輝達、IBM 與 Fermilab 規劃建立量子與經典運算協同設計平台,結合 GPU 與量子處理器,研究糾錯及物理學應用。輝達另釋出新的解碼演算法,稱特定量子糾錯研究測試最高可加速約 1.3 萬倍。
(前情提要:NVIDIA 完成量子糾錯技術驗證,容錯計算所需物理量子位元大砍九成)
(背景補充:Nvidia 輝達發表開源量子 AI 模型「Ising」,黃仁勳:AI 將成量子作業系統)
輝達(NVIDIA)於台北時間 11 月 17 日凌晨宣布,計畫與 IBM、美國費米國家加速器實驗室(Fermilab)合作,建立模組化量子運算協同設計平台,讓 GPU 加速運算與量子電腦共同參與新一代系統設計。
同一份公告另有一項軟體進展:輝達釋出 TCBP-JOBS 解碼演算法,已納入 CUDA-Q QEC 0.9.0 函式庫。公司稱,這項工具可讓部分量子糾錯研究的解碼測試最高加速約 1.3 萬倍,協助研究人員更快比較不同設計。
GPU 與量子處理器並置,先從物理研究需求出發
平台規劃把輝達 DGX B200 系統與 IBM 量子電腦放在同一地點,包含採用 IBM Quantum Nighthawk 處理器的系統。研究人員將用來測試糾錯碼、解碼演算法,以及結合量子與經典運算的科學應用。
Fermilab 說明,實驗室將主導高能與核物理研究社群的參與,並透過既有 HEPCloud 基礎設施,協調軟體工作流程與研究人員存取。應用方向包括粒子交互作用、微中子物理與核模擬。
模組化是合作的重點:讓多個量子處理器共同工作,而非只靠單顆晶片。計畫初期將先模擬模組之間的通訊,研究連線錯誤、延遲與回饋的影響;後續再探索導入超導腔體,作為量子記憶體、糾纏暫存與糾錯資源。
新解碼器縮短糾錯研究時間,GPU 加速處理模擬資料
量子糾錯的做法,是把資訊分散編碼到多個實體量子位元,保護其中的邏輯資訊。解碼器則是運行在經典電腦上的演算法,負責讀取測量資料、判斷可能發生的錯誤;速度與準確度都會影響研究效率。
輝達的研究論文顯示,在特定糾錯碼的單次解碼測試中,TCBP-JOBS 使用一顆 GB200 GPU,相較以單一 Grace CPU 核心執行特定設定的 Tesseract 解碼器,最高快約 1.3 萬倍。
另一組涵蓋 2,420 萬筆模擬資料的測試,則由一顆 GB200 GPU 在約 45 分鐘完成。論文將對照解碼器的既有 CPU 工時,換算成 64 核心伺服器理想平行執行的時間,估計約需 12 週。
這些成果著重於以模擬資料評估糾錯設計;毫秒級解碼則面向能容許較長回應時間的量子系統。論文將與量子控制系統整合、量測完整回應時間,列為後續研究工作。
把量子處理器納入超級電腦既有排程
除了硬體協同設計,IBM 公告也介紹軟體整合:透過量子資源管理介面 QRMI,讓 Slurm 排程系統管理量子處理器的使用時間,沿用超級電腦中心原本分配 CPU、GPU 資源的政策。
輝達在部落格預告,支援相關擴充的 Slurm 26.11 將於 11 月稍晚提供。對研究團隊而言,目標是以熟悉的指令安排量子與經典運算工作;對超級電腦中心而言,則是減少每新增一種量子硬體,就必須重做一套整合的負擔。

📍相關報導📍
微軟發布全球首款「量子晶片」預言量子電腦數年內問世,專家打臉:證據呢?
川普政府砸 60 億美元開啟「科學黃金時代」!白宮聯手 NVIDIA、OpenAI 押注超級智慧 SI
