NVIDIA приобретает миноритарную долю в Riverlane и расширяет работу по GPU-QEC

Согласно статье Quantum Computing Report, опубликованной 22 октября, NVIDIA приобрела стратегическую миноритарную долю в капитале Riverlane — кембриджской компании, занимающейся квантовой коррекцией ошибок. Компании также сообщили о расширении технического сотрудничества, направленного на ускорение перекалибровки декодера для квантовой коррекции ошибок с использованием GPU NVIDIA H100 вместе с программным обеспечением декодера Riverlane и более широким стеком Deltaflow QEC.

Что было объявлено

Quantum Computing Report описал эту инвестицию как часть более широких обязательств NVIDIA в области вычислений в Великобритании, общий объём которых, по данным издания, составляет $250 million. В том же материале говорилось, что сделка с Riverlane была объявлена вместе с корпоративными инвестициями в четыре британских проекта в области искусственного интеллекта.

Riverlane специализируется на квантовой коррекции ошибок — аппаратно-программном уровне, предназначенном для обнаружения и исправления ошибок достаточно быстро, чтобы поддерживать надёжные логические кубиты. На своём сайте Riverlane сообщает, что Deltaflow — это её система QEC реального времени, а Deltaflow 2 описывается как платформа на базе FPGA, объединяющая собственный аппаратный декодер с маршрутизацией данных и логикой обработки в реальном времени.

Подпишитесь на рассылку DesignQuantum

Бесплатные новости и объясняющие материалы о квантовых вычислениях, каждое утверждение со ссылкой на источник. Ежедневно, еженедельно или ежемесячно, на ваш выбор.

Website

Адрес электронной почты ЧастотаЕжедневноЕженедельноЕжемесячно ЯзыкEnglishEspañol简体中文हिन्दीالعربيةPortuguês (Brasil)FrançaisDeutsch日本語Русский한국어Bahasa IndonesiaTürkçeItalianoTiếng ViệtPolskiNederlandsไทยفارسیУкраїнськаবাংলাاردوKiswahiliBahasa Melayuעברית Подписаться бесплатно

Бесплатно. Отписаться можно в любой момент одним щелчком. Политика конфиденциальности

Технические детали

Новое сотрудничество сосредоточено на перекалибровке декодера: обновлении весов модели ошибок, используемых декодером, по мере изменения поведения кубитов. В техническом обновлении Riverlane от 14 октября компания пишет, что кубиты со временем дрейфуют по мере изменения частот, дефектов и характеристик вентилей, из-за чего статические веса декодера становятся менее точными.

Чтобы решить эту проблему, Riverlane адаптировала свой Local Clustering Decoder для пакетной обработки на одном GPU NVIDIA H100. По данным Riverlane, одна эпоха обучения surface code, которая занимала три минуты на одном ядре CPU, была сокращена до 2.8 seconds на H100.

Riverlane также сообщила о значительном росте базовой пропускной способности декодирования. Для surface code H100 обрабатывал около 4.2 million syndromes per second против примерно 59,000 на одном ядре CPU. Quantum Computing Report резюмировал это как более 4 million syndromes per second и примерно 70-кратное ускорение.

Компания заявила, что ускорение на уровне полной эпохи обучения ниже, чем на уровне только декодирования, поскольку часть работы по-прежнему остаётся вне GPU-ускорения, включая обновление policy и построение candidate weights. Riverlane также сравнила GPU с многоядерными запусками на CPU, заявив, что 32 ядра CPU сократили время эпохи surface code примерно в 23 раза по сравнению с одним ядром, но один H100 всё равно был примерно в 3 раза быстрее на surface code и в 2 раза быстрее на repetition code.

По данным Riverlane, обученные веса могут существенно повысить точность декодера, снижая частоту логических ошибок на несколько процентов вплоть до двукратного уменьшения — в зависимости от кода. Эти результаты были представлены в техническом обновлении компании, а не в рецензируемой статье.

Почему это важно

QEC реального времени ограничивается не только задержкой декодера во время эксперимента, но и тем, насколько быстро декодер можно перекалибровать между запусками. Если перекалибровка занимает слишком много времени, аппаратная система может снова уйти в дрейф до начала следующего эксперимента.

Именно поэтому аспект GPU здесь важен. Quantum Computing Report отметил, что это сотрудничество указывает на тесно связанный контур управления QPU-GPU, в котором GPU-ускорение обновляет модель физического шума и передаёт её в низколатентное аппаратное обеспечение декодера, такое как ASIC или FPGA. В собственных материалах Riverlane Deltaflow позиционируется как путь к масштабируемым логическим кубитам для разных модальностей кубитов и схем QEC.

На что обратить внимание

Непосредственный вопрос заключается в том, насколько быстро эти процессы калибровки перейдут от технических демонстраций к промышленным стекам управления. Riverlane заявляет, что Deltaflow 2 напрямую подключается к стеку квантового управления для работы с низкой задержкой, а в её техническом обновлении утверждается, что более быстрая калибровка помогает QEC поспевать за изменяющимся поведением аппаратуры.

Инвесторы и разработчики систем также будут следить за тем, приведёт ли доля NVIDIA в капитале к более глубокой продуктовой интеграции вокруг CUDA-Q, калибровки с поддержкой GPU и дорожной карты аппаратных декодеров Riverlane. Пока же наиболее ясный краткосрочный сигнал носит практический характер: как выразилась Riverlane, перекалибровка декодера перешла «от минут к секундам».