NVIDIA membeli pegangan minoriti dalam Riverlane, memperluas kerja GPU-QEC

NVIDIA telah memperoleh pegangan ekuiti minoriti strategik dalam Riverlane, syarikat pembetulan ralat kuantum yang berpangkalan di Cambridge, menurut artikel Quantum Computing Report yang diterbitkan pada 22 Oktober. Syarikat-syarikat itu juga mendedahkan peluasan kerja teknikal yang bertujuan mempercepat penentukuran semula penyahkod bagi pembetulan ralat kuantum, menggunakan GPU NVIDIA H100 bersama perisian penyahkod Riverlane dan keseluruhan timbunan Deltaflow QEC yang lebih luas.

Apa yang diumumkan

Pelaburan itu digambarkan oleh Quantum Computing Report sebagai sebahagian daripada komitmen pengkomputeran NVIDIA yang lebih luas di UK, yang menurut laporan itu berjumlah $250 million. Laporan yang sama menyatakan urus niaga Riverlane diumumkan bersama pelaburan korporat dalam empat usaha niaga kecerdasan buatan UK.

Tumpuan Riverlane ialah pembetulan ralat kuantum, iaitu lapisan perkakasan dan perisian yang bertujuan mengesan serta membetulkan ralat dengan cukup pantas untuk menyokong qubit logik yang boleh dipercayai. Di laman webnya, Riverlane menyatakan Deltaflow ialah sistem QEC masa nyata miliknya, dan menerangkan Deltaflow 2 sebagai platform berasaskan FPGA yang menyepadukan penyahkod perkakasan proprietari dengan penghalaan data dan logik pemprosesan masa nyata.

Dapatkan surat berita DesignQuantum

Berita dan penjelasan percuma tentang pengkomputeran kuantum, dengan setiap dakwaan dipautkan kepada sumbernya. Pilih harian, mingguan atau bulanan.

Website

Alamat e-mel KekerapanHarianMingguanBulanan BahasaEnglishEspañol简体中文हिन्दीالعربيةPortuguês (Brasil)FrançaisDeutsch日本語Русский한국어Bahasa IndonesiaTürkçeItalianoTiếng ViệtPolskiNederlandsไทยفارسیУкраїнськаবাংলাاردوKiswahiliBahasa Melayuעברית Langgan percuma

Percuma. Berhenti melanggan dengan satu klik pada bila-bila masa. Dasar privasi

Butiran teknikal

Kerjasama baharu ini tertumpu pada penentukuran semula penyahkod: mengemas kini pemberat model ralat yang digunakan oleh penyahkod apabila tingkah laku qubit berubah. Dalam kemas kini teknikal Riverlane pada 14 Oktober, syarikat itu menyatakan qubit berubah-ubah dari semasa ke semasa apabila frekuensi, kecacatan dan prestasi get berubah, sekali gus menjadikan pemberat penyahkod statik kurang tepat.

Bagi menanganinya, Riverlane menyesuaikan Local Clustering Decoder miliknya untuk pemprosesan kelompok pada satu GPU NVIDIA H100. Menurut Riverlane, satu epoch latihan kod permukaan yang mengambil masa tiga minit pada satu teras CPU dikurangkan kepada 2.8 saat pada H100.

Riverlane juga melaporkan peningkatan besar dalam daya pemprosesan penyahkodan mentah. Pada kod permukaan, H100 memproses kira-kira 4.2 juta sindrom sesaat, berbanding sekitar 59,000 pada satu teras CPU. Quantum Computing Report merumuskan perkara itu sebagai lebih daripada 4 juta sindrom sesaat dan kira-kira pecutan 70x.

Syarikat itu berkata pecutan pada peringkat epoch latihan penuh adalah lebih rendah berbanding pada peringkat penyahkodan sahaja kerana sebahagian kerja masih di luar pecutan GPU, termasuk mengemas kini dasar dan membina pemberat calon. Riverlane turut membandingkan GPU itu dengan larian CPU berbilang teras, dengan menyatakan bahawa 32 teras CPU meningkatkan masa epoch kod permukaan sekitar 23x berbanding satu teras, tetapi satu H100 masih kira-kira 3x lebih pantas pada kod permukaan dan 2x lebih pantas pada kod pengulangan.

Menurut Riverlane, pemberat yang dilatih boleh meningkatkan ketepatan penyahkod secara material, mengurangkan kadar ralat logik sebanyak beberapa peratus hingga sehingga faktor dua, bergantung pada kod. Keputusan ini dikongsi dalam kemas kini teknikal syarikat dan bukannya kertas kajian yang disemak rakan sebaya.

Mengapa ia penting

QEC masa nyata dibatasi bukan sahaja oleh kependaman penyahkod semasa eksperimen, tetapi juga oleh seberapa pantas penyahkod boleh ditentukur semula antara setiap larian. Jika penentukuran semula mengambil masa terlalu lama, perkakasan mungkin berubah semula sebelum eksperimen seterusnya bermula.

Itulah sebabnya sudut GPU ini penting. Quantum Computing Report menyatakan kerjasama ini menunjukkan hala tuju ke arah gelung kawalan QPU-GPU yang digandingkan rapat, di mana pecutan GPU mengemas kini model hingar fizikal dan menyalurkannya kepada perkakasan penyahkod berkependaman rendah seperti ASIC atau FPGA. Bahan Riverlane sendiri meletakkan Deltaflow sebagai laluan kepada qubit logik berskala merentas pelbagai modaliti qubit dan skim QEC.

Apa yang perlu diperhatikan

Persoalan segera ialah seberapa cepat aliran kerja penentukuran ini beralih daripada demonstrasi teknikal kepada timbunan kawalan pengeluaran. Riverlane menyatakan Deltaflow 2 bersambung secara langsung kepada timbunan kawalan kuantum untuk operasi berkependaman rendah, dan kemas kini teknikalnya berhujah bahawa penentukuran yang lebih pantas membantu QEC mengekalkan rentak dengan perubahan tingkah laku perkakasan.

Pelabur dan pembina sistem juga akan memerhatikan sama ada kedudukan ekuiti NVIDIA membawa kepada integrasi produk yang lebih mendalam sekitar CUDA-Q, penentukuran dibantu GPU, dan peta hala tuju penyahkod perkakasan Riverlane. Buat masa ini, isyarat jangka terdekat yang paling jelas ialah yang bersifat praktikal: seperti yang dinyatakan Riverlane, penentukuran semula penyahkod telah berubah “from minutes to seconds.”