CUDA-Q Logical：让容错量子系统从分层试错走向整体协同设计

英伟达在多伦多举行的 IEEE Quantum Week 上宣布，为其开源 CUDA-Q 平台加入 CUDA-Q Logical。这是一个面向容错量子计算的编排层，目标是让研究人员以可编程、可验证的方式，围绕逻辑量子比特设计和测试完整系统。这里的逻辑量子比特，是由多个物理量子比特及量子纠错机制共同构成、用于承载更可靠计算的抽象单元。19

关键不在于它宣称解决了容错量子计算的硬件难题，而在于它试图把原本彼此割裂的设计决策放到同一套工作流中：算法怎么写、纠错码怎么选、编译如何映射、QPU（量子处理器）采用何种架构、控制与经典计算资源如何配合，都可以作为一个整体进行建模、比较与验证。124

为什么容错量子计算需要“协同设计”

构建可用的容错量子计算机，不能只单独挑选一种量子比特技术或一种纠错码。纠错码会改变所需物理量子比特的数量；硬件连通性会影响量子操作的编译和调度；控制、解码以及经典处理的延迟，也会影响实际运行表现。

CUDA-Q Logical 提供了表达和组合量子纠错组件的语言工具，并帮助开发者了解这些组件在不同系统架构下的资源需求。研究团队因而可以替换不同配置、比较结果，并在较早阶段验证设计假设。24

CUDA-Q 本身则是一个混合量子—经典计算平台，用于在一个系统中集成并编程 QPU、GPU 与 CPU。CUDA-Q Logical 将关注点进一步推进到逻辑层：不只问某个组件是否有效，而是评估整套容错系统能否达到预期的资源与性能目标。18

它能帮助研究人员做什么

按照英伟达的定位，CUDA-Q Logical 可用于：

• 表达容错量子算法及其量子纠错操作；
• 比较不同量子纠错码和编译策略；
• 建模不同硬件及 QPU 架构选项；
• 估算实现特定逻辑量子比特目标所需的资源；
• 在投入具体实现前，对系统级性能与资源取舍进行比较。124

这并不会消除量子硬件本身的挑战。它提供的是一个共享的软件层，让设计中的假设能够明确表达，并能与替代方案进行可重复的对照测试。

已披露的案例与集成

以下结果反映的是特定工作流、模型或集成进展，不能将其视为衡量所有容错量子系统能力的统一指标。

费米实验室：设计评估从约 5 个月缩短至 3 周

费米实验室使用 CUDA-Q Logical 建立了可重复、可验证的容错架构开发工作流。英伟达称，这使其开发时间从约 5 个月降至 3 周，约提升 7 倍。1

Iceberg Quantum 与 Diraq：建模 1,000 个逻辑量子比特

Iceberg Quantum 与 Diraq 对一种架构进行了建模：该架构拟使用约 15 万个 Diraq 硅基物理量子比特，产生 1,000 个逻辑量子比特。需要区分的是，这是一项架构建模与验证工作，并不表示这些硬件上已经在运行 1,000 个逻辑量子比特。121

Infleqtion：集成 qLDPC 量子纠错库

Infleqtion 将其开源 qLDPC 库接入 CUDA-Q Logical，用于量子纠错研究。该公司表示，其构建并验证的一种纠错码约需每个逻辑量子比特对应 6 个物理数据量子比特；按其报告的方案与假设，相比主流表面码方法，物理数据量子比特需求最多可减少至五分之一。这个比较仅适用于所报告的方法和前提，并非所有容错系统都适用的通用资源结论。192031

Qedma：面向 Quantinuum 工作流的误差缓解

Qedma 将其 QESEM 误差缓解技术集成到 CUDA-Q，用于面向 Quantinuum 系统的工作流。误差缓解与实现长期可靠计算所需的容错量子纠错并不是同一类技术；不过，这一集成展示了 CUDA-Q 可作为连接量子软件组件与特定硬件工作流的平台。26

Quantum Machines：微秒级量子—经典控制回调

Quantum Machines 已将英伟达的 cudaq-realtime 能力集成到其 Open Acceleration Stack。英伟达称，该 API 支持 GPU 与量子控制器之间的微秒级延迟回调，使实时量子比特、GPU 和 CPU 能够进行紧密协同。30

桑迪亚国家实验室：QUOPS 跨平台就绪度基准

桑迪亚国家实验室将 QUOPS 引入 CUDA-Q。英伟达将 QUOPS 描述为一项用于评估容错量子硬件是否已具备实际应用就绪度的基准；其目的在于支持跨平台评估，而不是使用单一厂商特定指标来评判硬件。122

这次发布意味着什么

CUDA-Q Logical 的价值，不是证明容错量子计算已经成熟，而是为应用和物理机器之间极其复杂的设计空间提供一层可扩展的共同语言。

对开发逻辑量子比特系统的团队而言，真正的问题通常不是“哪种量子比特技术最好”，而是算法、纠错码、编译器、硬件架构、控制栈和经典加速能否形成一套可行组合，并达到可接受的资源和性能目标。CUDA-Q Logical 的定位，正是让这类问题更容易被建模、对比和验证。124

获取方式

CUDA-Q Logical 已作为开源 CUDA-Q 项目的一部分在 GitHub 提供。英伟达开发者页面列出的 CUDA-Q Python 安装命令为：

pip install cudaq

GitHub 的发布说明将 CUDA-Q Logical 描述为面向容错量子计算的开放、可扩展逻辑层。182437