Qblox menghubungkan NVIDIA DGX Spark ke kontrol kuantum dengan latensi di bawah 7,2 µs
Qblox mengatakan telah mengintegrasikan NVIDIA DGX Spark dengan pengendali kuantumnya melalui NVQLink, dengan sasaran kalibrasi dan koreksi kesalahan secara real-time.
Halaman ini diterjemahkan dari bahasa Inggris. Nama perusahaan dan produk serta tautan sumber tidak diubah. Baca versi asli dalam bahasa Inggris
Qblox mengatakan telah menghubungkan sistem AI desktop DGX Spark dari NVIDIA ke pengendali sistem kuantumnya menggunakan NVIDIA NVQLink, dengan latensi pulang-pergi terukur di bawah 7,2 mikrodetik pada DGX Spark dan di bawah 4,0 mikrodetik pada NVIDIA RTX PRO 6000 Blackwell. Menurut pengumuman perusahaan, tujuannya adalah menempatkan komputasi GPU langsung ke dalam loop kontrol kuantum real-time untuk beban kerja seperti kalibrasi dan koreksi kesalahan kuantum.
Apa yang diumumkan
Pengumuman yang diterbitkan pada 22 Oktober ini menandai langkah lanjutan dalam kerja Qblox dengan NVIDIA di bidang komputasi kuantum-klasik hibrida. Qblox mengatakan konfigurasi baru ini menggabungkan tumpukan kontrolnya dengan NVIDIA DGX Spark sehingga satu mesin desktop dapat menampung beban kerja kuantum, AI, dan simulasi melalui CUDA-Q.
Menurut pengumuman tersebut, pengembang dapat membangun aplikasi di perangkat keras desktop lalu memindahkan kode yang sama ke server GPU seiring sistem ditingkatkan skalanya. NVIDIA menggambarkan CUDA-Q sebagai platform komputasi kuantum terbuka yang mencakup sumber daya CPU, GPU, dan QPU dalam satu program.
CEO dan salah satu pendiri Qblox Niels Bultink mengatakan kontrol klasik akan menjadi faktor pembatas dalam penskalaan komputer kuantum, seraya menambahkan bahwa integrasi ini dimaksudkan untuk menjadikan GPU bagian dari jalur kontrol tersebut.
Rincian teknis
Qblox mengaitkan koneksi berlatensi rendah itu dengan prosesor sekuens Q1 dan interkoneksi LINQ miliknya, yang menurut perusahaan menyediakan throughput yang dibutuhkan agar sistem kontrol Cluster dapat bekerja berdampingan dengan GPU. Dalam arsitektur ini, rutinitas yang dipercepat GPU dapat memperbarui parameter qubit saat eksperimen berlangsung, bukan hanya di antara satu proses dan proses berikutnya.
Perusahaan juga mengatakan data sindrom untuk koreksi kesalahan kuantum dapat dikirim ke dekoder berbasis GPU dengan latensi yang cukup rendah untuk mendukung identifikasi dan koreksi kesalahan secara real-time. Ini merupakan pembedaan yang penting: dalam banyak alur kerja hibrida, pascapemrosesan klasik berada di luar jalur waktu yang kritis, sedangkan di sini tujuan yang dinyatakan adalah partisipasi langsung dalam kontrol aktif.
Pengukuran yang dilaporkan bersifat spesifik terhadap perangkat keras. Qblox mengatakan latensi pulang-pergi tercatat di bawah 4,0 mikrodetik pada RTX PRO 6000 Blackwell dan di bawah 7,2 mikrodetik pada DGX Spark. Pengumuman itu tidak memberikan metodologi benchmarking yang lebih lengkap maupun validasi independen.
Mengapa ini penting
Untuk prosesor kuantum, umpan balik klasik yang cepat semakin penting seiring sistem bergerak menuju rutinitas kalibrasi dan koreksi kesalahan yang lebih kompleks. Jika GPU dapat dimasukkan ke dalam loop kontrol tanpa menambah terlalu banyak jeda, GPU dapat menangani tugas komputasi berat yang sulit dijalankan hanya dengan elektronika kontrol fungsi-tetap.
Hal ini sangat relevan untuk beban kerja dekoder dalam koreksi kesalahan dan untuk kalibrasi adaptif, ketika keputusan harus dibuat cukup cepat agar memengaruhi eksperimen yang sedang berlangsung. Pengumuman Qblox menunjukkan upaya untuk menjembatani pengembangan skala laboratorium dan penerapan skala lebih besar dengan menggunakan jalur perangkat lunak CUDA-Q yang sama pada desktop maupun sistem GPU pusat data.
Hal yang perlu diperhatikan
Langkah terbaru ini dibangun di atas tonggak sebelumnya yang dikutip Qblox: pekerjaan terdahulu dengan NVQLink yang diumumkan pada Oktober 2025 dan dukungan untuk API real-time CUDA-Q pada Maret 2026. Klaim baru ini bukan tentang arsitektur masa depan, melainkan tentang kinerja terukur pada perangkat keras yang kini telah diintegrasikan dengan pengendali perusahaan.
Pertanyaan berikutnya adalah pertanyaan praktis. Peneliti dan pelanggan akan ingin melihat bagaimana angka latensi tersebut diterjemahkan ke aplikasi yang spesifik, seberapa luas pendekatan ini cocok untuk berbagai modalitas qubit, dan apakah sistem menyeluruh dapat mempertahankan waktu ini di bawah beban eksperimen yang lebih besar. Untuk saat ini, pengumuman tersebut menunjukkan peran yang lebih jelas bagi GPU di dalam kontrol kuantum, bukan hanya di sampingnya.
Sumber
Fakta di halaman ini berasal dari sumber-sumber di bawah ini, yang dihimpun oleh DesignQuantum.
- Qblox Integrates NVIDIA DGX Spark With Quantum System Controller thequantuminsider.com
- NVIDIA CUDA-Q developer.nvidia.com