Riverlane-এ সংখ্যালঘু অংশীদারি কিনল NVIDIA, GPU-QEC কাজ বিস্তৃত
NVIDIA Riverlane-এ সংখ্যালঘু অংশীদারি নিয়েছে এবং H100 GPU ব্যবহার করে GPU-ত্বরান্বিত কোয়ান্টাম ত্রুটি-সংশোধন ক্যালিব্রেশন নিয়ে কাজ বিস্তৃত করেছে।
এই পৃষ্ঠাটি ইংরেজি থেকে অনূদিত। কোম্পানি ও পণ্যের নাম এবং সূত্রের লিংক অপরিবর্তিত রয়েছে। ইংরেজিতে মূলটি পড়ুন
Quantum Computing Report-এ 22 অক্টোবর প্রকাশিত একটি প্রতিবেদন অনুযায়ী, কেমব্রিজ-ভিত্তিক কোয়ান্টাম ত্রুটি-সংশোধন কোম্পানি Riverlane-এ কৌশলগত সংখ্যালঘু ইকুইটি অংশীদারি অধিগ্রহণ করেছে NVIDIA। কোম্পানি দুটি আরও জানিয়েছে, কোয়ান্টাম ত্রুটি-সংশোধনের জন্য ডিকোডার পুনঃক্যালিব্রেশন দ্রুততর করতে প্রযুক্তিগত কাজ বিস্তৃত করা হয়েছে, যেখানে Riverlane-এর ডিকোডার সফটওয়্যার এবং বিস্তৃত Deltaflow QEC স্ট্যাকের সঙ্গে NVIDIA H100 GPU ব্যবহার করা হচ্ছে।
কী ঘোষণা করা হয়েছে
Quantum Computing Report এই বিনিয়োগকে NVIDIA-এর বৃহত্তর UK computing প্রতিশ্রুতির অংশ হিসেবে বর্ণনা করেছে, যার মোট পরিমাণ $250 million বলে প্রতিবেদনে উল্লেখ করা হয়েছে। একই প্রতিবেদনে বলা হয়েছে, Riverlane চুক্তিটি UK-এর কৃত্রিম-বুদ্ধিমত্তাভিত্তিক চারটি উদ্যোগে কর্পোরেট বিনিয়োগের পাশাপাশি ঘোষণা করা হয়।
Riverlane-এর মূল ফোকাস কোয়ান্টাম ত্রুটি-সংশোধন—হার্ডওয়্যার ও সফটওয়্যারের এমন একটি স্তর, যা যথেষ্ট দ্রুত ত্রুটি শনাক্ত ও সংশোধন করে নির্ভরযোগ্য লজিক্যাল কিউবিট সমর্থন করার উদ্দেশ্যে তৈরি। নিজেদের ওয়েবসাইটে Riverlane বলছে, Deltaflow হলো তাদের রিয়েল-টাইম QEC সিস্টেম, এবং Deltaflow 2-কে তারা FPGA-ভিত্তিক একটি প্ল্যাটফর্ম হিসেবে বর্ণনা করেছে, যা নিজস্ব হার্ডওয়্যার ডিকোডারকে ডেটা রাউটিং ও রিয়েল-টাইম প্রসেসিং লজিকের সঙ্গে একীভূত করে।
প্রযুক্তিগত বিবরণ
নতুন সহযোগিতার কেন্দ্রবিন্দু হলো ডিকোডার পুনঃক্যালিব্রেশন: কিউবিটের আচরণ বদলালে ডিকোডার যে ত্রুটি-মডেলের ওজন ব্যবহার করে, তা হালনাগাদ করা। Riverlane-এর 14 অক্টোবরের প্রযুক্তিগত আপডেটে কোম্পানিটি বলেছে, ফ্রিকোয়েন্সি, ত্রুটি ও গেট পারফরম্যান্স বদলানোর কারণে সময়ের সঙ্গে কিউবিটে ড্রিফট হয়, ফলে স্থির ডিকোডার ওজন কম নির্ভুল হয়ে পড়ে।
এটি সমাধানে Riverlane তাদের Local Clustering Decoder-কে একটি একক NVIDIA H100 GPU-তে ব্যাচ প্রসেসিংয়ের জন্য মানিয়ে নিয়েছে। Riverlane-এর মতে, একটি একক CPU কোরে যেখানে surface-code training epoch সম্পন্ন হতে তিন মিনিট লাগত, H100-এ তা নেমে এসেছে 2.8 seconds-এ।
ডিকোডিং থ্রুপুটেও বড় উন্নতির কথা জানিয়েছে Riverlane। surface code-এ H100 প্রতি সেকেন্ডে প্রায় 4.2 million syndrome প্রক্রিয়া করেছে, যেখানে একটি একক CPU কোরে তা ছিল আনুমানিক 59,000। Quantum Computing Report এটিকে প্রতি সেকেন্ডে 4 million-এর বেশি syndrome এবং প্রায় 70x গতি-বৃদ্ধি হিসেবে সংক্ষেপে তুলে ধরেছে।
কোম্পানিটি বলেছে, পূর্ণ training-epoch স্তরে গতি-বৃদ্ধি decode-only স্তরের তুলনায় কম, কারণ কিছু কাজ এখনও GPU ত্বরান্বনের বাইরে রয়ে গেছে; এর মধ্যে রয়েছে policy হালনাগাদ করা এবং candidate weight তৈরি করা। Riverlane আরও multi-core CPU রান-এর সঙ্গে GPU-এর তুলনা করেছে। তাদের মতে, 32টি CPU কোর surface-code epoch time-কে এক কোরের তুলনায় প্রায় 23x উন্নত করেছে, কিন্তু তবুও একটি একক H100 surface code-এ প্রায় 3x দ্রুত এবং repetition code-এ 2x দ্রুত ছিল।
Riverlane-এর মতে, প্রশিক্ষিত weights ডিকোডারের নির্ভুলতা উল্লেখযোগ্যভাবে বাড়াতে পারে, ফলে code-এর ধরনভেদে logical error rate কয়েক শতাংশ থেকে সর্বোচ্চ দুই গুণ পর্যন্ত কমতে পারে। এসব ফলাফল peer-reviewed paper-এর বদলে কোম্পানির একটি প্রযুক্তিগত আপডেটে শেয়ার করা হয়েছে।
কেন এটি গুরুত্বপূর্ণ
রিয়েল-টাইম QEC শুধু পরীক্ষার সময় ডিকোডারের latency দ্বারা সীমাবদ্ধ নয়, বরং বিভিন্ন run-এর মাঝখানে ডিকোডার কত দ্রুত পুনঃক্যালিব্রেট করা যায়, সেটিও বড় সীমাবদ্ধতা। পুনঃক্যালিব্রেশন বেশি সময় নিলে, পরবর্তী পরীক্ষা শুরু হওয়ার আগেই হার্ডওয়্যার আবার ড্রিফট করতে পারে।
এই কারণেই GPU দৃষ্টিভঙ্গিটি গুরুত্বপূর্ণ। Quantum Computing Report বলেছে, এই সহযোগিতা এমন একটি ঘনিষ্ঠভাবে-সংযুক্ত QPU-GPU control loop-এর দিকে ইঙ্গিত করে, যেখানে GPU ত্বরান্বন physical noise model হালনাগাদ করে এবং ASICs বা FPGAs-এর মতো low-latency ডিকোডার হার্ডওয়্যারকে তা সরবরাহ করে। Riverlane-এর নিজস্ব উপকরণে Deltaflow-কে বিভিন্ন qubit modality এবং QEC scheme জুড়ে প্রসারণযোগ্য logical qubit-এর পথে একটি সমাধান হিসেবে উপস্থাপন করা হয়েছে।
কী নজরে রাখতে হবে
তাৎক্ষণিক প্রশ্ন হলো, এসব calibration workflow কত দ্রুত প্রযুক্তিগত প্রদর্শনী থেকে production control stack-এ পৌঁছায়। Riverlane বলছে, Deltaflow 2 কম latency-তে পরিচালনার জন্য সরাসরি quantum control stack-এর সঙ্গে যুক্ত হয়, এবং তাদের প্রযুক্তিগত আপডেটে যুক্তি দেওয়া হয়েছে যে দ্রুততর calibration QEC-কে পরিবর্তিত হার্ডওয়্যার আচরণের সঙ্গে তাল মিলিয়ে চলতে সহায়তা করে।
বিনিয়োগকারী ও সিস্টেম নির্মাতারা এটিও দেখবেন যে NVIDIA-এর এই ইকুইটি অবস্থান CUDA-Q, GPU-সহায়ক calibration এবং Riverlane-এর hardware decoder roadmap ঘিরে আরও গভীর product integration-এর দিকে নিয়ে যায় কি না। আপাতত সবচেয়ে স্পষ্ট নিকট-মেয়াদি ইঙ্গিতটি বাস্তবধর্মী: Riverlane-এর ভাষায়, decoder recalibration এখন “from minutes to seconds.”
সূত্র
এই পাতার তথ্য নিচের সূত্রগুলো থেকে নেওয়া হয়েছে, যা DesignQuantum সংগ্রহ করেছে।
- Faster Decoder Recalibration for Quantum Error Correction - Riverlane riverlane.com
- NVIDIA Takes Strategic Stake in Riverlane to Accelerate Real-Time Quantum Error Correction and GPU Decoder Calibration - Quantum Computing Report quantumcomputingreport.com
- Deltaflow - Real-time QEC system riverlane.com
- Building the error correction stack for quantum computing riverlane.com