NVIDIA רוכשת החזקת מיעוט ב-Riverlane ומרחיבה את העבודה על GPU-QEC

NVIDIA רכשה החזקת הון אסטרטגית של מיעוט ב-Riverlane, חברת תיקון השגיאות הקוונטי מקיימברידג', לפי כתבה של Quantum Computing Report שפורסמה ב-22 באוקטובר. החברות גם חשפו הרחבה של העבודה הטכנית שמטרתה להאיץ כיול מחדש של מפענחים עבור תיקון שגיאות קוונטי, באמצעות NVIDIA H100 GPUs לצד תוכנת המפענח של Riverlane ומחסנית ה-Deltaflow QEC הרחבה יותר.

מה הוכרז

Quantum Computing Report תיאר את ההשקעה כחלק מהמחויבות הרחבה יותר של NVIDIA לתחום המחשוב בבריטניה, שלפי הדיווח מסתכמת ב-$250 million. באותו דיווח נאמר כי העסקה עם Riverlane הוכרזה לצד השקעות תאגידיות בארבעה מיזמי בינה מלאכותית בבריטניה.

המיקוד של Riverlane הוא תיקון שגיאות קוונטי, שכבת החומרה והתוכנה שנועדה לזהות ולתקן שגיאות במהירות מספקת כדי לתמוך בקיוביטים לוגיים אמינים. באתר שלה, Riverlane מציינת כי Deltaflow היא מערכת ה-QEC בזמן אמת שלה, ומתארת את Deltaflow 2 כפלטפורמה מבוססת FPGA המשלבת מפענח חומרה קנייני עם ניתוב נתונים ולוגיקת עיבוד בזמן אמת.

הירשמו לניוזלטר של DesignQuantum

חדשות ומאמרי הסבר בחינם על מחשוב קוונטי, עם קישור למקור לכל טענה. בחרו יומי, שבועי או חודשי.

Website

כתובת אימייל תדירותיומישבועיחודשי שפהEnglishEspañol简体中文हिन्दीالعربيةPortuguês (Brasil)FrançaisDeutsch日本語Русский한국어Bahasa IndonesiaTürkçeItalianoTiếng ViệtPolskiNederlandsไทยفارسیУкраїнськаবাংলাاردوKiswahiliBahasa Melayuעברית הרשמה בחינם

בחינם. אפשר לבטל את המינוי בלחיצה אחת בכל עת. מדיניות פרטיות

הפרטים הטכניים

שיתוף הפעולה החדש מתמקד בכיול מחדש של מפענחים: עדכון משקלי מודל השגיאות שבהם משתמש המפענח כאשר התנהגות הקיוביטים משתנה. בעדכון טכני של Riverlane מ-14 באוקטובר, החברה אומרת שקיוביטים סוטים לאורך זמן כאשר תדרים, פגמים וביצועי שערים משתנים, מה שהופך משקלי מפענח סטטיים לפחות מדויקים.

כדי להתמודד עם זאת, Riverlane התאימה את Local Clustering Decoder שלה לעיבוד באצווה על גבי NVIDIA H100 GPU יחיד. לפי Riverlane, אפוק אימון אחד של קוד משטח, שנמשך שלוש דקות על ליבת CPU יחידה, קוצר ל-2.8 שניות על ה-H100.

Riverlane דיווחה גם על שיפור משמעותי בתפוקת הפענוח הגולמית. בקוד המשטח, ה-H100 עיבד כ-4.2 מיליון סינדרומים בשנייה, לעומת כ-59,000 בערך על ליבת CPU יחידה. Quantum Computing Report סיכם זאת כיותר מ-4 מיליון סינדרומים בשנייה וכהאצה של בערך פי 70.

החברה אמרה כי ההאצה נמוכה יותר ברמת אפוק האימון המלאה מאשר ברמת הפענוח בלבד, משום שחלק מהעבודה עדיין נותר מחוץ להאצת GPU, כולל עדכון המדיניות ובניית משקלים מועמדים. Riverlane השוותה גם את ה-GPU מול ריצות CPU מרובות ליבות, וציינה כי 32 ליבות CPU שיפרו את זמן האפוק של קוד המשטח בכפי 23 לעומת ליבה אחת, אך NVIDIA H100 יחיד עדיין היה מהיר בכפי 3 בקוד המשטח ובכפי 2 בקוד החזרה.

לפי Riverlane, המשקלים המאומנים יכולים לשפר באופן מהותי את דיוק המפענח, ולהפחית את שיעור השגיאות הלוגיות בכמה אחוזים ועד לפי שניים, בהתאם לקוד. תוצאות אלה שותפו בעדכון טכני של החברה ולא במאמר שעבר ביקורת עמיתים.

למה זה חשוב

QEC בזמן אמת מוגבל לא רק על ידי שיהוי המפענח במהלך ניסוי, אלא גם על ידי המהירות שבה ניתן לכייל מחדש את המפענח בין ריצות. אם הכיול מחדש נמשך זמן רב מדי, החומרה עלולה לסטות שוב לפני שהניסוי הבא מתחיל.

זו הסיבה שהזווית של ה-GPU חשובה. Quantum Computing Report אמר כי שיתוף הפעולה מצביע לעבר לולאת בקרה QPU-GPU מצומדת הדוק, שבה האצת GPU מעדכנת את מודל הרעש הפיזיקלי ומזינה חומרת מפענח עם שיהוי נמוך כמו ASICs או FPGAs. בחומרים של Riverlane עצמה, Deltaflow מוצגת כנתיב לקיוביטים לוגיים בני סקייל-אפ על פני מודליויות שונות של קיוביטים וסכמות QEC.

למה לשים לב

השאלה המיידית היא באיזו מהירות תזרימי העבודה האלה של הכיול יעברו מהדגמות טכניות למחסניות בקרה ייצוריות. Riverlane אומרת כי Deltaflow 2 מתחברת ישירות למחסנית הבקרה הקוונטית לצורך פעולה עם שיהוי נמוך, והעדכון הטכני שלה טוען כי כיול מהיר יותר מסייע ל-QEC לעמוד בקצב של התנהגות חומרה משתנה.

משקיעים ובוני מערכות יעקבו גם אחר השאלה אם החזקת ההון של NVIDIA תוביל לאינטגרציית מוצרים עמוקה יותר סביב CUDA-Q, כיול בסיוע GPU, ומפת הדרכים של מפענח החומרה של Riverlane. לעת עתה, האות הברור ביותר לטווח הקרוב הוא מעשי: כפי שניסחה זאת Riverlane, כיול מחדש של מפענחים עבר "מדקות לשניות".