NVIDIA rozwija CUDA-Q dla obliczeń kwantowych

NVIDIA rozszerzyła otwartą platformę CUDA-Q o nową warstwę CUDA-Q Logical. Rozwiązanie wspiera rozwój obliczeń kwantowych odpornych na błędy. Pozwala naukowcom projektować, testować oraz porównywać różne elementy systemów wykorzystujących kubity logiczne.

Kubity logiczne mają ograniczać wpływ błędów występujących w kubitach fizycznych. Dzięki temu komputery kwantowe mogą wykonywać bardziej złożone obliczenia. W przyszłości mogą one znaleźć zastosowanie między innymi w badaniach nad lekami, materiałami oraz modelami finansowymi.

Źródło: NVIDIA

CUDA-Q Logical łączy elementy systemu kwantowego

Projektowanie systemów odpornych na błędy wymaga jednoczesnego uwzględnienia wielu elementów. Należą do nich algorytmy, korekcja błędów, architektura sprzętowa oraz parametry procesora kwantowego. Co więcej, zmiana jednego komponentu może wpłynąć na wymagania całego systemu. CUDA-Q Logical ma ułatwić analizę tych zależności. Naukowcy mogą porównywać różne konfiguracje i sprawdzać ich zapotrzebowanie na zasoby. W rezultacie łatwiej ocenią, które rozwiązania sprawdzą się przy wykorzystaniu kubitów logicznych.

– Obliczenia kwantowe wkraczają w erę kubitów logicznych – powiedział Timothy Costa z NVIDIA. Jak zaznaczył, naukowcy potrzebują otwartej platformy pozwalającej odwzorować różne elementy systemów odpornych na błędy.

Z CUDA-Q Logical korzystają już producenci procesorów kwantowych oraz laboratoria badawcze. Wśród nich są Fermilab, Infleqtion, IQM Quantum Computers, QCDesign, Quantum Motion oraz Sandia National Laboratories.

Iceberg Quantum ogranicza liczbę potrzebnych kubitów

Iceberg Quantum wykorzystał CUDA-Q Logical do modelowania swojej architektury dla kubitów firmy Diraq. Analiza pokazała możliwość utworzenia 1000 kubitów logicznych przy użyciu około 150 tys. kubitów fizycznych. To około dziesięć razy mniej, niż zakładały wcześniejsze szacunki Diraq. CUDA-Q Logical umożliwiło szybkie porównanie potencjalnych wariantów architektury. Tym samym firma mogła określić, jak ograniczyć wymagania sprzętowe systemu.

Fermilab skraca analizę z pięciu miesięcy do trzech tygodni

Naukowcy z Fermilab wykorzystali CUDA-Q Logical do weryfikacji wcześniejszych wyników. Badali również liczbę fizycznych kubitów, czas wykonywania obliczeń oraz zapotrzebowanie na inne zasoby. Laboratorium porównywało przy tym różne metody korekcji błędów i rozwiązania sprzętowe. Dzięki temu przekształciło złożone projektowanie systemów w powtarzalny proces obliczeniowy. Według Fermilab prace, które wcześniej zajmowały około pięciu miesięcy, wykonano w trzy tygodnie. Oznacza to około siedmiokrotne skrócenie czasu.

– Obliczenia kwantowe odporne na awarie to droga do nowych odkryć naukowych – powiedziała Anna Grassellino z Fermilab. Dodała, że rozwój wymaga wspólnego projektowania algorytmów, korekcji błędów, architektur oraz sprzętu.

Sandia proponuje nowy sposób mierzenia postępów

Sandia National Laboratories opracowało również test porównawczy QUOPS. Narzędzie ma mierzyć rozwój systemów kwantowych pod kątem zastosowań na skalę przemysłową. Dotychczas branża koncentrowała się przede wszystkim na parametrach fizycznych kubitów. Analizowano ich liczbę, wierność oraz czas koherencji. QUOPS ma natomiast umożliwić ocenę systemów z perspektywy obliczeń odpornych na błędy. Sandia przedstawiła pierwsze wyniki przed konferencją IEEE Quantum Week. Testy objęły procesory kwantowe Google, IBM oraz Quantinuum. Ponadto referencyjna implementacja QUOPS trafiła do biblioteki CUDA-Q.

NVIDIA łączy procesory kwantowe z GPU

CUDA-Q Logical stanowi część szerszego środowiska NVIDIA dla obliczeń kwantowych. Firma rozwija technologie łączące procesory kwantowe z infrastrukturą wykorzystującą GPU. Diraq użył między innymi modeli NVIDIA Ising do kalibracji krzemowego procesora kwantowego. Modele wspierają zastosowanie sztucznej inteligencji w pracach nad systemami kwantowymi. Kolejnym elementem jest NVIDIA NVQLink. To otwarta architektura służąca do łączenia procesorów kwantowych z superkomputerami wykorzystującymi GPU. Anyon Computing opracował na jej podstawie nowy system sterowania kwantowego. Z kolei Quandela przygotowała architekturę QPU-GPU. Quantum Machines zaprezentowało natomiast integrację zasobów superkomputerowych z kubitami w Izraelskim Centrum Obliczeń Kwantowych.

CUDA-Q trafia do kolejnych projektów

Platformę CUDA-Q wykorzystują również inne firmy z sektora technologii kwantowych. BlueQubit uruchomił program „Quantum Flywheel”, który zapewnia naukowcom dostęp do obliczeń przyspieszanych przez NVIDIA. Qedma Quantum Computing i QCentroid zintegrowały swoje technologie z CUDA-Q. Firmy wykorzystują platformę między innymi do korekcji i ograniczania błędów kwantowych. Jednocześnie NVIDIA współpracuje z zespołami rozwijającymi kolejne zastosowania. IonQ pracuje nad DQAOA-GPT, czyli kwantową platformą generatywnej sztucznej inteligencji. MITRE bada natomiast cyfrowe bliźniaki czujników kwantowych przyspieszane przez GPU. Phasecraft wykorzystuje NVIDIA cuQuantum do tworzenia emulowanej bazy danych molekularnych. Z kolei zespoły UCLA i Caltech rozwijają metody projektowania sekwencji sterujących dla aplikacji kwantowych.

Źródło: materiały prasowe