Qblox связывает NVIDIA DGX Spark с квантовым управлением при задержке менее 7.2 мкс
Qblox заявила, что интегрировала NVIDIA DGX Spark со своим контроллером квантовой системы через NVQLink, нацелившись на калибровку и коррекцию ошибок в реальном времени.
Эта страница переведена с английского. Названия компаний и продуктов, а также ссылки на источники оставлены без изменений. Читать оригинал на английском
Qblox сообщила, что подключила настольную ИИ-систему NVIDIA DGX Spark к своему контроллеру квантовой системы с помощью NVIDIA NVQLink, заявив об измеренной задержке полного цикла менее 7.2 микросекунды на DGX Spark и менее 4.0 микросекунды на NVIDIA RTX PRO 6000 Blackwell. Согласно заявлению компании, цель состоит в том, чтобы встроить вычисления на GPU непосредственно в контур квантового управления реального времени для таких задач, как калибровка и квантовая коррекция ошибок.
Что было объявлено
Объявление, опубликованное 22 октября, стало очередным шагом в сотрудничестве Qblox с NVIDIA в области гибридных квантово-классических вычислений. Qblox заявляет, что новая конфигурация объединяет её стек управления с NVIDIA DGX Spark, так что одна настольная машина может выполнять квантовые, ИИ- и симуляционные нагрузки через CUDA-Q.
Согласно объявлению, разработчики могут создавать приложения на настольном оборудовании, а затем переносить тот же код на серверы с GPU по мере масштабирования систем. NVIDIA описывает CUDA-Q как открытую платформу квантовых вычислений, объединяющую ресурсы CPU, GPU и QPU в рамках одной программы.
Генеральный директор и соучредитель Qblox Niels Bultink заявил, что классическое управление станет ограничивающим фактором при масштабировании квантовых компьютеров, добавив, что эта интеграция призвана сделать GPU частью этого контура управления.
Технические детали
Qblox объясняет низкую задержку своими процессорами последовательностей Q1 и межсоединением LINQ, которые, по её словам, обеспечивают пропускную способность, необходимую для работы её системы управления Cluster совместно с GPU. В этой архитектуре процедуры с ускорением на GPU могут обновлять параметры кубитов во время выполнения экспериментов, а не только между запусками.
Компания также заявляет, что данные синдромов для квантовой коррекции ошибок могут передаваться декодерам на базе GPU с достаточно низкой задержкой, чтобы поддерживать выявление и исправление ошибок в реальном времени. Это важное отличие: во многих гибридных рабочих процессах классическая постобработка находится вне критического временного контура, тогда как здесь заявленная цель — прямое участие в живом управлении.
Сообщаемые измерения зависят от конкретного оборудования. Qblox заявляет, что задержка полного цикла составила менее 4.0 микросекунды на RTX PRO 6000 Blackwell и менее 7.2 микросекунды на DGX Spark. В объявлении не приводятся более полная методика бенчмаркинга или независимая валидация.
Почему это важно
Для квантовых процессоров быстрое классическое обратное связывание становится всё важнее по мере перехода систем к более сложным процедурам калибровки и коррекции ошибок. Если GPU можно встроить в контур управления без слишком большого роста задержки, они смогут брать на себя вычислительно тяжёлые задачи, которые трудно выполнить только средствами специализированной управляющей электроники.
Это особенно актуально для задач декодирования при коррекции ошибок и для адаптивной калибровки, где решения должны приниматься достаточно быстро, чтобы влиять на продолжающийся эксперимент. Объявление Qblox указывает на попытку связать разработку лабораторного масштаба и более крупномасштабное развёртывание, используя один и тот же программный путь CUDA-Q как на настольных системах, так и на GPU-системах центров обработки данных.
На что обратить внимание
Этот новый шаг опирается на более ранние вехи, на которые ссылается Qblox: предыдущую работу с NVQLink, объявленную в октябре 2025 года, и поддержку API реального времени CUDA-Q в марте 2026 года. Новое заявление касается не будущей архитектуры, а измеренной производительности на оборудовании, уже интегрированном с контроллером компании.
Следующие вопросы — практические. Исследователи и заказчики захотят увидеть, как показатели задержки проявляются в конкретных приложениях, насколько широко этот подход подходит для разных модальностей кубитов и сможет ли сквозная система сохранять такие временные характеристики при более крупных экспериментальных нагрузках. Пока что это объявление указывает на более ясную роль GPU внутри квантового управления, а не только рядом с ним.
Источники
Факты на этой странице взяты из указанных ниже источников и собраны DesignQuantum.
- Qblox Integrates NVIDIA DGX Spark With Quantum System Controller thequantuminsider.com
- NVIDIA CUDA-Q developer.nvidia.com