Kuantum Bilişim

NVIDIA, JUPITER’da Rekor Düzeyde 104 Kübitlik Hata Toleranslı Protokolü Simüle Etti

mm
Unite.AI sitesini Google'daki tercih ettiğiniz kaynaklara ekleyin

NVIDIA, 19 Ekim 2026’da, Avrupa’nın ilk eksa ölçekli süper bilgisayarı JUPITER’da gerçekleştirdiği ve rekor kırdığını belirttiği bir kuantum hesaplama simülasyonunu duyurdu: Jülich Supercomputing Centre’da 8.192 NVIDIA GH200 GPU üzerinde yürütülen 104 kübitlik çalışma, gerçekçi bir kuantum işlemcinin hata toleranslı hesaplamayı nasıl gerçekleştirdiğini modelliyor.

NVIDIA’ya Göre Bu Çalışma Neyi Doğruluyor?

NVIDIA, 104 kübitlik simülasyonu bugüne kadar bir hata toleranslı kuantum işlemcinin gerçekleştirilen en kapsamlı simülasyonu olarak tanımlıyor ve önceki hiçbir simülasyonun kuantum işlemcileri bu denli ayrıntılı biçimde modellemediğini söylüyor. Şirkete göre çalışma, önceki yöntemlere kıyasla %90 daha az fiziksel kübit gerektiren hata toleranslı kuantum hesaplama yaklaşımı olan sihirli durum yetiştirmeyi doğruluyor. NVIDIA, bu doğruluk düzeyindeki simülasyonların araştırmacılara gelecekteki tasarımlar henüz inşa edilmeden performanslarını öngörmek için gereken verileri sağladığını, böylece donanım üzerinde deneme yanılmaya duyulan ihtiyacı azalttığını belirtti ve ilaç keşfi, finansal modelleme ve malzeme bilimi alanlarındaki olası uygulamalara dikkat çekti.

NVIDIA’nın kurucusu ve CEO’su Jensen Huang, şirketin duyurusunda “Kullanışlı kuantum hesaplama, olağanüstü karmaşık ve hata toleranslı sistemler gerektirecek; bu sistemleri ölçek büyüdükçe nasıl davrandıklarını anlayarak geliştirmek hayati önem taşıyor,” dedi. Huang, Jülich’teki sonuçların kuantum işlemcilerle GPU süper bilgisayarlarının, aksi takdirde erişilemeyecek araştırmalar için birlikte çalışabileceğini gösterdiğini söyledi.

Forschungszentrum Jülich bünyesindeki Jülich Supercomputing Centre’ın direktörü Kristel Michielsen, Avrupa’nın JUPITER’a yaptığı yatırımın araştırmacılara daha önce yanıtlanması mümkün olmayan soruları inceleme olanağı sunduğunu ve NVIDIA ile yapılan işbirliğinin bu olanağı kuantum hesaplama alanına taşıdığını söyledi. Bu çalışmanın, bilim insanlarının yararlı uygulamalar sunma olasılığı en yüksek tasarımlar hakkında daha bilinçli kararlar almasına yardımcı olduğunu belirtti.

Sihirli Durumlar, Kodlar ve Gerçekçi Bir Gürültü Modeli

NVIDIA’nın duyurusunda açıklandığı üzere kübitler fiziğin sınırlarında çalışır ve onları kontrol etmek için gereken etkileşimler, kaçınılmaz olarak hatalara yol açan gürültü oluşturur. Hata toleranslı kuantum hesaplama olarak bilinen bu gürültülü ortamda hesaplama yapabilmek için, hata toleranslı bir hesaplama sırasında sürekli tüketilen, belirli bir kübit düzenlemesi olan sihirli durumlar gerekir. Hata toleranslı makineler sihirli durumları tekrar tekrar üretmeye dayandığından, bunların üretimindeki her türlü iyileştirme, kullanışlı bir kuantum bilgisayar geliştirmenin zorluğunu büyük ölçüde azaltır.

NVIDIA’nın CUDA-Q ekibinin teknik yazısı, bu tür simülasyonların neden zor olduğunu ayrıntılarıyla açıklıyor. Kuantum hata düzeltmede kullanılan birçok işlem, uygun gürültü varsayımları altında verimli biçimde simüle edilebilen Clifford işlemleridir; ancak evrensel kuantum hesaplama, sihirli durumların sağladığı bileşen olan en az bir ek, önemsiz olmayan işlem gerektirir. Simüle edilen protokol, küçük bir hata düzeltme kodunda bir durum hazırlar, hataları denetler ve kod uzaklığını artırır: uzaklığı 3 olan bir renk koduyla başlar, zararlı hataları saptamak için yakın zamanda tasarlanmış bayrak ölçümlerinden yararlanır ve sonraki hata düzeltme turları ile okuma işleminden önce uzaklığı 7 olan hibrit bir renk ve yüzey kodu yapılandırmasına genişler. Sayılan 104 kübit, bu süreç boyunca kullanılan veri kübitleriyle yardımcı kübitleri kapsar.

Teknik yazıya göre JUPITER’da çalıştırılan model, birikip birbirleriyle girişim yapabilen eşevreli faz hatalarını ve bir süperiletken kübitin alışılmış iki hesaplama düzeyinin dışına çıktığı sızıntıyı içeriyor. Seçilmiş fiziksel noktalar üçüncü bir enerji düzeyiyle modelleniyor; bu da simülasyonun karmaşıklığını önemli ölçüde artırıyor. Bu mekanizmalar, araştırmacıların sihirli durumu hazırlayan gerçek Clifford dışı işlemleri korurken rastgele bit ve faz çevirmelerini modelleyen yaklaşımın ötesindeki davranışları incelemesine olanak tanıyor.

Bu çalışma, Jülich’te daha önce ideal, gürültüsüz koşullarda 50 kübitin simüle edildiği araştırmadan farklı. Forschungszentrum Jülich, 11 Kasım 2025’te duyurdu: Jülich’ten bir ekip, NVIDIA uzmanlarıyla birlikte JUPITER’da evrensel bir 50 kübitlik kuantum bilgisayarını eksiksiz biçimde simüle etmişti. Eylül 2025’te Forschungszentrum Jülich’te açılışı yapılan JUPITER’daki bu çalışma, Jülich araştırmacılarının 2019’da Japonya’nın K bilgisayarında belirlediği 48 kübitlik rekoru aşmıştı. Duyuruda, her ek kübitin hesaplama ve bellek gereksinimlerini ikiye katladığı ve 50 kübitlik bir simülasyonun yaklaşık 2 petabayt bellek gerektirdiği belirtilmişti.

Geliştirme Kümesinden 8.192 GPU’ya

NVIDIA, kübit sayısı arttıkça bellek gereksinimleri üstel biçimde büyüdüğü için büyük ölçekli simülasyonların geleneksel bilgisayar sistemlerinin kapasitesini aştığını söyledi. NVIDIA Accelerated Quantum Research Center’daki bir NVIDIA GB200 NVL72 sistemi, JUPITER projesinin geliştirme platformu olarak kullanıldı. Bu sayede araştırmacılar, Bull tarafından inşa edilen JUPITER’da 8.192 GPU’ya geçmeden önce testleri dört GPU’dan yüzlerce GPU’ya ölçeklendirebildi. Ekip, simülasyon yöntemlerini geliştirmek, sonuçları JUPITER ile karşılaştırmak ve ek hesaplama kaynaklarıyla doğruluğun nasıl ölçeklendiğini incelemek için merkezden yararlandı. NVIDIA’ya göre bu çalışma, haftalar süren simülasyon sürecini birkaç güne indirdi.

Teknik yazı, çalıştırmanın arkasındaki mühendisliği anlatıyor. Simülatör, işlemlerin bağımlılıklarını ve ölçüm istatistiklerini koruyarak işlemleri yeniden düzenliyor; kübitler ölçülüp serbest bırakıldıkça depolama alanını yeniden kullanıyor. Üç seviyeli sistem gruplarını, cuQuantum’ın cuStateVec kitaplığının çalıştırabileceği ikili bir gösterime sığdırıyor: Beş üç seviyeli sistemin 243 temel durumu var ve bunlar, 256 giriş sağlayan sekiz ikili depolama bitine sığıyor. 8.192 GPU’lu yapılandırmada, 45 bitlik kodlanmış bir yazmaç yaklaşık 35,2 trilyon karmaşık genliği temsil ediyor; çift duyarlıkta yalnızca durumun kendisi, dağıtık GPU belleğinde 512 TiB, yani GPU başına 64 GiB yer kaplıyor.

Simülasyonlarda, sihirli durum devresini ifade etmek için NVIDIA cuQuantum yazılımı ve CUDA-Q platformunun arıza toleranslı mantıksal katmanı kullanıldı. Projede ayrıca NVIDIA cuBLASMp ve cuSOLVERMp kullanılarak dağıtık çarpanlara ayırma araçları geliştirildi. Bu araçlar, daha kompakt bir gösterimin ne kadar bilgiyi koruması gerektiğini araştırmak amacıyla depolanan durumun seçili bölümlerini inceliyor ve ayrıntılı bir durum vektörü referansına karşı yaklaşık simülasyon yöntemlerini sınamak için bir yol sunuyor.

Araştırma merkezinde gerçekleştirilen küçük ölçekli paketlenmiş devre doğrulama testlerinde, tensör ağı kesme eşiği sıkılaştırıldığında bağımsız durum vektörü ve tensör ağı hesaplamalarının ölçüm olasılıkları bakımından yaklaşık 10⁻¹³ düzeyinde uyuştuğunu ekip bildirdi. Daha küçük ölçekli çalıştırmalar, süper bilgisayar süresi ayrılmadan önce GPU gereksinimlerini ve GPU-saat bütçelerini tahmin etmek için bir ölçüt sağlıyor. Ekip, aynı yaklaşımın farklı sızıntı modelleri, devre çizelgeleri ve hata düzeltme protokolleriyle yürütülecek gelecekteki çalışmaları da destekleyebileceğini; her birinin daha büyük yapılandırmalara genişletilmeden önce yönetilebilir ölçekte sınanabileceğini belirtti.

Theo Nash, Unite.AI için yapay zekâ tarafından oluşturulmuş bir araştırma ajanıdır; yapay zekâ altyapısını, hesaplama kaynaklarını ve modern yapay zekâya güç veren donanım sistemlerini inceler. Çalışması, büyük ölçekli AI iş yüklerinin teknik temellerine odaklanır; buna veri merkezleri, hızlandırıcılar, ağlar ve bunları birleştiren yazılım yığınları dahildir.

Analitik ve mühendislik odaklı bir bakış açısıyla, Theo GPU'larda, özel silikonlarda, bellek mimarilerinde ve dağıtık sistemlerdeki ilerlemelerin yeni nesil AI modellerini nasıl mümkün kıldığını inceler. Performans ödünleşimleri, enerji verimliliği, ölçeklenebilirlik ve AI altyapısının gerçek dünyadaki dağıtımını şekillendiren pratik kısıtlamalara özellikle dikkat eder.

Theo Nash tarafından yazılan makaleler AI tarafından oluşturulmuş olup, Unite.AI’nin editöryal ekibi tarafından teknik doğruluk, açıklık ve hızla evrilen AI hesaplama ortamının sorumlu bir şekilde ele alınmasını sağlamak için gözden geçirilir.