CUDA-Q Logical ska göra feltoleranta kvantsystem lättare att utvärdera

NVIDIA har utökat sin öppna CUDA-Q-plattform med CUDA-Q Logical, ett orkestreringslager för feltolerant kvantdatoranvändning. Nyheten presenterades under IEEE Quantum Week i Toronto. Tanken är att göra det möjligt att programmera och verifiera det logiska lagret i ett kvantsystem, där algoritmer, kvantfelkorrigering (QEC), hårdvaruarkitektur och val på QPU-nivå kan utvärderas som delar av samma helhet. 19

En QPU är själva kvantprocessorn. Logiska qubitar är i sin tur felkorrigerade qubitar som byggs av flera fysiska qubitar och väntas bli nödvändiga för långa, tillförlitliga kvantberäkningar.

Varför samdesign behövs

En användbar feltolerant kvantdator kan inte utformas genom att välja algoritm, felkorrigeringskod och qubitteknik var för sig. Valen påverkar varandra: en QEC-kod förändrar behovet av fysiska qubitar, hårdvarans kopplingar styr hur operationer kan kompileras och styrning samt avkodning kan påverka körtiden.

CUDA-Q Logical ska göra sådana avvägningar möjliga att testa. Det logiska lagret innehåller språkverktyg för att uttrycka och kombinera QEC-komponenter samt analysera vilka resurser de kräver i olika systemarkitekturer. Forskargrupper kan därmed byta ut konfigurationer, jämföra resultaten och validera en design tidigare i utvecklingsarbetet. 24

Det centrala skiftet är alltså att bedöma en kandidat till ett feltolerant system från ände till ände, i stället för att förbättra isolerade delar. CUDA-Q är i grunden en hybridplattform för att integrera och programmera QPU:er, GPU:er och CPU:er i ett gemensamt system. 18

Vad lagret är tänkt att möjliggöra

NVIDIA beskriver CUDA-Q Logical som en öppen, programmerbar och verifierbar metod för att utveckla feltoleranta tillämpningar. I praktiken kan arbetsflödet omfatta att:

• uttrycka en feltolerant algoritm och dess QEC-operationer,
• jämföra QEC-koder och kompileringsmetoder,
• modellera alternativ för QPU- och hårdvaruarkitektur,
• uppskatta resursbehovet för ett mål i antal logiska qubitar, och
• väga systemprestanda mot resursåtgång innan en viss implementering väljs. 124

Det löser inte hårdvaruproblemen i sig. Däremot skapar det ett gemensamt mjukvarulager där antaganden kan göras tydliga, prövas och jämföras med alternativ.

Exempel som följde med lanseringen

Resultaten nedan gäller specifika arbetsflöden, modeller eller integrationer. De är därför inte ett gemensamt mått på hur långt feltolerant kvantberäkning har kommit generellt.

Fermilab: kortare tid för designutvärdering

Fermilab använde CUDA-Q Logical i ett upprepningsbart och verifierbart arbetsflöde för utveckling av feltolerant arkitektur. Enligt NVIDIA förkortades utvecklingstiden från omkring fem månader till tre veckor, vilket motsvarar ungefär en sjufaldig acceleration. 1

Iceberg Quantum och Diraq: modell för 1 000 logiska qubitar

Iceberg Quantum och Diraq modellerade en arkitektur som är avsedd att skapa 1 000 logiska qubitar från ungefär 150 000 fysiska kiselqubitar från Diraq. Det handlar om en arkitekturmodell och ett valideringsflöde – inte om ett påstående att 1 000 logiska qubitar redan körs på den aktuella hårdvaran. 121

Infleqtion: qLDPC för felkorrigering

Infleqtion integrerade sitt öppna qLDPC-bibliotek med CUDA-Q Logical för QEC-forskning. Bolaget uppgav att det konstruerat och validerat en kod med cirka sex fysiska dataqubitar per logisk qubit. Enligt bolaget kan det innebära upp till fem gånger färre fysiska dataqubitar än etablerade metoder baserade på ytkoder. Jämförelsen gäller dock den redovisade metoden och dess antaganden, inte ett universellt resurskrav för alla feltoleranta system. 192031

Qedma: felreducering för Quantinuum-arbetsflöden

Qedma har integrerat sin teknik QESEM för felreducering i CUDA-Q för arbetsflöden riktade mot Quantinuums system. Felreducering och feltolerant felkorrigering är olika metoder, men integrationen illustrerar CUDA-Q:s roll som en kopplingspunkt mellan mjukvarukomponenter och specifika hårdvaruarbetsflöden. 26

Quantum Machines: styrning i realtid mellan kvant och klassiskt

Quantum Machines har integrerat NVIDIAs funktion cudaq-realtime med sin Open Acceleration Stack. Enligt NVIDIA ger API:et återkoppling mellan GPU:er och kvantstyrenheter med mikrosekunders latens, för tätt kopplade arbetsflöden över aktiva qubitar, GPU:er och CPU:er. 30

Sandia: riktmärke för hårdvarans mognad

Sandia National Laboratories har gjort QUOPS tillgängligt i CUDA-Q. NVIDIA beskriver QUOPS som ett riktmärke för att bedöma hur redo feltolerant kvantmaskinvara är för praktiska användningar. Avsikten är att stödja jämförelser mellan plattformar, snarare än att bedöma hårdvara med ett enda leverantörsspecifikt mått. 122

Därför är lanseringen relevant

CUDA-Q Logical innebär inte att feltolerant kvantberäkning är löst. Värdet ligger i ett gemensamt och utbyggbart lager för att utforska det svåra konstruktionsutrymmet mellan en tillämpning och en fysisk maskin.

För team som arbetar mot system med logiska qubitar är frågan sällan bara vilken qubitteknik som är bäst. Den viktiga frågan är om kombinationen av algoritm, QEC-kod, kompilator, arkitektur, styrsystem och klassisk acceleration kan uppnå rimliga mål för resurser och prestanda. CUDA-Q Logical är utformat för att göra den frågan enklare att modellera, jämföra och verifiera. 124

Tillgänglighet

CUDA-Q Logical finns som en del av det öppna CUDA-Q-projektet på GitHub. NVIDIAs utvecklarsida anger också följande installationskommando för CUDA-Q i Python:

pip install cudaq

GitHubs versionsanteckningar beskriver CUDA-Q Logical som ett öppet och utbyggbart logiskt lager för feltolerant kvantberäkning. 182437