Qblox conecta NVIDIA DGX Spark al control cuántico con una latencia inferior a 7,2 µs
Qblox afirma que ha integrado NVIDIA DGX Spark con su controlador cuántico mediante NVQLink, con el objetivo de habilitar la calibración y la corrección de errores en tiempo real.
Esta página fue traducida del inglés. Los nombres de empresas y productos, así como los enlaces a las fuentes, no se han modificado. Leer el original en inglés
Qblox afirma que ha conectado el sistema de IA de escritorio DGX Spark de NVIDIA a su controlador de sistemas cuánticos mediante NVIDIA NVQLink, y reporta una latencia de ida y vuelta medida inferior a 7,2 microsegundos en DGX Spark e inferior a 4,0 microsegundos en una NVIDIA RTX PRO 6000 Blackwell. Según el anuncio de la compañía, el objetivo es incorporar la computación con GPU directamente en el bucle de control cuántico en tiempo real para cargas de trabajo como la calibración y la corrección cuántica de errores.
Qué se anunció
El anuncio, publicado el 22 de octubre, marca un nuevo paso en el trabajo de Qblox con NVIDIA en torno a la computación híbrida cuántico-clásica. Qblox asegura que la nueva configuración combina su pila de control con NVIDIA DGX Spark para que una sola máquina de escritorio pueda alojar cargas de trabajo cuánticas, de IA y de simulación mediante CUDA-Q.
Según el anuncio, los desarrolladores pueden crear aplicaciones en hardware de escritorio y después trasladar el mismo código a servidores con GPU a medida que los sistemas escalan. NVIDIA describe CUDA-Q como una plataforma abierta de computación cuántica que abarca recursos de CPU, GPU y QPU en un solo programa.
El CEO y cofundador de Qblox, Niels Bultink, dijo que el control clásico será un factor limitante para escalar los ordenadores cuánticos, y añadió que la integración pretende convertir las GPU en parte de esa ruta de control.
Los detalles técnicos
Qblox atribuye el enlace de baja latencia a sus procesadores de secuencias Q1 y a la interconexión LINQ, que, según la compañía, proporcionan el rendimiento necesario para que su sistema de control Cluster funcione junto con las GPU. En esta arquitectura, las rutinas aceleradas por GPU pueden actualizar los parámetros de los qubits mientras los experimentos están en marcha, en lugar de hacerlo solo entre ejecuciones.
La empresa también afirma que los datos de síndrome para la corrección cuántica de errores pueden enviarse a decodificadores basados en GPU con una latencia lo bastante baja como para permitir la identificación y corrección de errores en tiempo real. Se trata de una distinción relevante: en muchos flujos de trabajo híbridos, el posprocesamiento clásico queda fuera de la ruta temporal crítica, mientras que aquí el objetivo declarado es la participación directa en el control en vivo.
Las mediciones reportadas son específicas del hardware. Qblox afirma que la latencia de ida y vuelta fue inferior a 4,0 microsegundos en la RTX PRO 6000 Blackwell e inferior a 7,2 microsegundos en DGX Spark. El anuncio no ofrece una metodología de evaluación más completa ni una validación independiente.
Por qué importa
En los procesadores cuánticos, la realimentación clásica rápida es cada vez más importante a medida que los sistemas avanzan hacia rutinas más complejas de calibración y corrección de errores. Si las GPU pueden integrarse en el bucle de control sin añadir demasiado retraso, podrían encargarse de tareas computacionalmente intensivas que sería difícil ejecutar únicamente con electrónica de control de función fija.
Esto es especialmente relevante para las cargas de trabajo de decodificación en corrección de errores y para la calibración adaptativa, donde las decisiones deben tomarse con la suficiente rapidez como para afectar al experimento en curso. El anuncio de Qblox sugiere un esfuerzo por tender un puente entre el desarrollo a escala de laboratorio y el despliegue a mayor escala mediante el uso de la misma vía de software CUDA-Q tanto en equipos de escritorio como en sistemas de GPU para centros de datos.
Qué observar
Este último paso se apoya en hitos anteriores citados por Qblox: trabajos previos con NVQLink anunciados en octubre de 2025 y soporte para la API en tiempo real de CUDA-Q en marzo de 2026. La nueva afirmación no se refiere a una arquitectura futura, sino a un rendimiento medido en hardware ya integrado con el controlador de la compañía.
Las siguientes preguntas son prácticas. Investigadores y clientes querrán ver cómo se traducen las cifras de latencia en aplicaciones concretas, hasta qué punto el enfoque se adapta a distintas modalidades de qubits y si el sistema integral puede mantener estos tiempos con cargas experimentales mayores. Por ahora, el anuncio apunta a un papel más claro para las GPU dentro del control cuántico, y no solo a su lado.
Fuentes
Los datos de esta página proceden de las fuentes indicadas abajo, recopiladas por DesignQuantum.
- Qblox Integrates NVIDIA DGX Spark With Quantum System Controller thequantuminsider.com
- NVIDIA CUDA-Q developer.nvidia.com