NVIDIA Quantum
Beschleunigung der Zukunft wissenschaftlicher Forschung.
Überblick
Was ist beschleunigtes Quanten-Supercomputing?
Quantenprozessoren (Quantum Processing Units, QPUs) implementieren ein neues Modell der Datenverarbeitung mit potenziellen Auswirkungen auf alle Branchen. Um QPUs in nützliche Quantencomputer zu verwandeln, müssen sie mit hochmodernen KI-Supercomputern integriert werden. NVIDIA arbeitet mit QPU-Entwicklern an der Entwicklung entsprechender nützlicher, beschleunigter Quanten-Supercomputer.
Beschleunigung der Quantencomputing-Forschung
NVIDIA Accelerated Quantencomputing Research Center
Im NVIDIA Accelerated Quantum Computing Research Center (NVAQC) werden Qubits zu beschleunigten Quanten-Supercomputern gemacht. Durch die Integration der Quantenhardware von Partnern mit einem hochmodernen NVIDIA GB200 NVL72-System bietet das NVAQC Entwicklern und Wissenschaftlern die Durchbrüche, die für die Skalierung von Quantencomputing-Hardware und -Anwendungen erforderlich sind.
Lösungen
Beschleunigung des Quantencomputings
NVIDIA NVQLink
NVQLink ist eine offene Architektur für die Integration aller Quantenprozessor-Modalitäten mit KI-Supercomputing. NVQLink sorgt für GPU-beschleunigte QEC-Leistung mit geringer Latenz und hohem Durchsatz in der gesamten Quantenhardware. NVQLink ist das fehlende Puzzleteil, das QPU-Entwickler, Anbieter von Quantencontrollern sowie Supercomputing-Zentren benötigen, um Quantencomputer für hybride, groß angelegte Anwendungen skalieren zu können.
NVIDIA CUDA-QX
Quantenforscher und -entwickler aus verschiedensten Bereichen (von der Quantenfehlerkorrektur bis hin zu hybriden Solvern) nutzen GPU-Programmierung, um ihre Anwendungen zu beschleunigen. Dies erfordert hochgradig optimierte, fachspezifische Bibliotheken. NVIDIA CUDA-QX, das auf NVIDIA CUDA-Q™ aufbaut, ist eine Sammlung von Bibliotheken und Tools zur Beschleunigung der Forschung und Entwicklung hin zu nützlichem beschleunigtem Quanten-Supercomputing.
Belief Propagation-Ordered Statistics Decoding (BP-OSD) ist einer der vielversprechendsten Ansätze für die skalierbare Quantenfehlerkorrektur. CUDA-Q QEC beschleunigt BP-OSD mit modernster Latenz und Durchsatz und bietet eine 29- bis 35-fache Beschleunigung gegenüber branchenüblichen Decodern für eine einzelne Aufnahme sowie eine zusätzliche Beschleunigung um das bis zu 42-Fache für Anwendungsfälle mit hohem Durchsatz, in denen viele Syndrome gleichzeitig dekodiert werden müssen.
NVIDIA CUDA-Q
Quantenbeschleunigte Anwendungen werden nicht ausschließlich auf einer Quantenressource ausgeführt, sondern sind hybrid (Quanten- und klassisch) Für den Übergang von der Algorithmenentwicklung durch Quantenphysiker zur Anwendungsentwicklung durch Fachwissenschaftler ist eine Entwicklungsplattform erforderlich, die hohe Leistung bietet, mit den heutigen Anwendungen und Programmierparadigmen kompatibel ist und den Fachwissenschaftlern vertraut und zugänglich ist.
Mit einem einheitlichen Programmiermodell ist NVIDIA® CUDA-Q eine erstklassige Plattform für hybride Quanten- und klassische Computer, die die Integration und Programmierung von QPUs, Quantenemulation, GPUs und CPUs in einem System ermöglicht. CUDA-Q ist auf Leistung ausgelegt, ist open-source und bietet eine hochrangige Sprache für die Entwicklung und Ausführung hybrider Quanten- und klassischer Anwendungen.
NVIDIA cuQuantum
NVIDIA cuQuantum ist eine Reihe von Low-Level-Bibliotheken zur Beschleunigung der Quantenschaltungssimulation. cuQuantum wird hauptsächlich von Entwicklern genutzt, die Frameworks für die Schaltungssimulation entwickeln, und beschleunigt Cirq, Qiskit, PennyLane und mehr.
cuQuantum bietet Algorithmen für die Zustandsvektor- (cuStateVec) und Tensor-Netzwerk- (cuTensorNet) Schaltungssimulation mit Multi-GPU-Beschleunigung an.
Die cuQuantum Appliance ist ein Docker-Container, der aus führenden Community-Frameworks besteht, die durch cuQuantum beschleunigt und für die NVIDIA-Plattform optimiert sind.
Die NVIDIA cuQuantum Appliance ist im NVIDIA NGC™-Katalog erhältlich.
NVIDIA cuPQC
Um die Sicherheit und Authentizität sensibler Daten weltweit zu gewährleisten, ist es jetzt von entscheidender Bedeutung, dass Unternehmen auf Algorithmen migrieren, die einem Quantencomputing-Angriff standhalten können. Diese neue quantensichere Verschlüsselung wird als Postquanten-Kryptographie (PQC) bezeichnet.
NVIDIA cuPQC bietet sichere, beschleunigte Implementierungen der führenden PQC-Algorithmen, verbessert die Datensicherheit vor Quantencomputer-Bedrohungen und ermöglicht die kryptografische Forschung.
NVIDIA Quantum Cloud
NVIDIA Quantum Cloud bietet Zugriff auf die weltweit leistungsstärkste Quantencomputing-Plattform über Quantum Cloud APIs, die CUDA-QTM-Projekte auf einer Reihe von NVIDIA GPU-Systemen ausführen können.
Ressourcen
NVIDIA CUDA-Q Academic
Um eine Quantum-fähige Belegschaft aufzubauen, arbeitet NVIDIA mit akademischen Einrichtungen an der Entwicklung von Weiterbildungsressourcen über die Software-Entwicklungsplattform CUDA-Q. CUDA-Q Academic bietet Schulungen für Forscher und Studenten in Form von Online-Modulen zum Selbststudium an, die mit interaktiven Programmierübungen und Videos ausgestattet sind. Die Lernenden erwerben die Fähigkeiten, die sie benötigen, um mit den beschleunigten Quanten-Supercomputern zu arbeiten, die nützliche Anwendungen ausführen.
NVIDIA Quanten-Ökosystem
NVIDIA Quantum ermöglicht das gesamte Quanten-Ökosystem – und einige der wichtigsten Forschungstätigkeiten der heutigen Zeit. Von Quantencomputing-Startups bis zu einigen der größten Unternehmen der Welt, von akademischen Labors und Supercomputing-Zentren bis hin zu Fortune 500-Unternehmen sind wir stolz darauf, unseren Partnern bei der Entwicklung und Nutzung von Quanten zu helfen.
Melden Sie sich an, um mit News, Updates und mehr versorgt zu werden.
FAQs zu Quantencomputing
Quantencomputing ist eine paradigmenverändernde Technologie, die die Gesetze der Quantenphysik nutzt, um extrem schwierige Probleme zu lösen – so schwierig, dass deren Lösung auf herkömmlichen Supercomputern eine unmögliche Menge an Zeit und Ressourcen erfordern würde.
Das Herzstück des Quantencomputings ist das Quantenbit oder Qubit. Klassische Bits können nur in einem Zustand von 0 oder 1 existieren, während Qubits in einer Überlagerung beider Zustände gleichzeitig existieren können. Dies bedeutet, dass N Qubits in Überlagerung Informationen über eine exponentielle (2ᴺ) Anzahl von binären Konfigurationen gleichzeitig enthalten. Quantencomputer nutzen zusätzlich die Quanteneigenschaften der Verschränkung – bei der Qubits korreliert werden, sodass der Zustand eines Qubits sofort den Zustand eines anderen widerspiegelt – und Interferenz, die es ermöglicht, bestimmte Rechenpfade zu verstärken, während andere ausgeschlossen werden. Zusammen ermöglichen diese Eigenschaften ein grundlegend neues Berechnungsmodell.
Klassische Computer verarbeiten Informationen mit Bits, die streng 0 oder 1 sind. Jede Operation ist deterministisch und sequentiell auf Bit-Ebene. Quantencomputer nutzen Qubits, die eine Überlagerung von 0 und 1 gleichzeitig darstellen können, sodass sie viele mögliche Lösungen parallel untersuchen können.
Quantencomputer sind jedoch nicht einfach „schnellere“ klassische Computer. Es handelt sich um spezialisierte Beschleuniger, die für bestimmte Klassen von Problemen geeignet sind – wie die Simulation von Quantenchemie, die Optimierung komplexer Systeme und das Brechen oder Erstellen von kryptografischen Protokollen –, bei denen klassische Maschinen selbst im Supercomputer-Maßstab Schwierigkeiten haben. Für die meisten alltäglichen Rechenaufgaben bleibt klassische Hardware effizienter. Aus diesem Grund wird von Quantencomputern erwartet, dass sie neben klassischen Supercomputern als Beschleuniger funktionieren, nicht als Ersatz.
Es wird erwartet, dass Quantencomputing sich auf eine Vielzahl von Branchen auswirken wird, darunter Verteidigung, Energie, Logistik, Ingenieurwesen, Medizin, Finanzen und Einzelhandel. Zu den wichtigsten Anwendungsbereichen gehören:
- Medikamentenentwicklung und Materialwissenschaften: Simulation von komplexen chemischen und molekularen Systemen, um die Entwicklung neuer Medikamente, Batterien, Solarzellen und Konsumprodukte zu steuern
- Finanzdienstleistungen: Schnellere Schätzung von Risikometriken und Finanzvorhersagen, was einen profitableren Handel und ein präziseres Risikomanagement ermöglicht
- Optimierung: Lösung komplexer logistischer Herausforderungen, von globalen Lieferketten bis hin zur genetischen Analyse
- Kryptografie und Cybersicherheit: Sowohl offensive als auch defensive Funktionen, die die Cyber-Verteidigung und die nationale Sicherheit grundlegend neu gestalten
- KI und maschinelles Lernen: Neuartige Verfahren, die tiefere Erkenntnisse aus Daten gewinnen und die Zuverlässigkeit von Vorhersagen für Entscheidungsträger verbessern
Nicht alle Branchen werden gleichermaßen oder gleichzeitig davon profitieren. Chemie- und materialwissenschaftliche Anwendungen werden voraussichtlich frühe Vorteile erleben, während andere größere Quantenhardware der späteren Generation erfordern werden. Die transformativsten Quantenanwendungen werden wahrscheinlich erst noch entdeckt werden.
Es gibt heute Quantencomputing-Geräte, die Hunderte – und zunehmend Tausende – von Qubits vorbereiten, bearbeiten und auslesen können. Diese bleiben jedoch größtenteils experimentell. Aktuelle Quantencomputer sind bei sinnvollen, realen Aufgaben noch nicht in der Lage, mit herkömmlichen Supercomputern zu konkurrieren, da ihre Qubits von Rauschen beeinträchtigt werden – Umgebungsinterferenzen, die Berechnungen untergraben.
Die Zielpunkte für die praktische Relevanz werden durch das Konzept des Quantencomputings im Versorgungsmaßstab abgedeckt: der Punkt, an dem ein Quantencomputer nicht nur klassische Alternativen übertreffen kann, sondern dies kostengünstig in wirtschaftlichen, wissenschaftlichen, gesellschaftlichen oder ökologischen Dimensionen tun kann. Um dies zu erreichen, sind kontinuierliche Fortschritte in den Bereichen Quantenhardware, Quantenfehlerkorrektur und Algorithmenentwicklung erforderlich.
Quantensysteme sind extrem fragil. Selbst die geringsten Umweltstörungen – ein elektromagnetischer Irrpuls, Vibrationen oder Temperaturschwankungen – können zu Fehlern führen, die eine Berechnung untergraben. Die Quantenfehlerkorrektur (QEC) ist die Reihe von Techniken, die zum Schutz von Quanteninformationen vor diesem Rauschen verwendet werden.
QEC kodiert viele rauschende physische Qubits in eine kleinere Anzahl sauberer logischer Qubits. Fehlerkorrekturcodes überwachen Qubits wiederholt, um zu erkennen, wo Fehler aufgetreten sind, sodass ein herkömmlicher Computer sie in Echtzeit dekodieren und korrigieren kann. Damit QEC überhaupt funktionieren kann, muss die Fehlerrate des Rauschpegels in Quantenhardware unter einem kritischen Schwellenwert liegen.
Fehlertolerante Quantencomputer (FTQCs) – die QEC aktiv implementieren – gelten als der „Heilige Gral“ in diesem Bereich, da nur sie in der Lage sind, die großen, komplexen Algorithmen auszuführen, die für wirklich nützliche Anwendungen erforderlich sind. Die Entwicklung von FTQCs erfordert eine enge Integration zwischen Quantenprozessoren und leistungsstarken klassischen Supercomputern.
Die CUDA-Q QEC-Bibliothek von NVIDIA beschleunigt einen der vielversprechendsten QEC-Dekodierungsalgorithmen (Belief Propagation-Ordered Statistics Decoding, oder BP-OSD) mit einer 29–35-fachen Beschleunigung gegenüber Branchenstandard-Decodern für einen Single-Shot, mit zusätzlichen Beschleunigungen von bis zu 42-fach für Anwendungsfälle mit hohem Durchsatz.
Hybrides Quanten-klassisches Computing ist das Modell, in dem Quantenprozessoren (QPUs) und klassische Computer zusammenarbeiten – jeder tut das, was er am besten kann. Quantenhardware beschleunigt bestimmte rechenintensive Subroutinen, während klassische Supercomputer Kompilierung, Kalibrierung, Steuerung, Fehlerkorrektur, Nachverarbeitung und andere unterstützende Aufgaben übernehmen.
Diese Kombination ist kein temporärer Workaround, sondern eine dauerhafte architektonische Realität. Die meisten nützlichen Quantenanwendungen werden von Natur aus hybrid sein und sowohl klassische als auch Quantenhardware als Teil eines größeren Workflows erfordern. Für bestimmte Aufgaben ist eine Kommunikation mit geringer Latenz zwischen den beiden entscheidend, was bedeutet, dass QPUs und klassische Prozessoren physisch am selben Standort untergebracht sein müssen.
Diese wechselseitige Beziehung – in der Quantencomputer es Supercomputern ermöglichen, neue Klassen von Problemen zu lösen, und Supercomputer den Betrieb von Quantencomputern ermöglichen – ist als quantenbeschleunigtes Supercomputing bekannt.
NVIDIA entwickelt die Full-Stack-Infrastruktur, die erforderlich ist, um die Entwicklung nützlicher, beschleunigter Quanten-Supercomputer zu beschleunigen. Anstatt QPUs direkt zu entwickeln, konzentriert sich NVIDIA auf die klassische Supercomputing-Ebene, von der Quantenhardware abhängt – und bietet die Softwareplattformen, Bibliotheken, Verbindungen und die Forschungsinfrastruktur, die das gesamte Quantenökosystem benötigt.
Das Quantencomputing-Portfolio von NVIDIA umfasst:
- CUDA-Q: Eine hybride Open-Source-Programmierplattform für Quanten- und klassisches Computing
- CUDA-QX: Fachspezifische Bibliotheken für Quantenfehlerkorrektur, hybride Solver und mehr
- cuQuantum: GPU-beschleunigte Quantenschaltungssimulationsbibliotheken
- NVQLink: Eine offene Hochgeschwindigkeitsverbindung für die Integration von QPUs mit KI-Supercomputern
- NVIDIA Ising: Eine Familie von KI-Modellen und ein Trainings-Framework für die Automatisierung der Quantenkalibrierung und der Fehlerkorrektur-Dekodierung
- cuPQC: Beschleunigte Post-Quanten-Kryptografie-Implementierungen
- NVIDIA Quantum Cloud: Cloud-basierter Zugriff auf die Quantencomputing-Plattform von NVIDIA
- NVAQC: Das NVIDIA Accelerated Quantum Computing Research Center
NVIDIA arbeitet außerdem mit führenden akademischen Einrichtungen weltweit über das CUDA-Q Academic Programm zusammen, um die nächste Generation von Quanten-kompetenten Wissenschaftlern und Ingenieuren auszubilden.
NVIDIA CUDA-Q ist die weltweit erste einheitliche Programmierplattform für hybride Quanten-klassische Computer. Es ermöglicht Entwicklern, QPUs, Quantenemulatoren, GPUs und CPUs in ein einziges System und ein einziges Programmiermodell zu integrieren und zu programmieren.
Zu den wichtigsten Merkmalen von CUDA-Q gehören:
- Einheitliche hybride Programmierung: Entwickler schreiben ein einzelnes Programm, das die Arbeit automatisch über Quanten- und klassische Hardware verteilt.
- QPU-agnostisch: CUDA-Q kann Code auf einer Vielzahl von Quantenhardware von verschiedenen Anbietern kompilieren und ausführen.
- Open Source: Die Plattform ist open-source und frei verfügbar.
- High-Level-Sprachunterstützung: CUDA-Q unterstützt vertraute Sprachen wie Python und C++ und senkt die Barriere für Domänenwissenschaftler, die keine Quantenphysiker sind.
CUDA-Q ist die Grundlage, auf der NVIDIA seinen gesamten Quantensoftware-Stack aufbaut – von Fehlerkorrektur-Bibliotheken bis hin zum CUDA-Q Academic-Lehrplan.
CUDA-Q Academic ist die Initiative von NVIDIA zum Aufbau einer quantenfähigen globalen Belegschaft durch die Zusammenarbeit mit Universitäten und Forschungseinrichtungen, um Bildungsressourcen zu entwickeln, die auf der CUDA-Q-Plattform basieren. Es bietet Online-Lernmodule im Selbststudiengang mit interaktiven Programmierübungen und Videos, die sowohl für Forscher als auch für Studierende/Doktoranden entwickelt wurden. Lernende erwerben die praktischen Fähigkeiten, die für die Arbeit mit den beschleunigten Quanten-Supercomputern erforderlich sind, die zukünftige reale Anwendungen vorantreiben werden.
Der Lehrplan ist über das CUDA-Q Academic GitHub Repository kostenlos verfügbar. NVIDIA arbeitet direkt mit Institutionen zusammen, um die Inhalte in Kurse und Forschungsprogramme zu integrieren.
Zu den aktuellen akademischen Partnerinstitutionen gehören:
Arizona State University · Carnegie Mellon University · Chung Yuan Christian University Quantum Information Center · Dartmouth Engineering · ETH Zurich Quantum Center · Fordham University · IIT Madras · KAUST · Mälardalen University · Northwestern University · Pittsburgh Supercomputing Center · Polytechnic University of Valencia · Princeton University · Purdue University · Robert Morris University · Technion – Israel Institute of Technology · TUM Chair for Design Automation · UC Davis · University of Cambridge Physical Computation Laboratory · University of Chicago · University of Florida · University of Illinois Urbana-Champaign · University of Nevada, Reno · University of Pittsburgh · UPC Barcelona Tech
Forschende und Lehrkräfte, die an dem Programm interessiert sind, können sich für weitere Informationen anmelden.
NVIDIA NVQLink ist eine offene, Hochgeschwindigkeits-Verbindungsarchitektur, die für die Integration jeder Art von Quantenprozessor (QPU) in KI-Supercomputer entwickelt wurde. NVQLink wurde unter anderem in Zusammenarbeit mit Argonne, Brookhaven, Fermilab, Lawrence Berkeley, Oak Ridge und Sandia National Laboratories entwickelt und bietet:
- Kommunikation mit geringer Latenz und hohem Durchsatz zwischen QPUs und GPUs – unerlässlich für die Quantenfehlerkorrektur in Echtzeit und hybride Workloads.
- Universalität: NVQLink wurde für die Zusammenarbeit mit allen Quantenprozessor-Modalitäten entwickelt (supraleitend, eingeschlossene Ionen, neutrale Atome, photonisch und andere).
- Offene Architektur: QPU-Entwickler, Quantencontroller-Anbieter und Supercomputing-Zentren können alle über NVQLink zusammenarbeiten.
Führende Supercomputing-Zentren weltweit setzen bereits NVQLink ein, um Quantenprozessoren in ihre Einrichtungen zu integrieren und so quantenklassische Workflows in großem Maßstab zu ermöglichen.
Das NVIDIA Accelerated Quantum Computing Research Center (NVAQC) ist eine dedizierte Forschungseinrichtung – in Boston – die sich darauf konzentriert, die Zeitspanne zu praxistauglichem Quantencomputing zu verkürzen. Das NVAQC integriert über die NVIDIA DGX™ Quantum-Architektur die Quantenhardware von Partnern mit den hochmodernen GB200 NVL72 Grace Blackwell Superchips.
Das NVAQC bewältigt vier der drängendsten Herausforderungen im Quantencomputing:
- Skalierung von Quantenhardware: Entwicklung der KI-Supercomputing-Infrastruktur, die für die Steuerung und den Betrieb großer QPUs erforderlich ist
- Korrektur von Quantenfehlern: Nutzung von GPU-beschleunigter Decodierung, um die Quantenfehlerkorrektur in Echtzeit zu ermöglichen
- Simulation neuer QPU-Designs: Ausführung umfassender Hardware-Simulationen, um bessere Qubit-Designs schnell iterativ anzupassen
- Entwicklung hybrider Algorithmen: Platzierung von Quanten- und klassischer Hardware, damit Forscher wirklich hybride Anwendungen entwickeln und testen können
Zu den aktuellen NVAQC-Partnern gehören Quantinuum, QuEra, Quantum Machines und EQuS (Engineering Quantum Systems am MIT).
Post-Quanten-Kryptografie (PQC) bezieht sich auf Verschlüsselungsalgorithmen, die darauf ausgelegt sind, Angriffen von zukünftigen Quantencomputern zu widerstehen. Die heute weit verbreiteten Verschlüsselungsstandards (wie RSA und Elliptic-Curve-Kryptographie) sind potenziell anfällig für Quantenalgorithmen wie Shors Algorithmus, die sie viel schneller brechen könnten als jeder klassische Computer.
Unternehmen müssen jetzt mit der Migration zu quantensicheren Algorithmen beginnen – bevor fehlertolerante Quantencomputer eintreffen –, um sensible Daten zu schützen, die langfristige Vertraulichkeitsanforderungen haben (eine Strategie, die manchmal als „jetzt ernten, später entschlüsseln“ bezeichnet wird).
Die cuPQC-Bibliothek von NVIDIA bietet sichere, GPU-beschleunigte Implementierungen der führenden PQC-Algorithmen, die von NIST unterstützt werden, wodurch die Datensicherheit gegen die Quantenbedrohung gefördert wird und kryptografische Forschung in großem Maßstab ermöglicht wird.
NVIDIA Ising ist eine Modellfamilie, ein Trainings-Framework und ein Kochbuch für die Entwicklung und Bereitstellung von KI speziell für Quantencomputing. Es wurde so entwickelt, dass Quantencomputing-Experten modernste KI-Technologie nutzen können, ohne über Fachwissen im Bereich maschinelles Lernen verfügen zu müssen. Dadurch wird eine erhebliche Barriere für QPU-Entwickler und -Betreiber beseitigt, die sich mit Quantenphysik, aber nicht unbedingt mit Deep Learning auskennen.
Ising bewältigt zwei der schwierigsten kurzfristigen technischen Herausforderungen auf dem Weg zu fehlertoleranten Quantencomputern:
Quantenkalibrierung (Ising-Kalibrierung)
Quantenprozessoren erfordern eine kontinuierliche, präzise Kalibrierung – einen arbeitsintensiven Prozess der Hardware-Optimierung, um Rauschen zu minimieren und die Qubit-Genauigkeit aufrechtzuerhalten. Ising Calibration 1 ist ein Vision-Language-Model (VLM), das innerhalb eines agentenbasierten Workflows bereitgestellt werden kann, um die Einbindung und Neukalibrierung von Quantenprozessoren zu automatisieren. Der Agent bewertet experimentelle Ergebnisse von der QPU und passt Parameter entsprechend an. Dadurch wird der manuelle Aufwand drastisch reduziert, der erforderlich ist, um den Betrieb eines Quantencomputers mit Spitzenleistung sicherzustellen.
Im QCalEval-Benchmark (die veröffentlichte Bewertungssuite von NVIDIA für Quantenkalibrierungsmodelle) übertrifft Ising Calibration 1 führende universelle Frontier-Modelle: Es erzielt 3,27 % mehr als Gemini, 9,68 % mehr als Claude Opus und 14,5 % mehr als GPT.
Quanten-Fehlerkorrektur-Dekodierung (Ising Decoding)
Die Fehlerkorrektur in Echtzeit ist eine der rechentechnisch anspruchsvollsten Anforderungen für fehlertolerante Quantencomputer. Jedes Mal, wenn der QEC-Code-Zyklus ausgeführt wird, muss ein klassischer Decoder die resultierenden Syndromdaten verarbeiten und Fehler identifizieren – schnell genug, um mit der QPU Schritt zu halten. Ising Decoder SurfaceCode 1 bietet zwei Varianten, die auf unterschiedliche betriebliche Anforderungen abgestimmt sind:
- Schnelle Variante: 2,5-mal geringere Latenz und 1,1-mal höhere Genauigkeit als PyMatching (der Branchenstandard-Decoder) für Surface Code-Distance d =13 bei einer Fehlerrate p = 0,003
- Präzise Variante: 2,3-mal geringere Latenz und 1,5-mal höhere Genauigkeit als PyMatching unter den gleichen Bedingungen
Entscheidend ist, dass Ising Decoding außerdem ein Trainingsframework enthält, sodass QPU-Entwickler Decoder-Modelle auf die spezifischen Rauschcharakteristiken ihrer eigenen Hardware optimieren können, anstatt sich auf generische Modelle zu verlassen.
Erste Schritte
NVIDIA Ising-Modelle sind über NVIDIA NIM™ APIs (für Cloud-Inferenz), Hugging Face (zum Herunterladen und zur Feinabstimmung) und GitHub (für Trainingscode und Tutorials) verfügbar. Das Framework lässt sich in NVIDIA CUDA-Q QEC für Dekodierungs-Workflows in Echtzeit integrieren und nutzt cuQuantum cuStabilizer neben PyTorch für das Modelltraining.
NVIDIA bietet mehrere On-Ramps für Entwickler, Forschende und Studierende:
- CUDA-Q: Verfügbar als Open-Source-Software mit Dokumentation, Tutorials und einer wachsenden Community
- CUDA-QX: Fachspezifische Bibliotheken für QEC, hybride Solver und mehr
- cuQuantum: GPU-beschleunigtes Schaltungssimulations-SDK für Entwickler, die Quantensimulations-Frameworks entwickeln, verfügbar über den NGC-Katalog
- NVIDIA Quantum Cloud: Früher Zugriff auf cloudbasierte Quantencomputing-APIs für die Ausführung von CUDA-Q-Projekten auf NVIDIA GPU-Systemen
- CUDA-Q Academic: Training im eigenen Tempo für Studierende und Forschende; vollständige Details finden Sie in den FAQ oben
- Ressourcen-Hub: Blogs, GTC-Session-Aufzeichnungen, Whitepapers und Tutorials verfügbar im NVIDIA Quantencomputing Resource Center