答案已發布3 小時前Last edited 2 小時前16 個來源

CUDA-Q 透過 NVQLink 串起量子位元、GPU 與 CPU：Quantum Machines 與 NVIDIA 展示端到端控制

Quantum Machines 與 NVIDIA 在 IEEE Quantum Week 展示單一 CUDA Q 程式跨越真實量子位元、量子控制硬體、GPU 與 CPU 的端到端流程。[10][15] 工作可依延遲與運算需求分派：量子操作交由量子位元與控制器，密集的即時經典運算交由 GPU，主機端與協調工作則由 CPU 處理。[1][15] 業者稱量測資料與控制決策的完整交換約需 1 微秒；此為公司與產業媒體報導的展示數據，尚非獨立產業基準。[10][15]

發布者使用 GPT-5.6 Terra 編輯圖片由 GPT Image 2 生成

使用 Studio Global AI 搜尋並查證事實瀏覽更多熱門頁面

研究答案

重點整理

Quantum Machines 與 NVIDIA 在 IEEE Quantum Week 展示單一 CUDA Q 程式跨越真實量子位元、量子控制硬體、GPU 與 CPU 的端到端流程。[10][15]
工作可依延遲與運算需求分派：量子操作交由量子位元與控制器，密集的即時經典運算交由 GPU，主機端與協調工作則由 CPU 處理。[1][15]
業者稱量測資料與控制決策的完整交換約需 1 微秒；此為公司與產業媒體報導的展示數據，尚非獨立產業基準。[10][15]

Illustration of a quantum-classical computing system connecting qubits with GPU and CPU resources — What milestone did Quantum Machines and NVIDIA demonstrate at IEEE Quantum Week in Toronto using NVIDIA NVQLink, and how did the end-to-endAn editorial illustration of the hybrid quantum-classical architecture discussed in the Quantum Machines and NVIDIA demonstration.
AI 提示詞
Create a landscape editorial hero image for this Studio Global article: What milestone did Quantum Machines and NVIDIA demonstrate at IEEE Quantum Week in Toronto using NVIDIA NVQLink, and how did the end-to-end. Article summary: Quantum Machines and NVIDIA demonstrated what appears to be a first for a quantum-control company: a single, end-to-end CUDA-Q application operating across live qubits, Quantum Machines’ pulse-processing hardware, GPUs, . Topic tags: general, academic, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numb
openai.com

Quantum Machines 與 NVIDIA 在加拿大多倫多舉行的 IEEE Quantum Week，展示一套端到端 CUDA-Q 應用程式：程式可橫跨真實量子位元、Quantum Machines 的脈衝處理單元、GPU 與 CPU 執行，並藉由 NVIDIA NVQLink 連接量子控制環境與加速運算資源。這項展示真正要證明的，不是某一個單獨量子閘操作，而是量子處理器及其傳統控制堆疊能否被當成同一個異質系統來調度。10 15

展示了什麼？

依兩家公司及產業媒體的說法，單一 CUDA-Q 程式能在真實量子位元與 Quantum Machines 脈衝處理單元上運作，同時透過 NVQLink 使用 NVIDIA 的加速運算資源。Quantum Machines 將此描述為量子控制公司首度完成此類端到端 CUDA-Q 工作流程的案例。10 15

不過，「首度」以及效能表現都應審慎解讀：目前屬於公司與產業報導所提出的里程碑主張，並非已經由第三方獨立驗證的業界基準。業者所稱約 1 微秒的完整量測與控制交換時間，也有待獨立測試佐證。10 15

工作如何分給量子位元、GPU 與 CPU？

這套架構的核心是讓同一個混合式程式，依任務性質與延遲需求分派工作：

真實量子位元與量子控制器：執行量子操作與即時控制。
GPU：處理對延遲敏感、計算量高的傳統任務，例如量子錯誤校正的量測資料解碼。
CPU：負責一般主機端工作與流程協調。

NVQLink 的定位，是在量子系統控制器與高效能傳統運算資源之間提供即時、確定性延遲的介面。其目的在於把線上量子錯誤校正等工作直接納入運作迴路，而非事後以人工拼接的資料管線處理。1 15

對開發者有何意義？

對使用 Python、C++ 或 Quantum Machines 的 QUA 語言的開發者而言，這項整合主打更高層次的程式設計方式：開發者可在以 CUDA-Q 為中心的單一流程中描述混合式工作，再由系統將任務派送給合適的量子或傳統資源。

換句話說，開發者不必逐一手寫低階脈衝控制序列、處理器交接、資料傳輸與回饋路徑。15 這並不表示硬體複雜度消失，而是將更多協調工作移入控制、編譯與編排層；對希望建立可重複部署應用、而非每次都進行客製化實驗室整合的團隊來說，差別很大。

為何約 1 微秒的回饋時間值得注意？

量子錯誤校正需要緊密的閉環流程：量測錯誤症狀、以傳統運算解碼結果，並在量子狀態仍有用之前迅速施加或安排修正動作。NVIDIA 對 NVQLink 的架構定位，正是讓量子控制能和高效能運算資源緊密耦合，以支援線上量子錯誤校正及其他高運算量的即時工作。1

Quantum Machines 與 NVIDIA 報告，這次展示可在約 1 微秒內交換量測資料與控制決策。這個時間尺度之所以重要，在於 CPU 或 GPU 的解碼、最佳化等處理，必須塞進量子硬體與控制系統所允許的時間預算內。10 13 15

長期目標：讓量子處理器成為超級運算的一部分

這次展示支持一項更大的系統架構主張：未來的量子處理器可能不再像孤立的實驗儀器，而是像專用加速器一樣，成為量子—傳統超級電腦中的一環。

Quantum Machines 提出的分層架構中，量子控制器負責快速回饋；具有受限延遲的 CPU-GPU 伺服器處理校準、最佳化與錯誤校正解碼等任務；更大型的高效能運算（HPC）系統則調度整體應用工作負載。6 NVIDIA 在 IEEE Quantum Week 的活動內容也強調，容錯量子運算是涵蓋量子處理器（QPU）、軟體堆疊、加速運算及即時操作的全系統挑戰。2

在這個模型裡，關鍵不是所有任務都交給量子處理器，而是讓每項任務在能滿足其延遲要求的資源上完成。

不只示範整合，也聚焦校準與容錯控制層

除了整合展示外，Quantum Machines 也把重點放在校準工作流程與容錯系統設計。IEEE Quantum Week 的官方議程列出該公司的主題演講 「From Pulse to Platform: Control Layer for FTQC」，同場也有 NVIDIA 關於容錯時代加速量子超級電腦設計的演講。11

這反映了一個基本現實：要打造容錯量子系統，不能只提升量子位元本身；周邊的控制層、傳統加速器、編排軟體和即時回饋路徑，也必須同步擴展。

因此，目前最合適的定位是把多倫多展示視為一個整合驗證點。它展示了 CUDA-Q 工作流程如何透過 NVQLink，連接真實量子硬體、CPU 與 GPU；但它本身並不等同於已證明具備量產能力的容錯量子電腦。10 15

Studio Global AI

繼續深入研究

這個頁面包含附來源佐證的答案，你可以在 Studio Global 內繼續追問。

使用 Studio Global AI 搜尋並查證事實

大家也會問