Qblox koppelt NVIDIA DGX Spark mit Quantensteuerung bei Latenz von unter 7,2 µs
Qblox teilt mit, NVIDIA DGX Spark über NVQLink mit seinem Quantencontroller integriert zu haben; Ziel sind Echtzeit-Kalibrierung und Fehlerkorrektur.
Diese Seite wurde aus dem Englischen übersetzt. Unternehmens- und Produktnamen sowie Quellenlinks bleiben unverändert. Original auf Englisch lesen
Qblox teilt mit, sein Desktop-KI-System DGX Spark von NVIDIA über NVIDIA NVQLink mit seinem Quanten-Systemcontroller verbunden zu haben, mit einer gemessenen Round-Trip-Latenz von unter 7,2 Mikrosekunden auf DGX Spark und unter 4,0 Mikrosekunden auf einer NVIDIA RTX PRO 6000 Blackwell. Laut der Mitteilung des Unternehmens ist das Ziel, GPU-Rechenleistung direkt in die Echtzeit-Regelschleife der Quantensteuerung einzubinden, für Workloads wie Kalibrierung und Quantenfehlerkorrektur.
Was angekündigt wurde
Die am 22. Oktober veröffentlichte Ankündigung markiert einen weiteren Schritt in der Zusammenarbeit von Qblox mit NVIDIA im Bereich hybrides Quanten-Klassik-Computing. Qblox zufolge kombiniert das neue Setup seinen Control Stack mit NVIDIA DGX Spark, sodass eine einzelne Desktop-Maschine Quanten-, KI- und Simulations-Workloads über CUDA-Q ausführen kann.
Laut der Mitteilung können Entwickler Anwendungen auf Desktop-Hardware erstellen und denselben Code dann auf GPU-Server übertragen, wenn die Systeme skalieren. NVIDIA beschreibt CUDA-Q als eine offene Quantencomputing-Plattform, die CPU-, GPU- und QPU-Ressourcen in einem Programm zusammenführt.
Qblox-CEO und Mitgründer Niels Bultink sagte, dass die klassische Steuerung ein begrenzender Faktor bei der Skalierung von Quantencomputern sein werde, und ergänzte, dass die Integration GPUs zu einem Teil dieses Steuerpfads machen solle.
Die technischen Details
Qblox schreibt die latenzarme Verbindung seinen Q1 sequence processors und dem LINQ interconnect zu, die nach Angaben des Unternehmens den nötigen Durchsatz liefern, damit sein Cluster-Steuerungssystem mit GPUs zusammenarbeiten kann. In dieser Architektur können GPU-beschleunigte Routinen Qubit-Parameter aktualisieren, während Experimente laufen, statt nur zwischen einzelnen Durchläufen.
Das Unternehmen teilt außerdem mit, dass Syndromdaten für die Quantenfehlerkorrektur mit ausreichend geringer Latenz an GPU-basierte Decoder gesendet werden können, um die Identifikation und Korrektur von Fehlern in Echtzeit zu unterstützen. Das ist ein bemerkenswerter Unterschied: In vielen hybriden Workflows liegt die klassische Nachverarbeitung außerhalb des kritischen Timing-Pfads, während hier erklärtermaßen die direkte Beteiligung an der laufenden Steuerung das Ziel ist.
Die gemeldeten Messwerte sind hardware-spezifisch. Qblox zufolge lag die Round-Trip-Latenz bei unter 4,0 Mikrosekunden auf der RTX PRO 6000 Blackwell und bei unter 7,2 Mikrosekunden auf DGX Spark. Die Mitteilung enthält keine ausführlichere Benchmarking-Methodik oder unabhängige Validierung.
Warum das wichtig ist
Für Quantenprozessoren wird schnelle klassische Rückkopplung immer wichtiger, je weiter sich Systeme in Richtung komplexerer Kalibrierungs- und Fehlerkorrekturroutinen entwickeln. Wenn sich GPUs in die Regelschleife einbinden lassen, ohne zu viel Verzögerung hinzuzufügen, könnten sie rechenintensive Aufgaben übernehmen, die sich allein mit fest verdrahteter Steuerungselektronik nur schwer ausführen ließen.
Das ist besonders relevant für Decoder-Workloads in der Fehlerkorrektur und für adaptive Kalibrierung, bei denen Entscheidungen schnell genug getroffen werden müssen, um das laufende Experiment zu beeinflussen. Die Ankündigung von Qblox deutet auf den Versuch hin, Entwicklung im Labormaßstab und den Einsatz in größerem Maßstab zu verbinden, indem auf Desktops und GPU-Systemen im Rechenzentrum derselbe CUDA-Q-Softwarepfad genutzt wird.
Worauf zu achten ist
Dieser jüngste Schritt baut auf früheren von Qblox genannten Meilensteinen auf: frühere Arbeiten mit NVQLink, die im Oktober 2025 angekündigt wurden, sowie die Unterstützung für die CUDA-Q realtime API im März 2026. Der neue Anspruch bezieht sich nicht auf eine künftige Architektur, sondern auf gemessene Leistung auf Hardware, die jetzt mit dem Controller des Unternehmens integriert ist.
Die nächsten Fragen sind praktischer Natur. Forschende und Kunden werden sehen wollen, wie sich die Latenzwerte in konkrete Anwendungen übersetzen, wie breit der Ansatz zu verschiedenen Qubit-Modalitäten passt und ob das End-to-End-System diese Zeitvorgaben auch unter größerer experimenteller Last aufrechterhalten kann. Vorerst weist die Ankündigung auf eine klarere Rolle für GPUs innerhalb der Quantensteuerung hin, nicht nur daneben.
Quellen
Die Informationen auf dieser Seite stammen aus den unten aufgeführten Quellen und wurden von DesignQuantum abgerufen.
- Qblox Integrates NVIDIA DGX Spark With Quantum System Controller thequantuminsider.com
- NVIDIA CUDA-Q developer.nvidia.com