在現今量子計算研究中，錯誤率過高 是阻礙實用化的最大難題之一。cat‑qubit 架構的目標正是減少錯誤，令未來的大型量子電腦更容易實現。

B 輪資金將用於：

• 加速量子硬件研發
• 建立更大型量子裝置原型
• 推動 cat‑qubit 架構邁向實際可用的量子電腦

目前並未公開 NVentures 的具體投資金額，但這次投資顯示 NVIDIA 正積極佈局量子計算生態，特別是與 GPU 加速運算能互補的技術。

點解量子電腦需要 GPU？

很多人以為量子電腦可以獨立運作，其實並不是。

實際上，量子系統背後需要大量 傳統計算資源，例如：

• 編譯量子電路
• 模擬量子演算法
• 分析測量結果
• 執行量子錯誤修正

NVIDIA 的策略係將 量子處理器（QPU） 同 GPU 驅動的 AI 超級電腦 結合。公司認為，真正實用的量子計算很可能會來自 量子＋經典混合系統。

在這個模式下，GPU 可以負責：

• 在真實量子硬件運行前模擬演算法
• 優化量子電路
• 即時控制量子運算
• 執行錯誤修正解碼

Alice & Bob 與 NVIDIA 的合作，就是為了建立這種新型架構。

CUDA‑Q：量子與經典程式的統一平台

合作的一個核心軟件平台是 NVIDIA CUDA‑Q。

CUDA‑Q 是一個開源量子開發平台，設計用來支援 混合量子‑經典運算。開發者可以在同一個程式中同時調用 CPU、GPU 及 QPU 計算資源。

另一個重要特點是 QPU‑agnostic（硬件無關）：

即是說它可以支援不同量子硬件架構，包括 Alice & Bob 的 cat‑qubit 處理器。

這令研究機構和 HPC（高效能計算）中心可以在量子硬件仍然有限的情況下，先建立大型量子工作流程。

cuQuantum：GPU 加速量子模擬

在真正量子電腦可用之前，大部分量子演算法都需要先在傳統電腦上模擬。

NVIDIA 的 cuQuantum 是一套 GPU 加速模擬工具，可以讓研究人員在 GPU 上運行大型量子電路模擬，其規模往往 超過現有量子硬件本身的能力。

這對量子研究非常重要，因為：

• 可以測試新演算法
• 驗證量子硬件設計
• 研究錯誤修正機制

Dynamiqs：GPU 模擬 cat‑qubit 物理

Alice & Bob 同時開發了一個開源量子模擬庫 Dynamiqs，用來模擬量子系統的物理動態。

公司已把 CUDA‑Q 整合進 Dynamiqs，令 GPU 可以加速模擬 cat‑qubit 系統。

早期測試顯示，這種整合可把模擬效率提升 最多 75 倍。

這讓研究人員能夠：

• 模擬量子控制系統
• 測試錯誤修正策略
• 優化量子硬件設計

NVQLink：GPU 與量子處理器的高速連接

在系統架構層面，雙方亦合作開發 NVQLink。

NVQLink 是一個開放式架構，用來 直接把 GPU 與量子處理器連接，形成一個統一運算節點。

該架構把傳統超級電腦主機與 量子系統控制器（QSC） 緊密結合，讓 GPU 能夠即時參與量子運算流程。

GPU 在這個系統中可負責：

• 量子電路編譯
• 即時錯誤修正解碼
• 動態量子比特校準
• 量子運算過程中的回饋控制

由於量子計算需要對測量結果 極低延遲回應，這種 GPU‑QPU 直接連接對容錯量子計算非常關鍵。

目標：量子‑經典混合超級電腦

NVIDIA 與 Alice & Bob 的長遠目標並不是單一量子電腦，而是 混合量子‑經典超級電腦平台，可部署於全球 HPC 中心。

在這種架構中：

• 量子處理器 負責特定量子運算
• GPU 負責模擬、調度與即時控制
• 軟件平台（如 CUDA‑Q） 負責協調整個運算流程

透過把 cat‑qubit 量子處理器整合進 NVIDIA 的加速運算生態，兩家公司希望將量子電腦由實驗室設備，逐步發展成 可與 AI 超級電腦並存的實用計算平台。

如果這種架構成功，未來量子計算就可能不再是孤立機器，而會成為 下一代超級電腦的一部分，用於解決材料科學、藥物設計、金融建模等複雜問題。

在現今量子計算研究中，錯誤率過高 是阻礙實用化的最大難題之一。cat‑qubit 架構的目標正是減少錯誤，令未來的大型量子電腦更容易實現。

B 輪資金將用於：

• 加速量子硬件研發
• 建立更大型量子裝置原型
• 推動 cat‑qubit 架構邁向實際可用的量子電腦

目前並未公開 NVentures 的具體投資金額，但這次投資顯示 NVIDIA 正積極佈局量子計算生態，特別是與 GPU 加速運算能互補的技術。

點解量子電腦需要 GPU？

很多人以為量子電腦可以獨立運作，其實並不是。

實際上，量子系統背後需要大量 傳統計算資源，例如：

• 編譯量子電路
• 模擬量子演算法
• 分析測量結果
• 執行量子錯誤修正

NVIDIA 的策略係將 量子處理器（QPU） 同 GPU 驅動的 AI 超級電腦 結合。公司認為，真正實用的量子計算很可能會來自 量子＋經典混合系統。

在這個模式下，GPU 可以負責：

• 在真實量子硬件運行前模擬演算法
• 優化量子電路
• 即時控制量子運算
• 執行錯誤修正解碼

Alice & Bob 與 NVIDIA 的合作，就是為了建立這種新型架構。

CUDA‑Q：量子與經典程式的統一平台

合作的一個核心軟件平台是 NVIDIA CUDA‑Q。

CUDA‑Q 是一個開源量子開發平台，設計用來支援 混合量子‑經典運算。開發者可以在同一個程式中同時調用 CPU、GPU 及 QPU 計算資源。

另一個重要特點是 QPU‑agnostic（硬件無關）：

即是說它可以支援不同量子硬件架構，包括 Alice & Bob 的 cat‑qubit 處理器。

這令研究機構和 HPC（高效能計算）中心可以在量子硬件仍然有限的情況下，先建立大型量子工作流程。

cuQuantum：GPU 加速量子模擬

在真正量子電腦可用之前，大部分量子演算法都需要先在傳統電腦上模擬。

NVIDIA 的 cuQuantum 是一套 GPU 加速模擬工具，可以讓研究人員在 GPU 上運行大型量子電路模擬，其規模往往 超過現有量子硬件本身的能力。

這對量子研究非常重要，因為：

• 可以測試新演算法
• 驗證量子硬件設計
• 研究錯誤修正機制

Dynamiqs：GPU 模擬 cat‑qubit 物理

Alice & Bob 同時開發了一個開源量子模擬庫 Dynamiqs，用來模擬量子系統的物理動態。

公司已把 CUDA‑Q 整合進 Dynamiqs，令 GPU 可以加速模擬 cat‑qubit 系統。

早期測試顯示，這種整合可把模擬效率提升 最多 75 倍。

這讓研究人員能夠：

• 模擬量子控制系統
• 測試錯誤修正策略
• 優化量子硬件設計

NVQLink：GPU 與量子處理器的高速連接

在系統架構層面，雙方亦合作開發 NVQLink。

NVQLink 是一個開放式架構，用來 直接把 GPU 與量子處理器連接，形成一個統一運算節點。

該架構把傳統超級電腦主機與 量子系統控制器（QSC） 緊密結合，讓 GPU 能夠即時參與量子運算流程。

GPU 在這個系統中可負責：

• 量子電路編譯
• 即時錯誤修正解碼
• 動態量子比特校準
• 量子運算過程中的回饋控制

由於量子計算需要對測量結果 極低延遲回應，這種 GPU‑QPU 直接連接對容錯量子計算非常關鍵。

目標：量子‑經典混合超級電腦

NVIDIA 與 Alice & Bob 的長遠目標並不是單一量子電腦，而是 混合量子‑經典超級電腦平台，可部署於全球 HPC 中心。

在這種架構中：

• 量子處理器 負責特定量子運算
• GPU 負責模擬、調度與即時控制
• 軟件平台（如 CUDA‑Q） 負責協調整個運算流程

透過把 cat‑qubit 量子處理器整合進 NVIDIA 的加速運算生態，兩家公司希望將量子電腦由實驗室設備，逐步發展成 可與 AI 超級電腦並存的實用計算平台。

如果這種架構成功，未來量子計算就可能不再是孤立機器，而會成為 下一代超級電腦的一部分，用於解決材料科學、藥物設計、金融建模等複雜問題。