CUDA-Q Logical: il nuovo livello open source di NVIDIA per il quantum fault-tolerant

NVIDIA ha presentato CUDA-Q Logical, un nuovo livello di orchestrazione open source per il calcolo quantistico tollerante agli errori. Annunciato durante IEEE Quantum Week a Toronto, estende la piattaforma CUDA-Q con strumenti pensati per programmare e verificare lo stack quantistico logico: algoritmi, correzione degli errori, architettura hardware e scelte a livello di processore quantistico (QPU) possono così essere analizzati come parti di un unico sistema. 19

Perché conta la co-progettazione

Un computer quantistico realmente tollerante agli errori non nasce scegliendo separatamente un algoritmo, un codice di correzione e una tecnologia di qubit. Ogni decisione condiziona le altre: il codice QEC (quantum error correction, correzione quantistica degli errori) modifica il numero di qubit fisici richiesti; la connettività dell’hardware influisce sulla compilazione delle operazioni; controllo e decodifica possono incidere sui tempi di esecuzione.

CUDA-Q Logical è pensato per rendere queste scelte confrontabili. Il suo livello logico offre strumenti di linguaggio per esprimere e combinare i componenti della QEC e per stimarne le risorse necessarie su architetture diverse. I gruppi di ricerca possono quindi sostituire configurazioni, misurarne gli effetti e validare un progetto più presto nel ciclo di sviluppo. 24

In pratica, il passaggio è dall’ottimizzazione di singoli livelli alla valutazione end-to-end di un possibile sistema fault-tolerant. CUDA-Q integra e programma QPU, GPU e CPU in un’unica piattaforma ibrida quantistica-classica. 18

Cosa abilita CUDA-Q Logical

NVIDIA descrive CUDA-Q Logical come un approccio aperto, programmabile e verificabile per sviluppare applicazioni quantistiche tolleranti agli errori. Il punto centrale sono i qubit logici: qubit corretti dagli errori, costruiti usando molti qubit fisici, che dovrebbero essere necessari per eseguire calcoli quantistici lunghi e affidabili. 19

Il flusso di lavoro può comprendere:

• la descrizione di un algoritmo fault-tolerant e delle relative operazioni QEC;
• il confronto tra codici QEC e strategie di compilazione;
• la modellazione di opzioni per hardware e architettura del QPU;
• la stima delle risorse necessarie per un obiettivo in qubit logici;
• il confronto dei compromessi di prestazione a livello di sistema prima di scegliere un’implementazione. 124

Questo non elimina le difficoltà dell’hardware quantistico. Offre piuttosto un livello software comune con cui rendere esplicite le ipotesi progettuali e provarle contro alternative concrete.

I risultati e le integrazioni citati

I casi presentati riguardano workflow, modelli o integrazioni specifiche: non vanno quindi letti come una misura unica e generalizzabile delle capacità del calcolo quantistico fault-tolerant.

Fermilab: valutazioni progettuali più rapide

Fermilab ha usato CUDA-Q Logical in un workflow ripetibile e verificabile per lo sviluppo di architetture tolleranti agli errori. NVIDIA riferisce una riduzione dei tempi da circa cinque mesi a tre settimane, pari a un’accelerazione di circa 7 volte. 1

Iceberg Quantum e Diraq: modellazione delle risorse

Iceberg Quantum e Diraq hanno modellato un’architettura destinata a produrre 1.000 qubit logici a partire da circa 150.000 qubit fisici al silicio di Diraq. Si tratta di un modello architetturale e di un workflow di validazione, non dell’affermazione che 1.000 qubit logici siano già operativi su tale hardware. 121

Infleqtion: correzione degli errori qLDPC

Infleqtion ha integrato la propria libreria open source qLDPC con CUDA-Q Logical per attività di ricerca sulla QEC. L’azienda afferma di aver costruito e validato un codice che usa circa sei qubit fisici di dati per qubit logico e che, secondo il confronto riportato, potrebbe richiedere fino a cinque volte meno qubit fisici di dati rispetto agli approcci prevalenti basati sul surface code. Il risultato dipende dall’approccio e dalle ipotesi dichiarate: non rappresenta un requisito universale per ogni sistema fault-tolerant. 192031

Qedma: mitigazione degli errori per Quantinuum

Qedma ha integrato in CUDA-Q la propria tecnologia di mitigazione degli errori QESEM per workflow rivolti ai sistemi Quantinuum. La mitigazione degli errori e la correzione fault-tolerant sono tecniche diverse, ma l’integrazione mostra il ruolo di CUDA-Q come punto di collegamento tra componenti software quantistici e workflow hardware specifici. 26

Quantum Machines: controllo quantistico-classico in tempo reale

Quantum Machines ha integrato la funzionalità cudaq-realtime di NVIDIA con il proprio Open Acceleration Stack. Secondo NVIDIA, l’API consente callback con latenza nell’ordine dei microsecondi tra GPU e controller quantistici, per attività strettamente coordinate fra qubit attivi, GPU e CPU. 30

Sandia: un benchmark di preparazione

I Sandia National Laboratories hanno reso disponibile QUOPS in CUDA-Q. NVIDIA lo descrive come un benchmark per valutare quanto l’hardware quantistico fault-tolerant sia pronto per applicazioni pratiche; l’obiettivo è favorire confronti tra piattaforme, anziché giudicare l’hardware con una sola metrica legata a un fornitore. 122

Perché il rilascio è rilevante

CUDA-Q Logical non significa che il calcolo quantistico tollerante agli errori sia un problema risolto. Il suo valore sta nel proporre un livello comune ed estensibile per esplorare il complesso spazio di progettazione tra un’applicazione e la macchina fisica che dovrà eseguirla.

Per chi sviluppa sistemi basati su qubit logici, la domanda non è solo quale tecnologia di qubit sia preferibile. È se la combinazione completa di algoritmo, codice QEC, compilatore, architettura, stack di controllo e accelerazione classica possa raggiungere un obiettivo accettabile in termini di risorse e prestazioni. CUDA-Q Logical mira a rendere quella valutazione più facile da modellare, confrontare e verificare. 124

Disponibilità

CUDA-Q Logical è disponibile nel progetto open source CUDA-Q su GitHub. La pagina per sviluppatori di NVIDIA indica inoltre il seguente comando di installazione Python:

pip install cudaq

Le note di rilascio su GitHub definiscono CUDA-Q Logical un livello logico aperto ed estensibile per il calcolo quantistico tollerante agli errori. 182437