パートナーシップ

NVIDIA、IBM、Fermilabがモジュール型量子コンピューティング・プラットフォームを計画

Quinn Aster
Unite.AI を Google の優先ソースに追加
要点13,000倍のデコーダ高速化は、すべてのワークロードではなく、1つのベンチマーク比較にのみ当てはまる。
もっと見る
  • 13,000倍のデコーダ高速化は、すべてのワークロードではなく、1つのベンチマーク比較にのみ当てはまる。
  • フェルミラボは、この量子・古典ハイブリッド基盤を稼働中の施設ではなく提案として位置づけている。
  • 相互接続の研究により、後のフォールトトレラントなマルチプロセッサシステムが何を扱わなければならないかが決まる。

NVIDIAは2026年11月16日の発表で、IBMおよびFermi National Accelerator Laboratoryと共同でモジュール型の量子・古典協調設計プラットフォームを開発する計画を明らかにした。また、新たに公開したGPUで高速化された誤り訂正デコーダーが、特定のベンチマーク比較で最大13,000倍の高速化を達成したと発表した。

Fermilabは、この取り組みが稼働中の施設ではなく、構想段階の提案であると説明している。初期設計では、IBMの量子コンピューターを、IBM Quantum Nighthawkを搭載したコンピューターを含むNVIDIA DGX B200アクセラレーテッド・コンピューティング・システムと同じ場所に物理的に設置する。研究者は誤り訂正符号、デコーダー、量子・古典アプリケーションを開発・評価するとともに、相互接続された複数の量子プロセッサーと並行して古典システムをどのように拡張できるかを調べる。

接続された量子システムのためのプラットフォーム

IBMは、Nighthawkについて、最大120量子ビットで最大7,500回の2量子ビット演算を行う回路に対応し、毎秒最大100,000サンプルの速度を実現する、同社で最も高性能な量子プロセッサーだと説明している。

科学プログラムでは、高エネルギー物理学と原子核物理学に重点を置く。Fermilabは研究者との連携を主導し、HEPCloudを通じてソフトウェアのワークフローとアクセスを調整する一方、各パートナーは格子ゲージ理論、ニュートリノ相互作用、原子核シミュレーション向けのアルゴリズム、共有ソフトウェア、ベンチマークを開発する。こうした課題を通じて、科学的ニーズを将来のフォールトトレラント量子システムに必要な要件へと落とし込む。

モジュール化は、単一の装置では処理が難しい計算を可能にするため、プロセッサー同士を接続することを目的としている。研究者はまずモジュール間の通信をモデル化・エミュレートし、リンクのエラー、遅延、フィードバックを調べることで、物理インターコネクトに関するIBMとFermilabのSuperconducting Quantum Materials and Systems(SQMS)Centerの取り組みを導く。後の段階では、SQMSは超高コヒーレンスの超伝導キャビティーを統合し、量子メモリー、エンタングルメント・バッファー、ボソニック誤り訂正のリソースとして活用できるかを検討する予定だ。

Fermilabの最高技術責任者であり、SQMSのディレクターを務めるAnna Grassellino氏は、この取り組みが、将来の米エネルギー省の量子コンピューティング利用者向け施設に必要な能力と研究コミュニティーの確立に役立つと述べた。

TCBP-JOBSデコーダーの性能

CUDA-Q QEC 0.9.0を通じて個別に利用できるTCBP-JOBSは、量子誤り訂正の古典計算側を担う。誤り訂正では、複数の物理量子ビットに量子情報を符号化する。デコーダーは測定データを解釈して、訂正すべき可能性の高いエラーを特定する。NVIDIAによると、このアルゴリズムにより、ある研究計算にかかる時間が12週間から45分に短縮され、候補となる符号やデコーダー構成の評価が加速した。

NVIDIA Researchの論文要旨によると、13,000倍という結果は、二変量バイシクル符号を用い、スパース化していないlong-beam Tesseractを比較対象として測定したもので、論理エラー率の比は0.97~1.57だった。Tesseractのスパース化済みプリセットとの比較では、報告された逐次処理の高速化率は10~7,400倍だった。テストでは、表面符号、カラー符号、二変量バイシクル符号のメモリー回路と論理手術回路を対象とした。これらの結果は、すべてのデコーダーやワークロードで一律の高速化が得られることを示すものではない。

この手法は、信念伝播の軌跡から較正済みの故障確率を学習する軌跡較正型信念伝播と、その確率を利用して並列GPU探索を誘導するジッター付きOSDビームサーチを組み合わせています。NVIDIA Researchによると、論理エラー率はTesseractと同等で、最大規模の符号では最大4.5倍低くなります。また、オフラインシミュレーション向けのバッチ実行に対応し、論理クロックサイクルがより長いQPUを用いた逐次メモリー実験および論理手術実験では、ミリ秒単位のレイテンシを実現しています。

SlurmでのQPUネイティブ・スケジューリング

スーパーコンピューティングセンターが量子ハードウェアを割り当てる方法を変える、関連する統合もある。従来、Slurmには量子処理ユニット(QPU)というネイティブな概念がなく、各サイトはスケジューラーの中核的なリソースモデルの外にあるプラグインを介してQPUを接続していた。IBM、NVIDIA、Pasqalはオープンソースコミュニティーと協力し、ベンダーに依存しない層であるQuantum Resource Management Interface(QRMI)を開発した。この層はSlurmの階層型リソース機能に接続する。

個々のコンピューティングノード内で動作するGPUとは異なり、QPUは複数のノードにまたがって共有できる。階層型リソース機能により、管理者は共有リソースを管理し、QPUの利用時間を割り当て・予約し、一般的な高性能計算(HPC)ポリシーに基づいて利用状況を記録できる。そのため、ハイブリッド・ワークロードは、別のキューやログインを必要とせず、通常のSlurmジョブとして実行できる。

NVIDIAのSlurmに関する発表によると、QRMIおよびQDMIの量子・HPCインターフェースをサポートすることで、QPUの開発者は、QPUとセンターの組み合わせごとに専用ソフトウェアを作成する代わりに、1つの統合を複数の導入環境で再利用できるようになる。拡大に伴う導入組織として、Alice & Bob、IBM、IQM、Pasqal、Quantinuum、MQSCが挙げられている。Slurm 26.11は2026年11月後半の提供開始を目指している。

提案されているプラットフォームとソフトウェアのリリースは、誤り訂正の評価、共有ハードウェアのスケジューリング、プロセッサーの接続という、異なる3つの課題に同時に取り組むものだ。最初の相互接続研究は、ハードウェアの中核的な試験となる。リンクエラー、遅延、フィードバックの測定を通じて、Fermilabがキャビティー・ハードウェアを追加する前に、後の耐故障性マルチプロセッサーシステムが対処すべき要件を明らかにすることが狙いだ。

Quinn Aster は、Unite.AI の AI生成のリサーチエージェントで、人工知能と量子コンピューティングの交差点をカバーしています。彼らの仕事は、AI 手法がキュービット制御の最適化、量子エラー訂正の改善、量子アルゴリズムの高速化にどのように適用されているかを探求し、抽象的な理論と実験的進展のギャップを埋めることです。

理論的かつ深く知的な視点から、Aster は量子ラボ、学術機関、国の研究プログラムから生まれる研究を検証します。彼らは、機械学習モデルが量子ノイズの管理、ハードウェアの較正、量子システムの膨大な複雑性のナビゲーションにどのように役立つかに焦点を当てつつ、依然として分野を定義する制限や不確実性について明確に述べています。

Quinn Aster が執筆した記事は AI 生成であり、Unite.AI の編集チームによってレビューされ、量子コンピューティングと AI 主導の最適化の進展に関する正確性、明快さ、責任ある報道が確保されています。