NVIDIA ने Riverlane में अल्पांश हिस्सेदारी खरीदी, GPU-QEC कार्य का विस्तार किया

Quantum Computing Report में 22 अक्टूबर को प्रकाशित एक लेख के अनुसार, NVIDIA ने कैम्ब्रिज-स्थित क्वांटम त्रुटि-सुधार कंपनी Riverlane में रणनीतिक अल्पांश इक्विटी हिस्सेदारी हासिल की है। कंपनियों ने तकनीकी काम के विस्तार का भी खुलासा किया, जिसका उद्देश्य Riverlane के decoder software और व्यापक Deltaflow QEC stack के साथ NVIDIA H100 GPUs का उपयोग करके क्वांटम त्रुटि-सुधार के लिए decoder recalibration को तेज करना है।

क्या घोषित किया गया

Quantum Computing Report ने इस निवेश को NVIDIA की व्यापक UK computing commitment का हिस्सा बताया, जिसे रिपोर्ट के अनुसार कुल $250 million का कहा गया है। इसी रिपोर्ट में कहा गया कि Riverlane सौदे की घोषणा UK की कृत्रिम-बुद्धिमत्ता क्षेत्र की चार कंपनियों में कॉर्पोरेट निवेशों के साथ की गई थी।

Riverlane का फोकस क्वांटम त्रुटि-सुधार पर है—यह हार्डवेयर और सॉफ्टवेयर की वह परत है, जिसका उद्देश्य त्रुटियों का पता लगाना और उन्हें इतनी तेजी से सुधारना है कि विश्वसनीय logical qubits का समर्थन किया जा सके। अपनी वेबसाइट पर Riverlane कहती है कि Deltaflow उसका real-time QEC system है, और Deltaflow 2 को FPGA-आधारित प्लेटफ़ॉर्म के रूप में वर्णित करती है, जो स्वामित्व वाले hardware decoder को data routing और real-time processing logic के साथ एकीकृत करता है।

DesignQuantum न्यूज़लेटर पाएँ

क्वांटम कंप्यूटिंग पर मुफ़्त समाचार और व्याख्यात्मक लेख, हर दावे के साथ उसके स्रोत का लिंक। दैनिक, साप्ताहिक या मासिक चुनें।

Website

ईमेल पता आवृत्तिदैनिकसाप्ताहिकमासिक भाषाEnglishEspañol简体中文हिन्दीالعربيةPortuguês (Brasil)FrançaisDeutsch日本語Русский한국어Bahasa IndonesiaTürkçeItalianoTiếng ViệtPolskiNederlandsไทยفارسیУкраїнськаবাংলাاردوKiswahiliBahasa Melayuעברית मुफ़्त सदस्यता लें

मुफ़्त। कभी भी एक क्लिक में सदस्यता छोड़ें। गोपनीयता नीति

तकनीकी विवरण

यह नया सहयोग decoder recalibration पर केंद्रित है: जैसे-जैसे qubit का व्यवहार बदलता है, decoder द्वारा उपयोग किए जाने वाले error-model weights को अपडेट करना। Riverlane के 14 अक्टूबर के तकनीकी अपडेट में कंपनी कहती है कि समय के साथ qubits में drift आता है, क्योंकि frequencies, defects और gate performance बदलते रहते हैं, जिससे स्थिर decoder weights कम सटीक हो जाते हैं।

इस समस्या से निपटने के लिए Riverlane ने अपने Local Clustering Decoder को एकल NVIDIA H100 GPU पर batch processing के लिए अनुकूलित किया। Riverlane के अनुसार, surface-code training का एक epoch, जो एकल CPU core पर तीन मिनट लेता था, H100 पर घटकर 2.8 seconds रह गया।

Riverlane ने raw decoding throughput में भी बड़ा सुधार दर्ज किया। surface code पर H100 ने लगभग 4.2 million syndromes per second प्रोसेस किए, जबकि एकल CPU core पर यह संख्या लगभग 59,000 थी। Quantum Computing Report ने इसका सार यह बताया कि throughput 4 million syndromes per second से अधिक रहा और speedup लगभग 70x था।

कंपनी ने कहा कि full training-epoch स्तर पर speedup, decode-only स्तर की तुलना में कम है, क्योंकि कुछ काम अभी भी GPU acceleration के बाहर रहता है, जिनमें policy को अपडेट करना और candidate weights बनाना शामिल है। Riverlane ने GPU की तुलना multi-core CPU runs से भी की और कहा कि 32 CPU cores ने surface-code epoch time को एक core की तुलना में लगभग 23x बेहतर किया, लेकिन एकल H100 फिर भी surface code पर लगभग 3x तेज और repetition code पर 2x तेज रहा।

Riverlane के अनुसार, प्रशिक्षित weights decoder की सटीकता में ठोस सुधार कर सकते हैं, जिससे code के आधार पर logical error rate में कई प्रतिशत से लेकर दो गुना तक की कमी आ सकती है। ये परिणाम peer-reviewed paper के बजाय कंपनी के तकनीकी अपडेट में साझा किए गए थे।

यह क्यों महत्वपूर्ण है

real-time QEC केवल किसी experiment के दौरान decoder latency से ही सीमित नहीं होता, बल्कि इस बात से भी सीमित होता है कि runs के बीच decoder को कितनी तेजी से recalibrate किया जा सकता है। यदि recalibration में बहुत अधिक समय लगता है, तो अगला experiment शुरू होने से पहले hardware फिर से drift कर सकता है।

यही वजह है कि GPU का पहलू महत्वपूर्ण है। Quantum Computing Report ने कहा कि यह सहयोग एक सघन रूप से जुड़ी QPU-GPU control loop की दिशा दिखाता है, जिसमें GPU acceleration physical noise model को अपडेट करता है और ASICs या FPGAs जैसे low-latency decoder hardware को फीड करता है। Riverlane की अपनी सामग्री Deltaflow को अलग-अलग qubit modalities और QEC schemes में scalable logical qubits तक पहुँचने के मार्ग के रूप में प्रस्तुत करती है।

किन बातों पर नज़र रखनी है

तत्काल सवाल यह है कि ये calibration workflows तकनीकी प्रदर्शनों से production control stacks में कितनी जल्दी पहुँचते हैं। Riverlane कहती है कि Deltaflow 2 low-latency operation के लिए सीधे quantum control stack से जुड़ता है, और उसके तकनीकी अपडेट में तर्क दिया गया है कि तेज calibration, बदलते hardware behavior के साथ QEC को तालमेल में बनाए रखने में मदद करता है।

निवेशक और system builders यह भी देखेंगे कि क्या NVIDIA की equity position, CUDA-Q, GPU-assisted calibration और Riverlane की hardware decoder roadmap के इर्द-गिर्द अधिक गहरे product integration की ओर ले जाती है। फिलहाल, निकट अवधि का सबसे स्पष्ट संकेत व्यावहारिक है: Riverlane के शब्दों में, decoder recalibration अब “from minutes to seconds” हो गया है।