CUDA-Q Logical : NVIDIA ouvre une couche de conception pour le quantique tolérant aux fautes

NVIDIA a annoncé à l’IEEE Quantum Week, à Toronto, CUDA-Q Logical, une nouvelle couche d’orchestration open source pour l’informatique quantique tolérante aux fautes. Elle étend CUDA-Q afin de rendre la pile logique programmable et vérifiable : les équipes peuvent étudier, dans un même flux de travail, l’algorithme, la correction quantique des erreurs (QEC), l’architecture de la machine et les choix au niveau du processeur quantique, ou QPU. 19

Pourquoi la co-conception est devenue centrale

Construire un ordinateur quantique réellement tolérant aux fautes ne consiste pas à sélectionner séparément un algorithme, un code de correction et une technologie de qubits. Ces décisions sont étroitement liées : un code modifie le nombre de qubits physiques nécessaire, la connectivité du matériel contraint la compilation, tandis que le contrôle et le décodage peuvent peser sur le temps d’exécution.

CUDA-Q Logical a été conçu pour mettre ces arbitrages à l’épreuve. Sa couche logique apporte des outils de langage permettant d’exprimer et de composer des « gadgets » de correction quantique des erreurs, puis d’en estimer les ressources selon plusieurs architectures de système. Les chercheurs peuvent ainsi remplacer une configuration, comparer les résultats et valider plus tôt leurs hypothèses de conception. 24

L’enjeu est de passer d’une optimisation par silos à l’évaluation d’un système tolérant aux fautes de bout en bout. CUDA-Q fournit déjà une plateforme hybride permettant d’intégrer et de programmer QPU, GPU et CPU dans un même environnement. 18

Ce que permet CUDA-Q Logical, selon NVIDIA

NVIDIA présente CUDA-Q Logical comme une approche ouverte, programmable et vérifiable pour développer des applications destinées à des ordinateurs quantiques tolérants aux fautes. La cible est le qubit logique : un qubit corrigé des erreurs, constitué de nombreux qubits physiques, qui devrait être indispensable pour exécuter des calculs quantiques longs et fiables. 19

Le flux de travail peut notamment servir à :

• exprimer un algorithme tolérant aux fautes et ses opérations de QEC ;
• évaluer plusieurs codes de correction et méthodes de compilation ;
• modéliser des options de matériel et d’architecture de QPU ;
• estimer les ressources requises pour atteindre une cible de qubits logiques ;
• comparer les compromis de performances avant de retenir une implémentation. 124

La plateforme ne résout pas, à elle seule, la difficulté matérielle. Elle fournit en revanche une couche logicielle commune qui rend les hypothèses de conception explicites et comparables.

Des résultats à replacer dans leur contexte

L’annonce s’accompagne d’exemples provenant de laboratoires et d’entreprises du quantique. Ils portent sur des modèles, intégrations ou flux de travail précis : ils ne constituent donc pas une mesure uniforme de la maturité des machines quantiques tolérantes aux fautes.

Fermilab : une évaluation de conception accélérée

Le Fermilab a utilisé CUDA-Q Logical dans un flux de développement d’architecture tolérante aux fautes, répétable et vérifiable. NVIDIA indique que le temps de développement est passé d’environ cinq mois à trois semaines, soit une accélération d’environ 7×. 1

Iceberg Quantum et Diraq : modéliser les ressources de qubits logiques

Iceberg Quantum et Diraq ont modélisé une architecture visant 1 000 qubits logiques à partir d’environ 150 000 qubits physiques en silicium de Diraq. Il s’agit d’un modèle d’architecture et d’un processus de validation, non de l’affirmation que ces 1 000 qubits logiques fonctionnent déjà sur ce matériel. 121

Infleqtion : correction qLDPC

Infleqtion a intégré à CUDA-Q Logical sa bibliothèque open source qLDPC, consacrée à la recherche sur la QEC. L’entreprise indique avoir construit et validé un code mobilisant environ six qubits physiques de données par qubit logique. Selon elle, cette approche pourrait nécessiter jusqu’à cinq fois moins de qubits physiques de données que les approches dominantes fondées sur le code de surface. Cette comparaison dépend toutefois de l’approche et des hypothèses rapportées ; elle ne définit pas un besoin universel pour tous les systèmes tolérants aux fautes. 192031

Qedma : atténuation des erreurs pour des flux Quantinuum

Qedma a intégré sa technologie d’atténuation des erreurs QESEM à CUDA-Q pour des flux ciblant des systèmes Quantinuum. L’atténuation des erreurs et la correction d’erreurs tolérante aux fautes sont deux techniques distinctes, mais cette intégration illustre le rôle de CUDA-Q comme point de raccordement entre composants logiciels quantiques et flux matériels spécifiques. 26

Quantum Machines : contrôle quantique-classique en temps réel

Quantum Machines a intégré la capacité cudaq-realtime de NVIDIA à son Open Acceleration Stack. NVIDIA indique que cette API prend en charge des rappels entre GPU et contrôleurs quantiques avec une latence de l’ordre de la microseconde, afin de rapprocher le travail sur des qubits actifs, les GPU et les CPU. 30

Sandia : un repère de maturité matérielle

Les Sandia National Laboratories ont rendu QUOPS disponible dans CUDA-Q. NVIDIA décrit QUOPS comme un benchmark destiné à évaluer si du matériel quantique tolérant aux fautes est prêt pour des applications pratiques. L’objectif est de faciliter une évaluation entre plateformes, plutôt que de juger les machines à l’aune d’une seule métrique propre à un fournisseur. 122

Ce que cette sortie change — et ce qu’elle ne change pas

CUDA-Q Logical ne signifie pas que l’informatique quantique tolérante aux fautes est résolue. Son intérêt est de proposer une couche commune et extensible pour explorer l’espace de conception, très vaste, qui sépare une application de la machine physique.

Pour les équipes qui visent les qubits logiques, la question n’est généralement pas seulement : « Quelle technologie de qubit est la meilleure ? » Il s’agit plutôt de déterminer si une combinaison complète — algorithme, code de QEC, compilateur, architecture, pile de contrôle et accélération classique — peut atteindre un objectif acceptable en ressources et en performances. CUDA-Q Logical cherche à rendre cette question plus simple à modéliser, comparer et vérifier. 124

Disponibilité

CUDA-Q Logical est disponible dans le projet open source CUDA-Q sur GitHub. La page développeurs de NVIDIA indique également la commande d’installation Python suivante :

pip install cudaq

Les notes de version GitHub présentent CUDA-Q Logical comme une couche logique ouverte et extensible pour l’informatique quantique tolérante aux fautes. 182437