthawk -järjestelmällä varustettuja tietokoneita. Tutkijat kehittäisivät ja arvioisivat virheenkorjauskoodeja, dekoodereita ja kvantti- ja klassisen laskennan sovelluksia sekä selvittäisivät, miten klassiset järjestelmät skaalautuvat useiden toisiinsa liitettyjen kvanttiprosessorien rinnalla.
Alusta yhdistää toisiinsa liitetyt kvanttijärjestelmät
IBM kuvailee Nighthawkia tehokkaimmaksi kvanttiprosessorikseen. Se tukee piirejä, joissa on enintään 7 500 kahden kubitin operaatiota 120 kubitilla, ja saavuttaa jopa 100 000 näytettä sekunnissa.
Tieteellinen ohjelma keskittyisi korkeaenergiseen fysiikkaan ja ydinfysiikkaan. Fermilab johtaisi yhteistyötä tutkijoiden kanssa ja koordinoisi ohjelmistotyönkulkuja sekä käyttöoikeuksia HEPCloudin kautta. Kumppanit kehittäisivät algoritmeja, yhteiskäyttöisiä ohjelmistoja ja vertailutestejä hilamittateorioita, neutriinojen vuorovaikutuksia ja ydinsimulaatioita varten. Näitä ongelmia hyödynnettäisiin tieteellisten tarpeiden muuntamisessa tulevien vikasietoisten kvanttijärjestelmien vaatimuksiksi.
Modulaarisuuden tavoitteena on yhdistää prosessorit laskentatehtäviä varten, jotka ovat liian vaativia yhdelle laitteelle. Tutkijat mallintaisivat ja simuloisivat ensin moduulien välistä viestintää ja tarkastelisivat yhteysvirheitä, viivettä ja takaisinkytkentää. Näin ohjattaisiin IBM:n ja Fermilabin Superconducting Quantum Materials and Systems (SQMS) Centerin työtä fyysisten yhteenliitäntöjen parissa. Myöhemmässä vaiheessa SQMS aikoo integroida ultrakoherentteja suprajohtavia onteloita ja tutkia niiden käyttöä kvanttimuisteina, lomittumisen puskureina ja resursseina bosoniseen virheenkorjaukseen.
Fermilabin teknologiajohtaja ja SQMS:n johtaja Anna Grassellino sanoi, että hanke auttaisi luomaan valmiudet ja tutkijayhteisön, joita tarvitaan tulevaa energiaministeriön kvanttilaskennan käyttäjälaitosta varten.
TCBP-JOBS-dekooderin suorituskyky
Erikseen CUDA-Q QEC 0.9.0:n kautta saatavilla oleva TCBP-JOBS vastaa kvanttivirheenkorjauksen klassisesta puolesta. Virheenkorjauksessa kvantti-informaatio koodataan useille fyysisille kubiteille. Dekooderi tulkitsee mittausdataa ja tunnistaa todennäköiset virheet, jotta ne voidaan korjata. NVIDIA kertoo algoritmin lyhentäneen yhden tutkimuslaskennan keston 12 viikosta 45 minuuttiin, mikä nopeuttaa ehdokaskoodien ja dekooderin kokoonpanojen arviointia.
NVIDIA Researchin tiivistelmässä täsmennetään, että 13 000-kertainen tulos mitattiin harventamattomaan, pitkän keilan Tesseractiin verrattuna bivariaattisilla bicycle-koodeilla, kun loogisen virhetaajuuden suhteet olivat 0,97–1,57. Tesseractin harvennettuihin esiasetuksiin verrattuna raportoidut sarjamuotoisen suorituksen nopeutukset vaihtelivat 10-kertaisesta 7 400-kertaiseen. Testeissä käytettiin pinta-, väri- ja bivariaattisten bicycle-koodien muisti- ja kirurgiapiirejä. Tulokset eivät osoita, että nopeutus olisi yhdenmukainen eri dekoodereissa tai työkuormissa.
Menetelmä yhdistää trajektorioihin perustuvan kalibroidun uskomusten välityksen, joka oppii kalibroituja vikojen todennäköisyyksiä uskomusten välityksen trajektorioista, sekä jitteröidyn OSD-keilahaun, joka käyttää näitä todennäköisyyksiä rinnakkaisten GPU-hakujen ohjaamiseen. NVIDIA Research raportoi loogisten virhetaajuuksien olevan Tesseractin tasolla ja suurimmilla koodeilla jopa 4,5 kertaa pienemmät. Menetelmä mahdollistaa eräajona suoritettavan offline-simuloinnin sekä millisekuntien luokkaa olevan viiveen sarjamuotoisissa muisti- ja loogisen kirurgian kokeissa kvanttiprosessoreilla, joiden loogiset kellojaksot ovat pidempiä.
Kvanttiprosessorien natiivi ajoituksen hallinta Slurmissa
Vastaava integraatio muuttaa tapaa, jolla suurteholaskentakeskukset jakavat kvanttilaitteiston käyttöä. Slurmissa ei aiemmin ollut natiivia käsitettä kvanttiprosessoriyksikölle (QPU), joten keskukset liittivät QPU:t ajastimen keskeisen resurssimallin ulkopuolisilla liitännäisillä. IBM, NVIDIA ja Pasqal tekivät yhteistyötä avoimen lähdekoodin yhteisön kanssa kehittääkseen Quantum Resource Management Interface (QRMI) -rajapinnan, joka on toimittajariippumaton kerros ja muodostaa yhteyden Slurm Hierarchical Resources -järjestelmään.
Toisin kuin yksittäisissä laskentasolmuissa toimivia GPU:ita, kvanttiprosessoreita voidaan jakaa useiden solmujen kesken. Hierarchical Resources -järjestelmän avulla ylläpitäjät voivat hallita tätä jaettua resurssia, jakaa ja varata kvanttiprosessorien käyttöaikaa sekä kirjata sen tuttujen suurteholaskennan käytäntöjen mukaisesti. Näin hybridikuormitus voidaan suorittaa tavallisena Slurm-työnä ilman erillistä jonoa tai sisäänkirjautumista.
NVIDIAn Slurm-tiedotteen mukaan QRMI- ja QDMI-kvantti- ja suurteholaskennan rajapintojen tuki antaa kvanttiprosessorien rakentajille mahdollisuuden käyttää samaa integraatiota eri käyttöympäristöissä sen sijaan, että jokaista kvanttiprosessorin ja keskuksen yhdistelmää varten tehtäisiin oma ohjelmisto. Laajennukseen osallistuviksi tahoiksi on listattu Alice & Bob, IBM, IQM, Pasqal, Quantinuum ja MQSC. Slurm 26.11:n on määrä tulla saataville myöhemmin marraskuussa 2026.
Ehdotettu alusta ja ohjelmistojulkaisut vastaavat yhdessä kolmeen erilliseen rajoitteeseen: virheenkorjauksen arviointiin, jaetun laitteiston ajoitukseen ja prosessorien yhdistämiseen. Ensimmäiset yhteenliitäntätutkimukset ovat keskeinen laitteistotesti, sillä niiden mittausten yhteysvirheistä, viiveestä ja takaisinkytkennästä on tarkoitus osoittaa, mitä myöhempien vikasietoisten moniprosessorijärjestelmien on pystyttävä käsittelemään ennen kuin Fermilab lisää kaviteettilaitteistonsa.












