NVIDIA تشتري حصة أقلية في Riverlane وتوسّع العمل على GPU-QEC

استحوذت NVIDIA على حصة أسهم استراتيجية غير مسيطرة في Riverlane، وهي شركة متخصصة في تصحيح الأخطاء الكمّية ومقرّها كامبريدج، وذلك وفقًا لمقال نشره Quantum Computing Report في 22 أكتوبر. كما كشفت الشركتان عن توسيع العمل التقني الهادف إلى تسريع إعادة معايرة مفكّك الترميز لتصحيح الأخطاء الكمّية، باستخدام وحدات NVIDIA H100 GPU إلى جانب برمجيات مفكّك الترميز الخاصة بـ Riverlane ومنظومة Deltaflow QEC الأوسع.

ما الذي أُعلن

وصف Quantum Computing Report هذا الاستثمار بأنه جزء من التزام NVIDIA الأوسع بالحوسبة في المملكة المتحدة، والذي قال التقرير إن إجماليه يبلغ $250 million. وأضاف التقرير نفسه أن صفقة Riverlane أُعلن عنها إلى جانب استثمارات مؤسسية في أربع شركات بريطانية للذكاء الاصطناعي.

تركّز Riverlane على تصحيح الأخطاء الكمّية، وهي طبقة العتاد والبرمجيات المصممة لاكتشاف الأخطاء وتصحيحها بالسرعة الكافية لدعم كيوبتات منطقية موثوقة. وتقول Riverlane على موقعها الإلكتروني إن Deltaflow هو نظامها الآني لتصحيح الأخطاء الكمّية، وتصف Deltaflow 2 بأنه منصة قائمة على FPGA تدمج مفكّك ترميز عتاديًا مملوكًا مع توجيه البيانات ومنطق المعالجة الآنية.

اشترك في النشرة البريدية من DesignQuantum

أخبار وشروحات مجانية عن الحوسبة الكمومية، مع ربط كل معلومة بمصدرها. اختر يوميًا أو أسبوعيًا أو شهريًا.

Website

البريد الإلكتروني معدل الإرساليوميةأسبوعيةشهرية اللغةEnglishEspañol简体中文हिन्दीالعربيةPortuguês (Brasil)FrançaisDeutsch日本語Русский한국어Bahasa IndonesiaTürkçeItalianoTiếng ViệtPolskiNederlandsไทยفارسیУкраїнськаবাংলাاردوKiswahiliBahasa Melayuעברית اشترك مجانًا

مجانية. يمكنك إلغاء الاشتراك بنقرة واحدة في أي وقت. سياسة الخصوصية

التفاصيل التقنية

يتركّز التعاون الجديد على إعادة معايرة مفكّك الترميز: أي تحديث أوزان نموذج الخطأ التي يستخدمها مفكّك الترميز مع تغيّر سلوك الكيوبتات. وفي تحديثها التقني المؤرخ 14 أكتوبر، تقول Riverlane إن الكيوبتات تنحرف بمرور الوقت مع تغيّر الترددات والعيوب وأداء البوابات، ما يجعل أوزان مفكّك الترميز الثابتة أقل دقة.

ولمعالجة ذلك، قامت Riverlane بمواءمة Local Clustering Decoder الخاص بها لمعالجة الدُفعات على وحدة NVIDIA H100 GPU واحدة. ووفقًا لـ Riverlane، جرى تقليص حقبة تدريب واحدة لشفرة السطح من ثلاث دقائق على نواة CPU واحدة إلى 2.8 ثانية على H100.

كما أفادت Riverlane بتحسن كبير في معدل الإنتاجية الخام لفك الترميز. ففي شفرة السطح، عالجت H100 نحو 4.2 million syndrome في الثانية، مقابل نحو 59,000 على نواة CPU واحدة. ولخّص Quantum Computing Report ذلك بأنه أكثر من 4 million syndrome في الثانية وبسرعة أعلى بنحو 70x.

وقالت الشركة إن الزيادة في السرعة تكون أقل على مستوى حقبة التدريب الكاملة مقارنة بمستوى فك الترميز فقط، لأن بعض الأعمال ما تزال خارج نطاق التسريع عبر GPU، بما في ذلك تحديث السياسة وبناء الأوزان المرشحة. كما قارنت Riverlane أيضًا بين GPU وتشغيلات CPU متعددة الأنوية، موضحة أن 32 نواة CPU حسّنت زمن حقبة شفرة السطح بنحو 23x مقارنة بنواة واحدة، لكن H100 واحدة ظلت أسرع بنحو 3x على شفرة السطح و2x على شفرة التكرار.

ووفقًا لـ Riverlane، يمكن للأوزان المدرّبة أن تحسّن دقة مفكّك الترميز بصورة ملموسة، بما يخفض معدل الخطأ المنطقي بنسبة تتراوح من عدة في المئة إلى عامل مقداره الضعف، بحسب الشفرة. وقد جرى عرض هذه النتائج في تحديث تقني للشركة بدلًا من ورقة بحثية مُحكّمة.

لماذا يهم ذلك

لا تقتصر القيود على تصحيح الأخطاء الكمّية الآني على كمون مفكّك الترميز أثناء التجربة فحسب، بل تشمل أيضًا مدى سرعة إعادة معايرة مفكّك الترميز بين التشغيلات. فإذا استغرقت إعادة المعايرة وقتًا طويلًا جدًا، فقد ينحرف العتاد مجددًا قبل بدء التجربة التالية.

ولهذا تكتسب زاوية GPU أهمية. فقد قال Quantum Computing Report إن هذا التعاون يشير إلى حلقة تحكم مترابطة بإحكام بين QPU وGPU، يجري فيها استخدام تسريع GPU لتحديث نموذج الضوضاء الفيزيائي وتغذية عتاد مفكّك ترميز منخفض الكمون مثل ASICs أو FPGAs. وتعرض مواد Riverlane نفسها Deltaflow بوصفه مسارًا نحو كيوبتات منطقية قابلة للتوسع عبر أنماط مختلفة من الكيوبتات ومخططات تصحيح الأخطاء الكمّية.

ما الذي ينبغي مراقبته

السؤال المباشر هو مدى سرعة انتقال مسارات عمل المعايرة هذه من العروض التقنية إلى حزم التحكم الإنتاجية. تقول Riverlane إن Deltaflow 2 يتصل مباشرة بحزمة التحكم الكمّية من أجل تشغيل منخفض الكمون، ويجادل تحديثها التقني بأن المعايرة الأسرع تساعد تصحيح الأخطاء الكمّية على مجاراة السلوك المتغير للعتاد.

وسيراقب المستثمرون وبناة الأنظمة أيضًا ما إذا كان موقع NVIDIA في الملكية سيقود إلى تكامل أعمق للمنتجات حول CUDA-Q، والمعايرة المدعومة بـ GPU، وخارطة طريق مفكّك الترميز العتادي لدى Riverlane. وحتى الآن، تبقى الإشارة الأقرب زمنيًا والأوضح عمليةً: فكما قالت Riverlane، انتقلت إعادة معايرة مفكّك الترميز «من دقائق إلى ثوانٍ»."