Partnerskap
NVIDIA, IBM och Fermilab planerar en modulär plattform för kvantberäkningar

Viktiga punkterUppsnabbningen av avkodaren med 13 000 gånger gäller endast en jämförelse i ett…
Visa mer
- Uppsnabbningen av avkodaren med 13 000 gånger gäller endast en jämförelse i ett riktmärke, inte alla arbetsbelastningar.
- Fermilab beskriver den kvantklassiska plattformen som ett förslag snarare än en operativ anläggning.
- Sammankopplingsstudier kommer att avgöra vad senare feltoleranta multiprocessorsystem måste hantera.
NVIDIA uppgav i ett tillkännagivande den 16 november 2026 att företaget planerar att utveckla en modulär plattform för samutformning av kvant- och klassisk databehandling tillsammans med IBM och Fermi National Accelerator Laboratory. Företaget meddelade också att dess nyligen lanserade GPU-accelererade avkodare för felkorrigering gav upp till 13 000 gånger högre hastighet i en specifik jämförelse mellan riktmärken.
Fermilab beskriver initiativet som ett förslag, inte som en anläggning i drift. Den ursprungliga utformningen skulle innebära att IBM:s kvantdatorer placeras fysiskt tillsammans med NVIDIA DGX B200-system för accelererad databehandling, däribland datorer som drivs av IBM Quantum Nighthawk. Forskare skulle utveckla och utvärdera felkorrigeringskoder, avkodare och tillämpningar för kvant- och klassisk databehandling, samtidigt som de undersöker hur klassiska system kan skalas upp tillsammans med flera sammankopplade kvantprocessorer.
En plattform för sammankopplade kvantsystem
IBM beskriver Nighthawk som sin mest kraftfulla kvantprocessor, med stöd för kretsar med upp till 7 500 tvåkvantsbitaroperationer på 120 kvantbitar och hastigheter på upp till 100 000 sampel per sekund.
Det vetenskapliga programmet skulle inriktas på högenergifysik och kärnfysik. Fermilab skulle ansvara för kontakterna med forskare och samordna arbetsflöden för programvara och åtkomst via HEPCloud, medan partnerna utvecklar algoritmer, gemensam programvara och riktmärken för gittergauge-teorier, neutrinoväxelverkan och kärnsimuleringar. Dessa problem skulle användas för att översätta vetenskapliga behov till krav på framtida feltoleranta kvantsystem.
Modulariteten är tänkt att göra det möjligt att koppla samman processorer för beräkningar som är alltför krävande för en enskild enhet. Inledningsvis skulle forskare modellera och simulera kommunikationen mellan moduler och undersöka länkningsfel, fördröjning och återkoppling för att vägleda IBM:s och Fermilabs Center for Superconducting Quantum Materials and Systems (SQMS) arbete med fysiska förbindelser mellan processorer. I en senare fas avser SQMS att integrera ultrakoherenta supraledande kaviteter och undersöka hur de kan användas som kvantminnen, buffertar för sammanflätning och resurser för bosonisk felkorrigering.
Fermilabs teknikchef och SQMS-chef Anna Grassellino sade att initiativet skulle bidra till att bygga upp den kapacitet och forskargemenskap som krävs för en framtida användaranläggning för kvantberäkningar vid energidepartementet.
Avkodaren TCBP-JOBS presterar
TCBP-JOBS, som även finns separat via CUDA-Q QEC 0.9.0, hanterar den klassiska delen av kvantfelkorrigering. Felkorrigering kodar kvantinformation över flera fysiska kvantbitar; en avkodare tolkar mätdata för att identifiera sannolika fel så att de kan korrigeras. NVIDIA uppger att algoritmen minskade en forskningsberäkning från 12 veckor till 45 minuter, vilket påskyndade utvärderingen av möjliga koder och avkodarkonfigurationer.
I NVIDIA Researchs sammanfattning anges att resultatet på 13 000 gånger uppmättes mot Tesseract med lång stråle utan glesifiering på bikvadratiska cykelkoder, vid kvoter mellan logiska felfrekvenser på 0,97 till 1,57. Jämfört med Tesseracts glesifierade förinställningar låg de rapporterade hastighetsökningarna vid seriell körning mellan 10 och 7 400 gånger. Testerna omfattade minnes- och kirurgikretsar för yt-, färg- och bikvadratiska cykelkoder; resultaten visar inte på en enhetlig hastighetsökning för alla avkodare eller arbetsbelastningar.
Metoden kombinerar banekalibrerad beliefpropagering, som lär sig kalibrerade felsannolikheter från beliefpropageringens banor, med jittrad OSD-strålsökning, som använder sannolikheterna för att styra parallella sökningar på GPU:er. NVIDIA Research rapporterar logiska felfrekvenser som är jämförbara med Tesseracts och upp till 4,5 gånger lägre för de största koderna, satsvis körning för offlinesimulering samt fördröjning på millisekundnivå i experiment med seriell minneslagring och logisk kirurgi för QPU:er med längre logiska klockcykler.
Inbyggd QPU-schemaläggning i Slurm
En närliggande integration förändrar hur superdatorcentrum fördelar kvantmaskinvara. Slurm hade tidigare inget inbyggt begrepp för en kvantprocessor (QPU), så anläggningarna anslöt QPU:er med hjälp av insticksprogram utanför schemaläggarens centrala resursmodell. IBM, NVIDIA och Pasqal samarbetade med öppen källkod-gemenskapen kring Quantum Resource Management Interface (QRMI), ett leverantörsneutralt lager som ansluter till Slurms hierarkiska resurser.
Till skillnad från GPU:er, som arbetar i enskilda beräkningsnoder, kan QPU:er delas mellan flera noder. Funktionen för hierarkiska resurser gör det möjligt för administratörer att hantera den delade resursen, fördela och reservera QPU-tid samt redovisa användningen enligt välkända policyer för högpresterande databehandling. Därmed kan ett hybridjobb köras som ett vanligt Slurm-jobb utan en separat kö eller inloggning.
I NVIDIAs tillkännagivande om Slurm står det att stöd för gränssnitten QRMI och QDMI för kvant-HPC gör det möjligt för QPU-tillverkare att återanvända en och samma integration i olika driftsmiljöer, i stället för att skapa specialanpassad programvara för varje kombination av QPU och centrum. De aktörer som anges som användare av den utökade lösningen är Alice & Bob, IBM, IQM, Pasqal, Quantinuum och MQSC, och Slurm 26.11 planeras bli tillgängligt senare i november 2026.
Tillsammans hanterar den föreslagna plattformen och programvarulanseringarna tre skilda utmaningar: att utvärdera felkorrigering, schemalägga delad maskinvara och koppla samman processorer. De första studierna av sammankopplingar utgör det centrala hårdvarutestet, eftersom mätningarna av länkfel, latens och återkoppling är avsedda att fastställa vad framtida feltoleranta system med flera processorer måste kunna hantera innan Fermilab lägger till sin resonatorhårdvara.












