Qblox collega NVIDIA DGX Spark al controllo quantistico con latenza inferiore a 7.2 µs

Qblox afferma di aver collegato il sistema desktop di AI DGX Spark di NVIDIA al proprio controller per sistemi quantistici usando NVIDIA NVQLink, riportando una latenza misurata di andata e ritorno inferiore a 7.2 microsecondi su DGX Spark e inferiore a 4.0 microsecondi su una NVIDIA RTX PRO 6000 Blackwell. Secondo l’annuncio dell’azienda, l’obiettivo è portare il calcolo su GPU direttamente nel loop di controllo quantistico in tempo reale per carichi di lavoro come la calibrazione e la correzione quantistica degli errori.

Che cosa è stato annunciato

L’annuncio, pubblicato il 22 ottobre, segna un ulteriore passo nel lavoro di Qblox con NVIDIA sul calcolo ibrido quantistico-classico. Qblox afferma che la nuova configurazione combina il proprio stack di controllo con NVIDIA DGX Spark in modo che una singola macchina desktop possa ospitare carichi di lavoro quantistici, di AI e di simulazione tramite CUDA-Q.

Secondo l’annuncio, gli sviluppatori possono creare applicazioni su hardware desktop e poi spostare lo stesso codice su server GPU man mano che i sistemi crescono di scala. NVIDIA descrive CUDA-Q come una piattaforma aperta di calcolo quantistico che riunisce risorse CPU, GPU e QPU in un unico programma.

Ricevi la newsletter di DesignQuantum

Notizie e approfondimenti gratuiti sul quantum computing, con ogni affermazione collegata alla sua fonte. Scegli tra giornaliera, settimanale o mensile.

Website

Indirizzo email FrequenzaGiornalieraSettimanaleMensile LinguaEnglishEspañol简体中文हिन्दीالعربيةPortuguês (Brasil)FrançaisDeutsch日本語Русский한국어Bahasa IndonesiaTürkçeItalianoTiếng ViệtPolskiNederlandsไทยفارسیУкраїнськаবাংলাاردوKiswahiliBahasa Melayuעברית Iscriviti gratis

Gratis. Puoi annullare l’iscrizione con un clic in qualsiasi momento. Informativa sulla privacy

Il CEO e cofondatore di Qblox, Niels Bultink, ha affermato che il controllo classico sarà un fattore limitante nella scalabilità dei computer quantistici, aggiungendo che l’integrazione è pensata per rendere le GPU parte di quel percorso di controllo.

I dettagli tecnici

Qblox attribuisce il collegamento a bassa latenza ai propri processori di sequenza Q1 e all’interconnessione LINQ, che secondo l’azienda forniscono il throughput necessario affinché il suo sistema di controllo Cluster lavori insieme alle GPU. In questa architettura, le routine accelerate da GPU possono aggiornare i parametri dei qubit mentre gli esperimenti sono in esecuzione, anziché soltanto tra un’esecuzione e l’altra.

L’azienda afferma inoltre che i dati di sindrome per la correzione quantistica degli errori possono essere inviati a decoder basati su GPU con una latenza sufficientemente bassa da supportare l’identificazione e la correzione degli errori in tempo reale. Si tratta di una distinzione significativa: in molti flussi di lavoro ibridi, il post-processing classico si trova fuori dal percorso temporale critico, mentre qui l’obiettivo dichiarato è la partecipazione diretta al controllo dal vivo.

Le misurazioni riportate sono specifiche dell’hardware. Qblox afferma che la latenza di andata e ritorno è risultata inferiore a 4.0 microsecondi sulla RTX PRO 6000 Blackwell e inferiore a 7.2 microsecondi su DGX Spark. L’annuncio non fornisce una metodologia di benchmarking più completa né una validazione indipendente.

Perché è importante

Per i processori quantistici, un feedback classico rapido è sempre più importante man mano che i sistemi si avvicinano a routine di calibrazione e correzione degli errori più complesse. Se le GPU possono essere inserite nel loop di controllo senza aggiungere troppo ritardo, potrebbero gestire compiti computazionalmente pesanti che sarebbe difficile eseguire con la sola elettronica di controllo a funzione fissa.

Questo è particolarmente rilevante per i carichi di lavoro dei decoder nella correzione degli errori e per la calibrazione adattiva, dove le decisioni devono essere prese abbastanza rapidamente da influire sull’esperimento in corso. L’annuncio di Qblox suggerisce un tentativo di collegare lo sviluppo su scala di laboratorio e il deployment su scala più ampia usando lo stesso percorso software CUDA-Q sia su desktop sia su sistemi GPU da data center.

Che cosa osservare

Quest’ultimo passo si basa su traguardi precedenti citati da Qblox: lavori precedenti con NVQLink annunciati nell’ottobre 2025 e il supporto per la realtime API di CUDA-Q nel marzo 2026. La nuova affermazione non riguarda un’architettura futura, ma prestazioni misurate su hardware ora integrato con il controller dell’azienda.

Le prossime domande sono di natura pratica. Ricercatori e clienti vorranno capire come i valori di latenza si traducano in applicazioni specifiche, quanto ampiamente l’approccio si adatti a diverse modalità di qubit e se il sistema end-to-end possa sostenere queste tempistiche con carichi sperimentali più elevati. Per ora, l’annuncio indica un ruolo più chiaro per le GPU all’interno del controllo quantistico, non soltanto accanto a esso.