NVIDIA သည် Jülich Supercomputing Centre ရှိ ဥရောပ၏ ပထမဆုံး exascale supercomputer ဖြစ်သော JUPITER တွင် fault-tolerant quantum processor ၏ 104-qubit simulation ကို GH200 GPU ၈,၁၉၂ ခုကို အသုံးပြု၍ လုပ်ဆောင်ခဲ့သည်။ GTC Berlin မတိုင်မီ ကြေငြာခဲ့သော ဤ run သည် magic state cultivation ကို ပုံစံထုတ်ထားပြီး၊ ၎င်းသည် fault-tolerant computer သည် လက်တွေ့ကျသော hardware noise အောက်တွင် logical operations များအတွင်း စားသုံးသည့် Clifford state မဟုတ်သော state များကို ထုတ်လုပ်သည့် နည်းလမ်းတစ်ခုဖြစ်သည်။ NVIDIA သည် ၎င်းကို fault-tolerant quantum processor ၏ ယနေ့အထိ အကြီးမားဆုံးသော ပြီးပြည့်စုံသော simulation ဟုခေါ်ဆိုပြီး cultivation သည် ယခင်နည်းလမ်းများထက် 90 ရာခိုင်နှုန်း လျော့နည်းသော qubits လိုအပ်ကြောင်း ပြောကြားခဲ့ပြီး ကုမ္ပဏီက ဤနှိုင်းယှဉ်ချက်ကို မဖော်ပြပါ။
လက်တွေ့ကျသောဆူညံသံအောက်တွင် 104-Qubit Fault-Tolerant Modeling
အစောပိုင်း Jülich ၏ လုပ်ဆောင်ချက်သည် စံပြ၊ ဆူညံသံကင်းသော အခြေအနေများအောက်တွင် qubits ၅၀ ကို simulate လုပ်ခဲ့ပြီး ဤလုပ်ဆောင်မှုသည် ဆူညံသံကို အတွင်း၌ ထိန်းထားပေးသည်။ ရုပ်ပိုင်းဆိုင်ရာ qubits ၁၀၄ ခုသည် protocol တစ်ခုလုံးရှိ data နှင့် auxiliary qubits များကို လွှမ်းခြုံထားပြီး distance-3 color code တွင် magic state ကို စတင်ကာ၊ အန္တရာယ်ရှိသော fault များကိုဖမ်းရန် flag တိုင်းတာမှုများကို ထည့်သွင်းကာ distance-7 hybrid color နှင့် surface code အဖြစ်သို့ ကြီးထွားစေပြီး၊ နောက်ထပ် error-correction rounds များနှင့် readout များဖြင့် အဆုံးသတ်သည်။ noise model သည် random bit နှင့် phase flips များထက် ကျော်လွန်၍ စုပုံပြီး အနှောင့်အယှက်ဖြစ်စေနိုင်သော coherent phase error များဆီသို့ ဦးတည်သွားပြီး ရွေးချယ်ထားသော sites များသည် တတိယ energy level ကို သယ်ဆောင်ထားသောကြောင့် simulation သည် computational state များမှ leakage ကိုဖမ်းယူသည်။
state သည် magic state ကိုပြင်ဆင်သည့် Clifford မဟုတ်သော လုပ်ဆောင်ချက်များအတွက် Clifford shortcuts များမရှိဘဲ full state vector တစ်ခုဖြစ်သည်။ encoded register တွင် 45 bits၊ 35.2 trillion complex amplitudes ခန့်ရှိပြီး၊ ၎င်းသည် double precision ဖြင့် distributed GPU memory 512 TiB သို့မဟုတ် 8,192 GPU တစ်ခုစီတွင် 64 GiB ကို နေရာယူထားပြီး ဆက်သွယ်ရေးနှင့် ခွဲခြမ်းစိတ်ဖြာမှုအတွက် နေရာလွတ်ရှိသည်။
NVIDIA ရဲ့ simulator ဟာ dependencies နဲ့ measurement statistics တွေကို ထိန်းသိမ်းရင်း operations တွေကို ပြန်လည်စီစဉ်ပေးပါတယ်၊ qubits တွေကို တိုင်းတာပြီး release လုပ်တဲ့အခါ storage ကို ပြန်လည်အသုံးပြုပါတယ်၊ ပြီးတော့ three-level sites တွေကို binary storage ထဲ pack လုပ်တဲ့အတွက် သူတို့ထဲက ငါးခု (243 basis states) ဟာ bits ရှစ်ခုနဲ့ ကိုက်ညီပါတယ်။ သေးငယ်တဲ့ကိစ္စတွေမှာ၊ independent tensor-network calculations တွေဟာ state-vector ရလဒ်တွေကို 10 trillion မှာ အစိတ်အပိုင်းတစ်ခုလောက်နဲ့ တိုက်ဆိုင်စေပါတယ်။
GB200 NVL72 နှင့် cuQuantum Stack ဖွံ့ဖြိုးတိုးတက်ရေး
NVIDIA Accelerated Quantum Research Center ရှိ GB200 NVL72 စနစ်သည် ဖွံ့ဖြိုးတိုးတက်ရေးပလက်ဖောင်းအဖြစ် ဆောင်ရွက်ခဲ့သည်။ သုတေသီများသည် GPU လေးခုမှ ရာပေါင်းများစွာအထိ စမ်းသပ်မှုများကို တိုးချဲ့ခဲ့ပြီး JUPITER နှင့် ရလဒ်များကို နှိုင်းယှဉ်ကာ 8,192-GPU ခွဲဝေမှုအပြည့်အစုံကို မလုပ်ဆောင်မီ ပိုမိုတွက်ချက်မှုဖြင့် တိကျမှုမည်သို့ပြောင်းလဲသွားသည်ကို လေ့လာခဲ့သည်။ NVIDIA က တစ်ပတ်ကြာ simulation ကြိုးပမ်းအားထုတ်မှုကို ရက်များအဖြစ် လျှော့ချပေးခဲ့သည်ဟု ဆိုသည်။ state-vector evolution အတွက် cuQuantum ၏ cuStateVec library ကို အသုံးပြုထားပြီး cuBLASMp နှင့် cuSOLVERMp တို့သည် stored state ၏ ရွေးချယ်ထားသော partitions များကို factor လုပ်သောကြောင့် ခန့်မှန်းခြေနည်းလမ်းများကို full reference နှင့် တိုက်ဆိုင်စစ်ဆေးနိုင်သည်။ cultivation circuit ကို CUDA-Q ၏ fault-tolerant logical layer မှတစ်ဆင့် ဖော်ပြထားသည် ။
Forschungszentrum Jülich စက်ရုံရှိ Jülich Supercomputing Centre ၏ ဒါရိုက်တာ Kristel Michielsen က “JUPITER တွင် ဥရောပ၏ ရင်းနှီးမြှုပ်နှံမှုသည် သုတေသီများအား ယခင်က လက်လှမ်းမမီခဲ့သော မေးခွန်းများကို စုံစမ်းစစ်ဆေးနိုင်စွမ်းကို ပေးသည်” ဟု ပြောကြားခဲ့သည်။ NVIDIA ၏ လုပ်ငန်းအတွက် ဖော်ပြထားသော ရည်မှန်းချက်မှာ ၎င်းတွေ့ရှိခဲ့သော အမှားအယွင်းပျံ့နှံ့မှုကို ယုတ္တိဗေဒဆိုင်ရာ လုပ်ဆောင်ချက်များ၏ အရည်အသွေးနှင့် ကုန်ကျစရိတ်နှင့် ချိတ်ဆက်ရန်ဖြစ်ပြီး၊ ဟာ့ဒ်ဝဲအဖွဲ့များသည် ဒီဇိုင်းများကို မထုတ်လုပ်မီ ချိန်ဆနိုင်မည်ဖြစ်သည်။ ယခုအချိန်အထိ လည်ပတ်မှုအတွက် ယုတ္တိဗေဒဆိုင်ရာ အမှားနှုန်းများ၊ တိကျမှု သို့မဟုတ် လည်ပတ်ချိန်များကို ထုတ်ပြန်ထားခြင်း မရှိသေးပါ။
အမေဇုံ