CUDA-Q 接通真實量子位元、GPU 同 CPU：Quantum Machines 展示 NVQLink 混合運算流程

Quantum Machines 同 NVIDIA 喺加拿大多倫多舉行嘅 IEEE Quantum Week，展示一個端到端 CUDA-Q 應用程式：透過 NVIDIA NVQLink，程式可橫跨真實量子位元、Quantum Machines 嘅脈衝處理單元、GPU 同 CPU 運作。重點唔係單次量子運算，而係嘗試將量子處理器（QPU）連同經典控制及加速運算資源，視為同一套可編排嘅異質系統。 1015

今次示範咗乜？

按公司及業界報道，一個 CUDA-Q 程式喺真實量子位元與 Quantum Machines 脈衝處理單元上執行，同時透過 NVQLink 接駁 NVIDIA 加速運算資源。Quantum Machines 形容，呢次係量子控制公司首次完成呢類跨多種資源嘅端到端 CUDA-Q 程式示範。 1015

不過，呢個「首次」屬公司及業界媒體報道嘅里程碑，唔應視為已獲獨立驗證嘅全行業基準。同樣地，完整量測與控制交換「約一微秒」嘅說法，亦有待獨立測試確認。 1015

量子位元、GPU、CPU 點樣分工？

核心概念係由一個程式按工作需要，分派到最合適嘅運算資源：

• 真實量子位元及量子控制器：處理量子閘操作、量測同需要即時回饋嘅控制工作。
• GPU：處理延遲要求高、計算量大嘅經典任務，例如為量子錯誤校正解讀量測結果。
• CPU：負責一般主機端工作及流程編排。

NVQLink 嘅定位，係量子系統控制器與高效能經典運算資源之間、具可預測延遲嘅即時介面。目標係將量子錯誤校正等需要在線處理嘅工作，直接放入運行迴路，而唔係靠人手拼接一條獨立資料管線。 115

對開發者有咩改變？

對使用 Python、C++ 或 Quantum Machines QUA 語言嘅開發者而言，賣點係可以用一個以 CUDA-Q 為中心嘅流程描述混合式工作負載。理論上，開發者毋須逐一手寫低層脈衝控制指令、處理器之間嘅交接、資料傳送同回饋路徑；系統會將工作派畀相應嘅量子或經典資源。 15

呢個安排唔代表底層硬件複雜性消失，而係將更多協調工作收納到控制、編譯同編排軟件層。對希望建立可重複部署應用、而唔係每次都做度身訂造實驗室整合嘅團隊，分別相當重要。

點解「一微秒級」回饋同量子錯誤校正有關？

量子錯誤校正需要一個好緊湊嘅循環：量測錯誤綜合訊號、用經典電腦解碼，再及時作出或安排修正行動。NVIDIA 對 NVQLink 嘅架構定位，正正係將量子控制同高效能運算資源緊密耦合，以支援在線量子錯誤校正及其他運算密集、又需要即時處理嘅工作。 1

Quantum Machines 同 NVIDIA 報稱，示範中量測資料同控制決策可喺約一微秒內完成交換。呢個延遲目標之所以重要，係因為 GPU 或 CPU 做解碼、最佳化等工作，必須趕得及量子硬件同控制系統容許嘅時間預算。 101315

長遠目標：將 QPU 變成超級電腦嘅一種加速器

今次示範支持一個更大嘅架構主張：未來量子處理器可能唔再似一部獨立儀器，而係好似 GPU 一樣，成為量子—經典超級電腦裏面嘅專用加速器。

Quantum Machines 提出分層模式：最底層係負責高速回饋嘅量子控制器；中間係有延遲上限嘅 CPU-GPU 伺服器，處理校準、最佳化及量子錯誤校正解碼等任務；最上層則由 HPC（高效能運算）系統編排較大規模嘅應用工作。 6 NVIDIA 嘅 IEEE Quantum Week 議程亦將容錯量子運算描述為全系統挑戰，涵蓋 QPU、軟件堆疊、加速運算及即時運作。 2

換句話講，關鍵唔係所有工作都交畀量子處理器，而係每項工作都由能夠喺所需延遲內完成嘅資源處理。

控制層仍然係容錯量子運算嘅關鍵

除咗整合示範，Quantum Machines 同時聚焦校準流程同容錯系統設計。IEEE Quantum Week 官方議程列出該公司嘅主題演講 「From Pulse to Platform: Control Layer for FTQC」，而 NVIDIA 亦有關於容錯時代加速量子超級電腦設計嘅演講。 11

呢個方向反映一項現實：要做到容錯量子系統，單靠提升量子位元本身並不足夠；周邊嘅控制層、經典加速器、編排軟件同回饋通道，都要一齊擴展。

所以，現階段最準確嘅理解係：多倫多嘅展示係一個整合能力證明，顯示 CUDA-Q 工作流程可以經 NVQLink 將真實量子硬件同 CPU、GPU 接通；但佢本身並唔等於已證明有一部可投入生產、具容錯能力嘅量子電腦。 1015