Quantum Machines y NVIDIA llevan CUDA-Q a cúbits reales, GPU y CPU mediante NVQLink

Quantum Machines y NVIDIA aprovecharon IEEE Quantum Week, celebrado en Toronto, para mostrar una aplicación CUDA-Q de extremo a extremo que operó entre cúbits reales, el hardware de control de Quantum Machines, GPU y CPU mediante NVIDIA NVQLink. El hito no consiste tanto en una operación cuántica aislada como en tratar al procesador cuántico y a su pila de control clásica como partes programables de un mismo sistema heterogéneo. 1015

Qué se mostró exactamente

Según lo comunicado por las compañías y recogido por medios especializados, un único programa CUDA-Q se ejecutó sobre cúbits reales y la Pulse Processing Unit de Quantum Machines, mientras NVQLink conectaba el entorno de control cuántico con la computación acelerada de NVIDIA. Quantum Machines lo describió como la primera vez que una empresa de control cuántico ejecuta este tipo de programa CUDA-Q integral a través de todos esos recursos. 1015

Conviene interpretar esa afirmación con cautela: se trata de un hito reportado por la empresa y por publicaciones del sector, no de un récord industrial validado de forma independiente. Lo mismo aplica al intercambio completo de mediciones y control en aproximadamente un microsegundo. 1015

Cómo se reparte el trabajo entre cúbits, GPU y CPU

La idea práctica es que un programa híbrido pueda asignar cada tarea al recurso más apropiado:

• Los cúbits reales y el controlador cuántico ejecutan las operaciones cuánticas y el control en tiempo real.
• Las GPU procesan tareas clásicas exigentes y sensibles a la latencia, como la decodificación de datos de medición para la corrección de errores cuánticos.
• Las CPU se encargan de las funciones generales del anfitrión y de la orquestación.

NVQLink está diseñado como una interfaz en tiempo real y de latencia determinista entre el controlador de un sistema cuántico y recursos clásicos de alto rendimiento. Su objetivo es incorporar cargas de trabajo en línea —incluido el procesamiento de corrección de errores— al ciclo operativo del sistema, en lugar de tratarlas como una cadena de herramientas separadas y conectadas manualmente. 115

Por qué importa el modelo de programación

Para quienes desarrollan con Python, C++ o el lenguaje QUA de Quantum Machines, la promesa es una forma de expresar una carga de trabajo híbrida a un nivel más alto. En vez de codificar y coordinar manualmente secuencias de pulsos de bajo nivel, transferencias entre procesadores, movimientos de datos y rutas de retroalimentación, el desarrollador puede describir el flujo en torno a CUDA-Q y dejar que el sistema distribuya las tareas entre los recursos cuánticos y clásicos adecuados. 15

Esto no elimina la complejidad del hardware subyacente. Más bien desplaza una parte mayor de esa coordinación a las capas de control, compilación y orquestación. La diferencia es importante para equipos que buscan aplicaciones repetibles, y no integraciones de laboratorio diseñadas específicamente para cada experimento.

Un microsegundo y la corrección de errores cuánticos

La corrección de errores cuánticos exige un ciclo muy ajustado: medir los síndromes de error, decodificar esas mediciones de forma clásica y aplicar o programar una acción correctiva antes de que el estado cuántico deje de ser útil. La arquitectura NVQLink de NVIDIA está orientada expresamente a acoplar el control cuántico con recursos de computación de alto rendimiento para la corrección de errores en línea y otras cargas intensivas de tiempo real. 1

Quantum Machines y NVIDIA afirman que su demostración intercambió datos de medición y decisiones de control en torno a un microsegundo. Ese objetivo de latencia es relevante porque la decodificación u optimización basada en CPU y GPU debe completarse dentro del presupuesto temporal que imponen el hardware cuántico y su sistema de control. 101315

El objetivo de fondo: procesadores cuánticos dentro de supercomputadores

La demostración respalda una tesis arquitectónica más amplia: los futuros procesadores cuánticos podrían funcionar menos como instrumentos aislados y más como aceleradores especializados dentro de supercomputadores cuántico-clásicos.

Quantum Machines plantea una jerarquía de recursos: los controladores cuánticos aportan retroalimentación rápida; servidores con CPU y GPU, de latencia acotada, atienden tareas como calibración, optimización y decodificación de corrección de errores; y sistemas de computación de alto rendimiento (HPC) más amplios planifican las cargas de trabajo de las aplicaciones. 6 El programa de NVIDIA en IEEE Quantum Week también presentó la computación cuántica tolerante a fallos como un reto de sistema completo: procesador cuántico, pila de software, computación acelerada y operación en tiempo real. 2

En este modelo, la cuestión no es que toda tarea deba ejecutarse en un procesador cuántico. La clave es que cada tarea se ejecute en el recurso capaz de completarla dentro de la latencia requerida.

Más allá de la demostración: control, calibración y tolerancia a fallos

Quantum Machines acompañó la integración con un enfoque más amplio en flujos de calibración y diseño de sistemas tolerantes a fallos. El programa oficial de IEEE Quantum Week incluyó la ponencia de Quantum Machines «From Pulse to Platform: Control Layer for FTQC» —sobre la capa de control para computación cuántica tolerante a fallos—, junto con una sesión de NVIDIA dedicada al diseño de un supercomputador cuántico acelerado para esa etapa. 11

El énfasis refleja una realidad fundamental: mejorar los cúbits por sí solo no basta para construir sistemas tolerantes a fallos. También deben escalar de forma conjunta la capa de control, los aceleradores clásicos, el software de orquestación y las vías de retroalimentación.

Por ahora, la demostración de Toronto debe entenderse como una prueba de integración. Muestra cómo un flujo basado en CUDA-Q puede conectar hardware cuántico real con CPU y GPU a través de NVQLink; no demuestra por sí misma un ordenador cuántico tolerante a fallos y preparado para producción. 1015