Partnerskap
NVIDIA, IBM og Fermilab planlegger en modulær plattform for kvantedatabehandling

Viktige punkterOppfartsøkningen på 13 000 ganger for dekoderen gjelder bare for én…
Vis mer
- Oppfartsøkningen på 13 000 ganger for dekoderen gjelder bare for én benchmark-sammenligning, ikke for alle arbeidsbelastninger.
- Fermilab fremstiller den kvante-klassiske plattformen som et forslag, ikke som et operativt anlegg.
- Studier av sammenkobling vil avgjøre hva senere feiltolerante multi-prosessorsystemer må håndtere.
NVIDIA opplyste i en kunngjøring 16. november 2026 at selskapet planlegger å utvikle en modulær plattform for samutvikling av kvante- og klassiske systemer sammen med IBM og Fermi National Accelerator Laboratory, og at selskapets nylig lanserte GPU-akselererte feilkorreksjonsdekoder oppnådde opptil 13 000 ganger høyere hastighet i en bestemt referansetest.
Fermilab omtaler initiativet som et forslag, ikke som et anlegg i drift. Den første utformingen innebærer at IBMs kvantedatamaskiner fysisk plasseres sammen med NVIDIA DGX B200-systemer for akselerert databehandling, inkludert datamaskiner drevet av IBM Quantum Nighthawk. Forskere skal utvikle og evaluere feilkorreksjonskoder, dekodere og kvante-klassiske applikasjoner, samtidig som de undersøker hvordan klassiske systemer skalerer i takt med flere sammenkoblede kvanteprosessorer.
En plattform for sammenkoblede kvantesystemer
IBM omtaler Nighthawk som sin kraftigste kvanteprosessor, med støtte for kretser med opptil 7 500 to-qubit-operasjoner på 120 qubits og hastigheter på opptil 100 000 prøver per sekund.
Det vitenskapelige programmet skal konsentrere seg om høyenergifysikk og kjernefysikk. Fermilab skal lede samarbeidet med forskere og koordinere programvarearbeidsflyter og tilgang gjennom HEPCloud, mens partnerne utvikler algoritmer, delt programvare og referansetester for gittermåleteorier, nøytrinointeraksjoner og kjernesimuleringer. Disse problemstillingene skal brukes til å omsette vitenskapelige behov til krav for framtidige kvantesystemer med feiltoleranse.
Modulariteten skal gjøre det mulig å koble sammen prosessorer for beregninger som er for krevende for én enkelt enhet. Forskerne skal først modellere og simulere kommunikasjonen mellom modulene og undersøke koblingsfeil, forsinkelse og tilbakekobling. Dette skal danne grunnlag for arbeidet IBM og Fermilabs senter for superledende kvantematerialer og -systemer (SQMS) gjør med fysiske sammenkoblinger. I en senere fase har SQMS som mål å integrere ultrakoherente superledende hulrom og undersøke hvordan de kan brukes som kvanteminner, buffere for sammenfiltring og ressurser for bosonisk feilkorreksjon.
Fermilabs teknologidirektør og SQMS-direktør Anna Grassellino sa at initiativet vil bidra til å etablere kapasiteten og forskningsmiljøet som trengs for et framtidig brukeranlegg for kvantedatabehandling under det amerikanske energidepartementet.
Ytelsen til TCBP-JOBS-dekoderen
TCBP-JOBS er tilgjengelig separat via CUDA-Q QEC 0.9.0 og håndterer den klassiske delen av kvantefeilkorreksjon. Feilkorreksjon koder kvanteinformasjon på tvers av flere fysiske qubits; en dekoder tolker måledata for å identifisere sannsynlige feil, slik at de kan korrigeres. NVIDIA sier at algoritmen reduserte én forskningsberegning fra 12 uker til 45 minutter, noe som fremskynder evalueringen av aktuelle koder og dekoderkonfigurasjoner.
Sammendraget fra NVIDIA Research presiserer at resultatet på 13 000 ganger ble målt mot usparsifisert Tesseract med lang stråle på bivariat-bicycle-koder, ved forholdstall for logisk feilrate på 0,97 til 1,57. Mot Tesseracts sparsifiserte forhåndsinnstillinger var de rapporterte serielle hastighetsøkningene fra 10 til 7 400 ganger. Testene omfattet minne- og kirurgikretser for overflatekoder, fargekoder og bivariat-bicycle-koder; resultatene viser ikke at hastighetsøkningen er den samme på tvers av dekodere eller arbeidsbelastninger.
Metoden kombinerer banekalibrert trosoverføring, som lærer kalibrerte feilsannsynligheter fra baner for trosoverføring, med jitterbasert OSD-strålesøk, som bruker disse sannsynlighetene til å styre parallelle søk på GPU-er. NVIDIA Research rapporterer logiske feilrater på nivå med Tesseract og opptil 4,5 ganger lavere feilrater for de største kodene, satsvis kjøring for simulering utenfor sanntid og latenstid på millisekundnivå i serielle minne- og logiske kirurgieksperimenter for QPU-er med lengre logiske klokkesykluser.
Innebygd QPU-planlegging i Slurm
En beslektet integrasjon endrer hvordan superdatamaskinsentre fordeler kvanteutstyr. Tidligere hadde Slurm ingen innebygd støtte for kvanteprosessorenheter (QPU-er), så sentrene koblet til QPU-er via programtillegg utenfor planleggerens sentrale ressursmodell. IBM, NVIDIA og Pasqal samarbeidet med miljøet for åpen kildekode om Quantum Resource Management Interface (QRMI), et leverandøruavhengig lag som kobles til Slurm Hierarchical Resources.
I motsetning til GPU-er, som opererer innenfor enkeltstående databehandlingsnoder, kan QPU-er deles på tvers av flere noder. Hierarchical Resources gjør det mulig for administratorer å forvalte denne delte ressursen, tildele og reservere QPU-tid og føre regnskap for den i tråd med etablerte retningslinjer for høyytelsesdatabehandling. Dermed kan en hybrid arbeidsbelastning kjøres som en vanlig Slurm-jobb uten en separat kø eller pålogging.
NVIDIAs Slurm-kunngjøring sier at støtte for grensesnittene QRMI og QDMI for kvantedatabehandling med høyytelsesdatabehandling gjør det mulig for QPU-produsenter å gjenbruke én integrasjon på tvers av utrullinger, i stedet for å lage spesialtilpasset programvare for hver kombinasjon av QPU og senter. Aktørene som er oppført som deltakere i utvidelsen, er Alice & Bob, IBM, IQM, Pasqal, Quantinuum og MQSC, og Slurm 26.11 er planlagt gjort tilgjengelig senere i november 2026.
Til sammen tar den foreslåtte plattformen og programvareutgivelsene sikte på å håndtere tre ulike begrensninger: evaluering av feilkorreksjon, tidsplanlegging for delt maskinvare og sammenkobling av prosessorer. De første studiene av sammenkoblinger er den sentrale maskinvaretesten, fordi målingene av forbindelsesfeil, forsinkelse og tilbakekobling er ment å fastslå hva senere feiltolerante systemer med flere prosessorer må håndtere, før Fermilab legger til kavitetsmaskinvaren sin.












