Qblox łączy NVIDIA DGX Spark ze sterowaniem kwantowym przy opóźnieniu poniżej 7,2 µs
Qblox informuje, że zintegrował NVIDIA DGX Spark ze swoim kontrolerem kwantowym przez NVQLink, celując w kalibrację i korekcję błędów w czasie rzeczywistym.
Ta strona została przetłumaczona z angielskiego. Nazwy firm i produktów oraz linki do źródeł pozostają bez zmian. Przeczytaj oryginał po angielsku
Qblox poinformował, że połączył desktopowy system AI DGX Spark firmy NVIDIA ze swoim kontrolerem systemu kwantowego za pomocą NVIDIA NVQLink, raportując zmierzone opóźnienie round-trip poniżej 7,2 mikrosekundy na DGX Spark i poniżej 4,0 mikrosekundy na NVIDIA RTX PRO 6000 Blackwell. Zgodnie z komunikatem firmy celem jest bezpośrednie włączenie obliczeń GPU do pętli sterowania kwantowego w czasie rzeczywistym na potrzeby takich zadań jak kalibracja i kwantowa korekcja błędów.
Co ogłoszono
Komunikat, opublikowany 22 października, stanowi kolejny krok we współpracy Qblox z NVIDIA w obszarze hybrydowych obliczeń kwantowo-klasycznych. Qblox podaje, że nowa konfiguracja łączy jego stos sterowania z NVIDIA DGX Spark, tak aby pojedyncza maszyna desktopowa mogła obsługiwać obciążenia związane z obliczeniami kwantowymi, AI i symulacjami za pośrednictwem CUDA-Q.
Jak podano w komunikacie, deweloperzy mogą tworzyć aplikacje na sprzęcie desktopowym, a następnie przenosić ten sam kod na serwery GPU wraz ze skalowaniem systemów. NVIDIA opisuje CUDA-Q jako otwartą platformę obliczeń kwantowych obejmującą zasoby CPU, GPU i QPU w ramach jednego programu.
CEO i współzałożyciel Qblox Niels Bultink powiedział, że klasyczne sterowanie będzie czynnikiem ograniczającym skalowanie komputerów kwantowych, dodając, że integracja ma uczynić GPU częścią tej ścieżki sterowania.
Szczegóły techniczne
Qblox przypisuje niskie opóźnienie połączenia swoim procesorom sekwencyjnym Q1 i interkonektowi LINQ, które według firmy zapewniają przepustowość potrzebną do tego, by jej system sterowania Cluster mógł działać równolegle z GPU. W tej architekturze procedury przyspieszane przez GPU mogą aktualizować parametry kubitów podczas trwania eksperymentów, a nie tylko pomiędzy ich kolejnymi uruchomieniami.
Firma twierdzi również, że dane syndromowe dla kwantowej korekcji błędów można przesyłać do dekoderów opartych na GPU z wystarczająco niskim opóźnieniem, by umożliwić identyfikację i korekcję błędów w czasie rzeczywistym. To istotne rozróżnienie: w wielu hybrydowych przepływach pracy klasyczne przetwarzanie końcowe odbywa się poza krytyczną ścieżką czasową, podczas gdy tutaj deklarowanym celem jest bezpośredni udział w sterowaniu na żywo.
Podane pomiary są specyficzne dla konkretnego sprzętu. Qblox informuje, że opóźnienie round-trip wyniosło poniżej 4,0 mikrosekundy na RTX PRO 6000 Blackwell i poniżej 7,2 mikrosekundy na DGX Spark. Komunikat nie przedstawia pełniejszej metodologii benchmarków ani niezależnej walidacji.
Dlaczego to ma znaczenie
W przypadku procesorów kwantowych szybkie klasyczne sprzężenie zwrotne staje się coraz ważniejsze w miarę przechodzenia systemów do bardziej złożonych procedur kalibracji i korekcji błędów. Jeśli GPU da się włączyć do pętli sterowania bez dodawania zbyt dużych opóźnień, mogłyby przejmować zadania intensywne obliczeniowo, które trudno byłoby wykonać wyłącznie na elektronice sterującej o stałej funkcjonalności.
Jest to szczególnie istotne dla obciążeń związanych z dekoderami w korekcji błędów oraz dla kalibracji adaptacyjnej, gdzie decyzje muszą zapadać wystarczająco szybko, by wpływać na trwający eksperyment. Komunikat Qblox sugeruje próbę połączenia rozwoju w skali laboratoryjnej z wdrożeniami na większą skalę poprzez wykorzystanie tej samej ścieżki programowej CUDA-Q zarówno na desktopach, jak i w systemach GPU w centrach danych.
Na co zwrócić uwagę
Ten najnowszy krok opiera się na wcześniejszych kamieniach milowych przywołanych przez Qblox: wcześniejszych pracach z NVQLink ogłoszonych w październiku 2025 roku oraz wsparciu dla interfejsu API czasu rzeczywistego CUDA-Q w marcu 2026 roku. Nowe twierdzenie nie dotyczy przyszłej architektury, lecz zmierzonej wydajności na sprzęcie już zintegrowanym z kontrolerem firmy.
Kolejne pytania mają charakter praktyczny. Badacze i klienci będą chcieli zobaczyć, jak wartości opóźnień przekładają się na konkretne zastosowania, na ile szeroko to podejście pasuje do różnych modalności kubitów oraz czy cały system end-to-end jest w stanie utrzymać takie czasy przy większych obciążeniach eksperymentalnych. Na razie komunikat wskazuje na wyraźniejszą rolę GPU wewnątrz sterowania kwantowego, a nie jedynie obok niego.
Źródła
Fakty na tej stronie pochodzą z poniższych źródeł, zebranych przez DesignQuantum.
- Qblox Integrates NVIDIA DGX Spark With Quantum System Controller thequantuminsider.com
- NVIDIA CUDA-Q developer.nvidia.com