NVIDIA hat CUDA-Q Logical in seine Open-Source-Plattform CUDA-Q integriert, eine Orchestrierungsschicht für die Entwicklung von Anwendungen auf fehlertoleranten Quantencomputern. Dabei werden zwei interessante Ergebnisse präsentiert: Laut Fermilab verkürzt das Tool den Entwicklungszyklus fehlertoleranter Algorithmen von fünf Monaten auf drei Wochen. Iceberg Quantum konnte damit zeigen, dass die Spin-Qubit-Hardware von Diraq mit 150,000 physikalischen Qubits 1,000 logische Qubits erreichen kann – etwa zehnmal weniger als Diraqs vorherige Schätzung. Beide Ergebnisse basieren auf frühen Forschungsergebnissen der beteiligten Labore und Anbieter, liefern aber die ersten konkreten Zahlen für ein Tool, das auf die nächste Stufe des Quantencomputings abzielt, in der fehlerkorrigierte logische Qubits die rohen physikalischen Qubits ersetzen.
Warum Codesign der Flaschenhals ist
Fehlertolerante Prozessoren auf Basis logischer Qubits ermöglichen effektives Quantencomputing, da sie die inhärenten Fehler physikalischer Qubits kompensieren und die komplexen Berechnungen durchführen können, die in der Wirkstoffforschung, der Finanzmodellierung und der Materialwissenschaft benötigt werden. Die Entwicklung einer Anwendung für ein solches System erfordert die gleichzeitige Abstimmung von Algorithmus, Fehlerkorrekturcode, Hardwarearchitektur und der restlichen QPU. NVIDIA betont, dass bereits die Änderung einer dieser Komponenten den Ressourcenbedarf der Anwendung beeinflussen kann. CUDA-Q Logical erlaubt es Forschern, all diese Komponenten gemeinsam zu beschreiben und verschiedene Konfigurationen auszuprobieren, um die optimale Leistung mit logischen Qubits zu erzielen.
„Quantencomputing entwickelt sich rasant zu einer Ära logischer Qubits, und Forscher benötigen eine offene, anpassbare Plattform, die alle Aspekte eines fehlertoleranten Systems abbilden kann“, sagte Timothy Costa, Vizepräsident und General Manager für Quantentechnologie bei NVIDIA. NVIDIA nennt das Fermi National Accelerator Laboratory, Infleqtion, IQM Quantum Computers, QCDesign, Quantum Motion und die Sandia National Laboratories als einige der Hersteller und Labore von Quantenprozessoren, die die Plattform bereits nutzen.
Iceberg bildet seine qLDPC-Architektur auf die Spin-Qubits von Diraq ab
Das wichtigste Ergebnis stammt von Iceberg Quantum, die CUDA-Q Logical nutzten, um ihre Pinnacle-Fehlerkorrekturarchitektur auf Diraqs Silizium-Spin-Qubit-Hardware zu modellieren. Pinnacle ist ein Quanten-LDPC-Code (Quantum Low-Density Parity-Check), eine Codefamilie, die deutlich weniger Overhead als Oberflächencode verspricht, aber üblicherweise komplexere Hardware erfordert. Laut Diraqs Bericht zeigte die Modellierung, dass Pinnacle auf ihrer Hardware ausgeführt werden kann, ohne die Plattform wesentlich stärker zu belasten als ein Oberflächencode-Ansatz. Die nicht-lokale Konnektivität beschränkt sich dabei auf modulare Verarbeitungsblöcke, und die Qubit-Shuttling-Zeitpläne sind so optimiert, dass das Shuttling nicht mehr zum Fehlerbudget beiträgt als physikalische Gatter. Die hardwarebasierten Zahlen für die Anzahl physikalischer Qubits lagen innerhalb von 5 % der Angaben im ursprünglichen Pinnacle-Papier. So kamen die beiden Unternehmen auf 1,000 logische Qubits aus 150,000 physikalischen Qubits – die Zahl, die Diraq nun in seinem Whitepaper „The Case for Silicon“ angibt und die etwa zehnmal unter der früheren Schätzung liegt. Diraq-CEO Andrew Dzurak bezeichnete dies als eine Steigerung der prognostizierten logischen Leistung jedes einzelnen Geräts um eine Größenordnung.
Fermilab verkürzt Entwicklungszeit von fünf Monaten auf drei Wochen.
Fermilab nutzte CUDA-Q Logical in frühen Arbeiten, um frühere Ergebnisse zu validieren und die Anforderungen an physikalische Qubits, Laufzeiten und andere Ressourcen für verschiedene Fehlerkorrekturverfahren und Hardware zu evaluieren. Laut dem Labor wurde dadurch der Entwurf fehlertoleranter Systeme in einen wiederholbaren, verifizierbaren Rechenablauf umgewandelt und die Algorithmenentwicklung von fünf Monaten auf drei Wochen verkürzt – eine siebenfache Beschleunigung. „Mithilfe von CUDA-Q Logical konnte unser Team Kombinationen dieser Ressourcen in nur drei Wochen untersuchen, verglichen mit den üblicherweise benötigten fünf Monaten für den Aufbau einer spezialisierten Infrastruktur“, sagte Anna Grassellino, Chief Technology Officer bei Fermilab und Direktorin des Zentrums für supraleitende Quantenmaterialien und -systeme.
Sandias QUOPS-Benchmark-Schiffe in CUDA-Q
Neben der Orchestrierungsschicht liefert NVIDIA eine Referenzimplementierung von QUOPS aus, einem plattformübergreifenden, hardwareunabhängigen Benchmark der Sandia National Laboratories. Dieser misst die Fortschritte hin zu skalierbarem, fehlertolerantem Quantencomputing. Bisher wurde der Fortschritt hauptsächlich anhand physikalischer Qubit-Metriken wie Qubit-Anzahl, Gate-Fidelity und Kohärenzzeit gemessen. QUOPS hingegen bewertet, wie nahe ein System der Ausführung sinnvoller Workloads kommt. Sandia veröffentlichte im Vorfeld der IEEE Quantum Week einen Preprint mit ersten QUOPS-Ergebnissen für QPUs von Google, IBM und Quantinuum. „Wir haben QUOPS genau für diesen Zweck entwickelt und freuen uns, dass es von Anbietern und Kunden von Quantencomputern eingesetzt wird“, sagte Timothy Proctor, Co-Direktor des Quantum Performance Laboratory von Sandia, und bezog sich dabei auf die Notwendigkeit, das Wachstum der Leistungsfähigkeit von Quantencomputern zu verfolgen und vorherzusagen.
Der Rest des Quantum-GPU-Stacks
Dieselbe Ankündigung rundet die Akzeptanz der gesamten Quantenplattform von NVIDIA ab. Diraq nutzte NVIDIA Ising, die von NVIDIA als erste Familie offener Modelle für die Entwicklung und den Einsatz von KI für sinnvolles Quantencomputing bezeichnet wird, zur Kalibrierung seines Silizium-Qubit-Prozessors. Anyon Computing, Quandela und Quantum Machines bauten jeweils auf NVQLink auf, NVIDIAs offener Architektur zur Kopplung von QPUs an GPU-Supercomputer. Quantum Machines führte eine Integrationsdemo im israelischen Quantencomputing-Zentrum durch. IonQ berichtete über Fortschritte bei DQAOA-GPT, einem Framework für generative Quanten-KI. MITRE veröffentlichte Arbeiten zu GPU-beschleunigten digitalen Zwillingen von Quantensensoren. Phasecraft nutzt cuQuantum, um die nach eigenen Angaben größte emulierte Moleküldatenbank zu erstellen, die von einem variationalen Quanten-Eigenwertlöser generiert wird. UCLA und Caltech arbeiten an den Steuersequenzen, die für die Ausführung von Quantenanwendungen benötigt werden.
Durch diesen Zeitpunkt rückt NVIDIAs Softwareebene ins gleiche Licht wie die Hardware-Roadmaps, die wir bereits verfolgt haben, darunter IBMs Weg zu einer fehlertoleranten Maschine im Jahr 2029 und der 120-Qubit-Nighthawk r2, der auf der CSCS vorgestellt wird . CUDA-Q Logical ist ab sofort auf GitHub verfügbar , und die QUOPS-Referenzimplementierung wird in CUDA-Q ausgeliefert. Das Benchmark-Repository von Sandia wurde separat veröffentlicht.
Amazon