Partnership
NVIDIA, IBM e Fermilab progettano una piattaforma modulare per il calcolo quantistico

Punti chiaveL'accelerazione del decoder di 13.000 volte si applica solo a un confronto di benchmark…
Vedi di più
- L'accelerazione del decoder di 13.000 volte si applica solo a un confronto di benchmark e non a tutti i carichi di lavoro.
- Fermilab presenta la piattaforma quantistico-classica come una proposta anziché come una struttura operativa.
- Gli studi sull'interconnessione determineranno ciò che i successivi sistemi multiprocessore tolleranti ai guasti dovranno gestire.
NVIDIA ha dichiarato in un annuncio del 16 novembre 2026 di voler sviluppare con IBM e il Fermi National Accelerator Laboratory una piattaforma modulare di progettazione congiunta quantistico-classica. Ha inoltre affermato che il decodificatore per la correzione degli errori, accelerato tramite GPU e appena rilasciato, ha raggiunto un’accelerazione fino a 13.000 volte in uno specifico confronto di benchmark.
Fermilab descrive l’iniziativa come una proposta, non come una struttura già operativa. Il progetto iniziale prevederebbe la collocazione fisica, nello stesso sito, dei computer quantistici IBM e dei sistemi di calcolo accelerato NVIDIA DGX B200, compresi i computer basati su IBM Quantum Nighthawk. I ricercatori svilupperebbero e valuterebbero codici di correzione degli errori, decodificatori e applicazioni quantistico-classiche, studiando al contempo come i sistemi classici si scalano insieme a più processori quantistici collegati.
Una piattaforma per sistemi quantistici interconnessi
IBM descrive Nighthawk come il suo processore quantistico più potente, in grado di supportare circuiti con fino a 7.500 operazioni a due qubit su 120 qubit e velocità fino a 100.000 campioni al secondo.
Il programma scientifico si concentrerebbe sulla fisica delle alte energie e sulla fisica nucleare. Fermilab guiderebbe il coinvolgimento dei ricercatori e coordinerebbe i flussi di lavoro software e l’accesso tramite HEPCloud, mentre i partner svilupperebbero algoritmi, software condiviso e benchmark per le teorie di gauge reticolari, le interazioni dei neutrini e le simulazioni nucleari. Questi problemi servirebbero a tradurre le esigenze scientifiche in requisiti per i futuri sistemi quantistici tolleranti ai guasti.
La modularità mira a collegare processori per eseguire calcoli troppo impegnativi per un singolo dispositivo. Inizialmente, i ricercatori modellerebbero e simulerebbero le comunicazioni tra i moduli, studiando gli errori di collegamento, la latenza e il feedback per orientare il lavoro di IBM e del Superconducting Quantum Materials and Systems (SQMS) Center di Fermilab sugli interconnettori fisici. In una fase successiva, SQMS intende integrare cavità superconduttive ultracoerenti e studiarne l’impiego come memorie quantistiche, buffer per l’entanglement e risorse per la correzione degli errori bosonica.
Anna Grassellino, direttrice tecnologica di Fermilab e direttrice di SQMS, ha dichiarato che l’iniziativa contribuirebbe a sviluppare le capacità e la comunità di ricerca necessarie per una futura struttura del Department of Energy dedicata all’accesso degli utenti al calcolo quantistico.
Prestazioni del decodificatore TCBP-JOBS
Disponibile separatamente tramite CUDA-Q QEC 0.9.0, TCBP-JOBS interviene sulla componente classica della correzione degli errori quantistici. La correzione degli errori codifica le informazioni quantistiche su più qubit fisici; un decodificatore interpreta i dati di misurazione per individuare gli errori più probabili e consentirne la correzione. NVIDIA afferma che l’algoritmo ha ridotto da 12 settimane a 45 minuti un calcolo di ricerca, accelerando la valutazione dei codici candidati e delle configurazioni del decodificatore.
L’abstract di NVIDIA Research specifica che il risultato di 13.000 volte è stato misurato rispetto a Tesseract long-beam senza sparsificazione su codici a biciclette bivariate, con rapporti tra i tassi di errore logico compresi tra 0,97 e 1,57. Rispetto alle configurazioni sparse predefinite di Tesseract, le accelerazioni seriali riportate andavano da 10 a 7.400 volte. I test hanno riguardato circuiti di memoria e di chirurgia logica con codici di superficie, colore e a biciclette bivariate; i risultati non dimostrano un’accelerazione uniforme per tutti i decodificatori o carichi di lavoro.
Il metodo combina la propagazione di credenze calibrata sulle traiettorie, che apprende probabilità di guasto calibrate a partire dalle traiettorie della propagazione di credenze, con la ricerca a fascio OSD con jitter, che usa tali probabilità per guidare ricerche parallele su GPU. NVIDIA Research riferisce tassi di errore logico paragonabili a quelli di Tesseract e fino a 4,5 volte inferiori sui codici più grandi, esecuzione in batch per le simulazioni offline e latenze dell’ordine dei millisecondi negli esperimenti seriali di memoria e chirurgia logica su QPU con cicli di clock logici più lunghi.
Pianificazione nativa delle QPU in Slurm
Un’integrazione correlata modifica il modo in cui i centri di supercalcolo assegnano le risorse hardware quantistiche. In precedenza Slurm non disponeva di un concetto nativo di unità di elaborazione quantistica (QPU), perciò i centri integravano le QPU tramite plug-in esterni al modello di risorse centrale dell’allocatore. IBM, NVIDIA e Pasqal hanno collaborato con la comunità open source allo sviluppo della Quantum Resource Management Interface (QRMI), un livello indipendente dai fornitori che si collega a Slurm Hierarchical Resources.
A differenza delle GPU, che operano all’interno dei singoli nodi di calcolo, le QPU possono essere condivise tra più nodi. La gestione delle risorse gerarchiche consente agli amministratori di gestire questa risorsa condivisa, assegnare e riservare tempo di utilizzo delle QPU e contabilizzarlo secondo le consuete politiche di calcolo ad alte prestazioni. Un carico di lavoro ibrido può quindi essere eseguito come un normale processo Slurm, senza una coda o un accesso separati.
Nell’annuncio su Slurm, NVIDIA afferma che il supporto alle interfacce QRMI e QDMI per l’integrazione tra calcolo quantistico e HPC consentirà ai produttori di QPU di riutilizzare una sola integrazione in diverse implementazioni, anziché creare software su misura per ogni combinazione di QPU e centro. Tra i soggetti indicati come partecipanti all’espansione figurano Alice & Bob, IBM, IQM, Pasqal, Quantinuum e MQSC; il rilascio di Slurm 26.11 è previsto più avanti, nel novembre 2026.
Nel loro insieme, la piattaforma proposta e le versioni software affrontano tre vincoli distinti: valutare la correzione degli errori, pianificare l’uso condiviso dell’hardware e collegare i processori. I primi studi sulle interconnessioni costituiscono il test hardware centrale, perché le misurazioni degli errori di collegamento, della latenza e del feedback intendono stabilire quali aspetti dovranno essere gestiti dai successivi sistemi multiprocessore tolleranti ai guasti, prima che Fermilab aggiunga il proprio hardware per le cavità.












