Justin Lietz – NVIDIA 技術博客

NVIDIA Quantum 加速量子糾錯研究進程

Thu, 20 Mar 2025 07:28:00 +0000

噪聲是量子計算的著名對手。量子位對最細微的環境干擾很敏感，會迅速導致錯誤累積，并使最簡單的量子算法的結果過于雜亂而沒有意義。量子糾錯 (QEC) 使用許多噪聲物理量子位來編碼邏輯量子位，從而有效避免噪聲，從而規避此問題。通過對噪聲物理量子位的某些子集反復執行測量來識別誤差，從而產生所謂的誤差綜合征。然后，可以對這些綜合征進行解碼，以推斷錯誤的性質和位置，以便跟蹤并最終修復這些錯誤，從而使量子算法能夠在不損壞的情況下完成。識別高效的錯誤糾正協議并了解如何大規模實施這些協議，仍然是實現有用的量子計算必須解決的巨大挑戰。前面描述的解碼操作是一項主要挑戰，因為它必須在緊張的時間窗口內準確執行。增加代碼的復雜性可以提高對錯誤的保護，但會給解碼步驟帶來更大的壓力。解碼意味著，實際且可擴展的量子糾錯需要在硬件架構中仔細集成經典計算資源和量子計算資源，該架構將 QPU 和 GPU…

Source

]]>

NVIDIA 和 QuEra 利用人工智能解碼量子錯誤

Tue, 18 Mar 2025 06:04:51 +0000

量子位本身對噪聲很敏感，預計即使是最可靠的量子位也始終會表現出比實際量子應用所需數量級的噪聲水平。此噪聲問題可通過量子糾錯（Quantum Error Correction，QEC）解決。這是一系列能夠以可控方式識別和消除錯誤的技術，前提是量子位的噪聲級別可以低于某個更可實現的閾值級別。QEC 代碼將許多物理量子位編碼為邏輯量子位，這些量子位在防止錯誤時保持穩健性。在這種方法中，通過重復測量構成邏輯量子位的許多物理量子位的選定組，然后在推理錯誤發生位置的傳統算法中使用測量結果 (此過程稱為解碼 ) 來糾正錯誤。解碼具有計算挑戰性，是 QEC 技術的主要瓶頸之一。構建快速、準確且可擴展的解碼器對于實現有用的量子計算機至關重要。在許多案例中， AI 通過解決與 QEC、編譯、算法開發等相關的挑戰來支持量子計算，這是一個很好的例子。在 GTC 25 上，

Source

]]>

隆重推出用于加速量子超級計算的 NVIDIA CUDA-QX 庫

Mon, 18 Nov 2024 09:35:58 +0000

加速量子超級計算將人工智能超級計算的優勢與量子處理器（QPUs）相結合，為世界上一些最棘手的問題開發解決方案。實現此類設備需要將一個或多個 QPUs 無縫集成到傳統的 CPU 和 GPU 超級計算架構中。任何加速量子超級計算機的基本組成部分都是與之交互的編程模型。這必須經過高度優化，不僅可以運行真正的混合量子經典應用，還可以同時管理對 QPU 硬件的控制。這涉及編排實時量子糾錯（QEC）等任務，這使得開發高性能和可擴展的混合應用極具挑戰性。開源 NVIDIA CUDA-Q 平臺正是提供了這樣一種編程模型，能夠幫助研究人員和開發者解決在實施加速量子超級計算方面的挑戰。在 SC24 上，NVIDIA 宣布推出 CUDA-QX ：這是 CUDA-Q 的擴展，由經過優化的庫組成，可直接提供 CUDA-Q 強大的編程模型，

Source

]]>