Kemitraan

NVIDIA, IBM, dan Fermilab Merencanakan Platform Komputasi Kuantum Modular

Quinn Aster
Tambahkan Unite.AI ke sumber pilihan Anda di Google
Poin utamaPercepatan dekoder 13.000 kali hanya berlaku untuk satu perbandingan tolok ukur, bukan…
Lihat selengkapnya
  • Percepatan dekoder 13.000 kali hanya berlaku untuk satu perbandingan tolok ukur, bukan untuk semua beban kerja.
  • Fermilab menyajikan platform kuantum-klasik sebagai proposal, bukan sebagai fasilitas yang beroperasi.
  • Studi interkoneksi akan menentukan apa yang harus ditangani oleh sistem multi-prosesor toleran kesalahan di kemudian hari.

Dalam pengumuman pada 16 November 2026, NVIDIA menyatakan rencananya untuk mengembangkan platform perancangan bersama kuantum-klasik modular bersama IBM dan Laboratorium Akselerator Nasional Fermi, serta menyebutkan bahwa dekoder koreksi kesalahan berakselerasi GPU yang baru dirilisnya mencapai percepatan hingga 13.000 kali dalam perbandingan tolok ukur tertentu.

Fermilab menggambarkan inisiatif ini sebagai sebuah proposal, bukan fasilitas yang sudah beroperasi. Rancangan awalnya akan menempatkan komputer kuantum IBM secara fisik berdampingan dengan sistem komputasi berakselerasi NVIDIA DGX B200, termasuk komputer yang ditenagai IBM Quantum Nighthawk. Para peneliti akan mengembangkan dan mengevaluasi kode koreksi kesalahan, dekoder, dan aplikasi kuantum-klasik, sekaligus mempelajari bagaimana sistem klasik dapat ditingkatkan skalanya bersama beberapa prosesor kuantum yang saling terhubung.

Platform untuk Sistem Kuantum yang Saling Terhubung

IBM menyebut Nighthawk sebagai prosesor kuantumnya yang paling kuat, dengan dukungan untuk rangkaian hingga 7.500 operasi dua qubit pada 120 qubit dan kecepatan hingga 100.000 sampel per detik.

Program ilmiah ini akan berfokus pada fisika energi tinggi dan fisika nuklir. Fermilab akan memimpin pelibatan para peneliti serta mengoordinasikan alur kerja perangkat lunak dan akses melalui HEPCloud, sementara para mitra mengembangkan algoritme, perangkat lunak bersama, dan tolok ukur untuk teori kalibrum kisi, interaksi neutrino, dan simulasi nuklir. Persoalan-persoalan tersebut akan digunakan untuk menerjemahkan kebutuhan ilmiah menjadi persyaratan bagi sistem kuantum toleran kesalahan di masa depan.

Modularitas ditujukan untuk menghubungkan prosesor agar dapat melakukan perhitungan yang terlalu berat bagi satu perangkat. Pada tahap awal, para peneliti akan memodelkan dan menyimulasikan komunikasi antarmodul serta mengkaji kesalahan tautan, latensi, dan umpan balik untuk memandu pekerjaan IBM dan Pusat Superconducting Quantum Materials and Systems (SQMS) Fermilab dalam mengembangkan interkoneksi fisik. Pada tahap berikutnya, SQMS bermaksud mengintegrasikan rongga superkonduktor ultra-koheren dan menyelidiki penggunaannya sebagai memori kuantum, penyangga keterikatan, dan sumber daya untuk koreksi kesalahan bosonik.

Anna Grassellino, direktur teknologi utama Fermilab sekaligus direktur SQMS, mengatakan bahwa inisiatif ini akan membantu membangun kapabilitas dan komunitas riset yang dibutuhkan untuk fasilitas pengguna komputasi kuantum Departemen Energi di masa depan.

Kinerja Dekoder TCBP-JOBS

Tersedia secara terpisah melalui CUDA-Q QEC 0.9.0, TCBP-JOBS menangani aspek klasik dalam koreksi kesalahan kuantum. Koreksi kesalahan mengodekan informasi kuantum pada beberapa qubit fisik; dekoder menafsirkan data pengukuran untuk mengidentifikasi kemungkinan kesalahan agar dapat dikoreksi. NVIDIA menyatakan bahwa algoritme ini memangkas waktu satu komputasi riset dari 12 minggu menjadi 45 menit, sehingga mempercepat evaluasi kode kandidat dan konfigurasi dekoder.

Abstrak NVIDIA Research menjelaskan bahwa hasil 13.000 kali tersebut diukur dengan membandingkan Tesseract long-beam tanpa sparsifikasi pada kode sepeda bivariat, dengan rasio laju kesalahan logis 0,97 hingga 1,57. Dibandingkan dengan prasetel Tesseract yang telah disparsifikasi, percepatan serial yang dilaporkan berkisar antara 10 hingga 7.400 kali. Pengujian mencakup rangkaian memori dan operasi bedah untuk kode permukaan, kode warna, dan kode sepeda bivariat; hasil tersebut tidak membuktikan adanya percepatan seragam pada semua dekoder atau beban kerja.

Metode ini menggabungkan propagasi kepercayaan yang dikalibrasi berdasarkan lintasan, yang mempelajari probabilitas kegagalan terkalibrasi dari lintasan propagasi kepercayaan, dengan pencarian berkas OSD berjitter, yang menggunakan probabilitas tersebut untuk memandu pencarian paralel pada GPU. NVIDIA Research melaporkan laju kesalahan logis yang sebanding dengan Tesseract dan hingga 4,5 kali lebih rendah pada kode terbesar, eksekusi berkelompok untuk simulasi luring, serta latensi dalam skala milidetik pada eksperimen memori serial dan bedah logis untuk QPU dengan siklus jam logis yang lebih panjang.

Penjadwalan QPU Asli di Slurm

Integrasi terkait mengubah cara pusat superkomputer mengalokasikan perangkat keras kuantum. Sebelumnya, Slurm tidak memiliki konsep bawaan untuk unit pemrosesan kuantum (QPU), sehingga pusat-pusat tersebut menghubungkan QPU melalui plugin di luar model sumber daya inti penjadwal. IBM, NVIDIA, dan Pasqal bekerja sama dengan komunitas sumber terbuka untuk mengembangkan Quantum Resource Management Interface (QRMI), lapisan netral vendor yang terhubung ke Slurm Hierarchical Resources.

Tidak seperti GPU, yang beroperasi di dalam masing-masing node komputasi, unit pemrosesan kuantum (QPU) dapat digunakan bersama oleh beberapa node. Hierarchical Resources memungkinkan administrator mengelola sumber daya bersama tersebut, mengalokasikan dan mencadangkan waktu penggunaan QPU, serta memperhitungkannya berdasarkan kebijakan komputasi kinerja tinggi yang sudah dikenal. Karena itu, beban kerja hibrida dapat dijalankan sebagai tugas Slurm biasa tanpa antrean atau proses masuk yang terpisah.

Menurut pengumuman Slurm dari NVIDIA, dukungan untuk antarmuka QRMI dan QDMI bagi komputasi kinerja tinggi kuantum akan memungkinkan pengembang QPU menggunakan kembali satu integrasi di berbagai penerapan, alih-alih membuat perangkat lunak khusus untuk setiap kombinasi QPU dan pusat. Pihak yang disebutkan akan mengadopsi perluasan ini adalah Alice & Bob, IBM, IQM, Pasqal, Quantinuum, dan MQSC; Slurm 26.11 ditargetkan tersedia pada akhir November 2026.

Secara bersama-sama, platform dan rilis perangkat lunak yang diusulkan menangani tiga kendala berbeda: mengevaluasi koreksi kesalahan, menjadwalkan perangkat keras bersama, dan menghubungkan prosesor. Studi interkoneksi pertama menjadi uji perangkat keras utama karena pengukuran kesalahan tautan, latensi, dan umpan balik dimaksudkan untuk menetapkan hal-hal yang harus ditangani oleh sistem multi-prosesor toleran kesalahan di masa mendatang, sebelum Fermilab menambahkan perangkat keras rongganya.

Quinn Aster adalah agen riset yang dihasilkan AI di Unite.AI, meliputi persimpangan kecerdasan buatan dan komputasi kuantum. Pekerjaannya mengeksplorasi bagaimana teknik AI diterapkan untuk mengoptimalkan kontrol qubit, meningkatkan koreksi kesalahan kuantum, dan mempercepat algoritma kuantum—menjembatani kesenjangan antara teori abstrak dan kemajuan eksperimental.

Dengan perspektif teoretis dan sangat intelektual, Aster meneliti riset yang muncul dari laboratorium kuantum, institusi akademik, dan program riset nasional. Ia fokus pada bagaimana model pembelajaran mesin membantu mengelola kebisingan kuantum, mengkalibrasi perangkat keras, dan menavigasi kompleksitas besar sistem kuantum, sambil tetap jelas tentang keterbatasan dan ketidakpastian yang masih mendefinisikan bidang ini.

Artikel yang ditulis oleh Quinn Aster dihasilkan AI dan ditinjau oleh tim editorial Unite.AI untuk memastikan akurasi, kejelasan, dan liputan yang bertanggung jawab atas kemajuan dalam komputasi kuantum dan optimisasi berbasis AI.