NVIDIA añade CUDA-Q Logical para el codiseño de sistemas cuánticos tolerantes a fallos

CUDA-Q Logical es la nueva capa de orquestación de código abierto de NVIDIA para la computación cuántica tolerante a fallos. Presentada en IEEE Quantum Week, en Toronto, amplía CUDA-Q con herramientas destinadas a programar y verificar la pila lógica de un sistema cuántico: desde el algoritmo y la corrección de errores hasta la arquitectura y las decisiones a nivel de la unidad de procesamiento cuántico (QPU). 19

La idea central no es que la tolerancia a fallos ya esté resuelta, sino facilitar el análisis de sus compromisos técnicos antes de construir o adoptar una configuración concreta.

Por qué importa el codiseño

Un ordenador cuántico tolerante a fallos no se obtiene eligiendo de manera aislada un algoritmo, un código de corrección de errores y una tecnología de qubits. Cada decisión condiciona a las demás: el código afecta al número de qubits físicos requerido; la conectividad del hardware influye en la compilación; y las opciones de control y decodificación pueden alterar el comportamiento durante la ejecución.

CUDA-Q Logical está pensado para convertir esas interdependencias en hipótesis que se puedan expresar, comparar y comprobar. Su capa lógica aporta herramientas de lenguaje para describir y combinar componentes de corrección cuántica de errores (QEC), además de estimar los recursos que exigen en distintas arquitecturas. 24

En otras palabras, el foco pasa de optimizar piezas aisladas a evaluar un sistema candidato de extremo a extremo. CUDA-Q ya sirve como plataforma híbrida para integrar y programar QPU, GPU y CPU en un mismo sistema. 18

Qué permite evaluar la nueva capa

NVIDIA define CUDA-Q Logical como un enfoque abierto, programable y verificable para desarrollar aplicaciones tolerantes a fallos. El protagonismo recae en los qubits lógicos: qubits corregidos mediante códigos de error y construidos a partir de múltiples qubits físicos, un requisito previsto para ejecutar cálculos cuánticos largos y fiables. 19

En un flujo de trabajo de investigación, la plataforma puede utilizarse para:

• expresar un algoritmo tolerante a fallos y sus operaciones de QEC;
• comparar códigos de corrección de errores y estrategias de compilación;
• modelar alternativas de hardware y arquitectura de QPU;
• estimar los recursos necesarios para alcanzar un objetivo de qubits lógicos; y
• contrastar compromisos de rendimiento a nivel de sistema antes de comprometerse con una implementación. 124

Esto no elimina la dificultad física de crear hardware cuántico fiable. Sí ofrece una capa de software compartida para hacer explícitos los supuestos de diseño y someterlos a comparación.

Resultados e integraciones citados por NVIDIA

Los ejemplos asociados al anuncio corresponden a flujos de trabajo, modelos o integraciones específicos. No deben interpretarse como una medida única ni general de la capacidad actual de la computación cuántica tolerante a fallos.

Fermilab: evaluación de diseños más rápida

Fermilab empleó CUDA-Q Logical en un flujo repetible y verificable para desarrollar arquitecturas tolerantes a fallos. Según NVIDIA, el proceso redujo el tiempo de desarrollo de aproximadamente cinco meses a tres semanas, un aumento de velocidad cercano a 7 veces. 1

Iceberg Quantum y Diraq: modelado de recursos de qubits lógicos

Iceberg Quantum y Diraq modelaron una arquitectura orientada a producir 1.000 qubits lógicos a partir de unos 150.000 qubits físicos de silicio de Diraq. La precisión importante es que se trata de un modelo de arquitectura y de un flujo de validación, no de una afirmación de que esos 1.000 qubits lógicos ya estén funcionando en ese hardware. 121

Infleqtion: corrección qLDPC

Infleqtion integró su biblioteca de código abierto qLDPC con CUDA-Q Logical para investigar QEC. La empresa informó de la construcción y validación de un código que usa aproximadamente seis qubits físicos de datos por qubit lógico, y sostuvo que podría requerir hasta cinco veces menos qubits físicos de datos que los enfoques predominantes basados en códigos de superficie. La comparación depende del método y de los supuestos comunicados; no representa un requisito universal para todos los sistemas tolerantes a fallos. 192031

Qedma: mitigación de errores en flujos para Quantinuum

Qedma integró su tecnología de mitigación de errores QESEM en CUDA-Q para flujos dirigidos a sistemas de Quantinuum. La mitigación de errores y la corrección de errores tolerante a fallos son técnicas diferentes, pero esta integración ilustra el papel de CUDA-Q como punto de conexión entre componentes de software cuántico y flujos de hardware concretos. 26

Quantum Machines: control cuántico-clásico en tiempo real

Quantum Machines integró la capacidad cudaq-realtime de NVIDIA con su Open Acceleration Stack. NVIDIA indica que la API admite devoluciones de llamada con latencia de microsegundos entre GPU y controladores cuánticos, con el objetivo de coordinar estrechamente qubits activos, GPU y CPU. 30

Sandia: un referente de preparación

Sandia National Laboratories puso QUOPS a disposición dentro de CUDA-Q. NVIDIA describe QUOPS como un benchmark para valorar el grado de preparación del hardware cuántico tolerante a fallos para aplicaciones prácticas; su objetivo es permitir evaluaciones entre plataformas, no juzgar el hardware con una sola métrica ligada a un proveedor. 122

El alcance real del anuncio

El valor de CUDA-Q Logical no radica en declarar solucionada la computación cuántica tolerante a fallos. Su aportación es una capa común y extensible para explorar el difícil espacio de diseño entre una aplicación y una máquina física.

Para los equipos que trabajan con sistemas de qubits lógicos, la cuestión no suele ser únicamente qué tecnología de qubits resulta mejor. La pregunta es si una combinación completa de algoritmo, código QEC, compilador, arquitectura, pila de control y aceleración clásica puede cumplir un objetivo aceptable de recursos y rendimiento. CUDA-Q Logical pretende hacer esa evaluación más fácil de modelar, comparar y verificar. 124

Disponibilidad

CUDA-Q Logical está disponible como parte del proyecto de código abierto CUDA-Q en GitHub. La página para desarrolladores de NVIDIA también indica la instalación de CUDA-Q mediante Python:

pip install cudaq

Las notas de lanzamiento de GitHub identifican CUDA-Q Logical como una capa lógica abierta y extensible para computación cuántica tolerante a fallos. 182437