NVIDIA เข้าถือหุ้นส่วนน้อยใน Riverlane ขยายงานด้าน GPU-QEC

NVIDIA ได้เข้าถือหุ้นเชิงกลยุทธ์ส่วนน้อยใน Riverlane บริษัทด้านการแก้ไขข้อผิดพลาดควอนตัมที่ตั้งอยู่ใน Cambridge ตามรายงานของ Quantum Computing Report ที่เผยแพร่เมื่อวันที่ 22 ตุลาคม นอกจากนี้ทั้งสองบริษัทยังเปิดเผยการขยายความร่วมมือด้านเทคนิคที่มุ่งเร่งการปรับเทียบตัวถอดรหัสใหม่สำหรับการแก้ไขข้อผิดพลาดควอนตัม โดยใช้ NVIDIA H100 GPUs ร่วมกับซอฟต์แวร์ตัวถอดรหัสของ Riverlane และสแต็ก Deltaflow QEC ที่กว้างกว่าเดิม

สิ่งที่มีการประกาศ

Quantum Computing Report ระบุว่าการลงทุนครั้งนี้เป็นส่วนหนึ่งของพันธสัญญาด้านคอมพิวติ้งในสหราชอาณาจักรในวงกว้างของ NVIDIA ซึ่งรายงานระบุว่ามีมูลค่ารวม $250 million รายงานฉบับเดียวกันระบุว่าดีลกับ Riverlane ถูกประกาศพร้อมกับการลงทุนของภาคธุรกิจในกิจการปัญญาประดิษฐ์ของสหราชอาณาจักรอีก 4 แห่ง

Riverlane มุ่งเน้นที่การแก้ไขข้อผิดพลาดควอนตัม ซึ่งเป็นชั้นของฮาร์ดแวร์และซอฟต์แวร์ที่ออกแบบมาเพื่อตรวจจับและแก้ไขข้อผิดพลาดได้รวดเร็วพอที่จะรองรับลอจิคัลคิวบิตที่เชื่อถือได้ บนเว็บไซต์ของบริษัท Riverlane ระบุว่า Deltaflow คือระบบ QEC แบบเรียลไทม์ของบริษัท และอธิบายว่า Deltaflow 2 เป็นแพลตฟอร์มที่ใช้ FPGA เป็นฐาน ซึ่งผสานตัวถอดรหัสฮาร์ดแวร์กรรมสิทธิ์เข้ากับการกำหนดเส้นทางข้อมูลและลอจิกการประมวลผลแบบเรียลไทม์

รับจดหมายข่าว DesignQuantum

ข่าวและบทความอธิบายด้านควอนตัมคอมพิวติงฟรี ทุกข้อความอ้างอิงมีลิงก์ไปยังแหล่งที่มา เลือกรับรายวัน รายสัปดาห์ หรือรายเดือน

Website

อีเมล ความถี่รายวันรายสัปดาห์รายเดือน ภาษาEnglishEspañol简体中文हिन्दीالعربيةPortuguês (Brasil)FrançaisDeutsch日本語Русский한국어Bahasa IndonesiaTürkçeItalianoTiếng ViệtPolskiNederlandsไทยفارسیУкраїнськаবাংলাاردوKiswahiliBahasa Melayuעברית สมัครรับฟรี

ฟรี ยกเลิกการรับได้ทุกเมื่อด้วยคลิกเดียว นโยบายความเป็นส่วนตัว

รายละเอียดทางเทคนิค

ความร่วมมือใหม่นี้มุ่งที่การปรับเทียบตัวถอดรหัสใหม่ โดยเป็นการอัปเดตค่าน้ำหนักของแบบจำลองข้อผิดพลาดที่ตัวถอดรหัสใช้ เมื่อพฤติกรรมของคิวบิตเปลี่ยนไป ในข้อมูลอัปเดตทางเทคนิคของ Riverlane เมื่อวันที่ 14 ตุลาคม บริษัทระบุว่าคิวบิตมีการดริฟต์ตามเวลาเมื่อความถี่ ข้อบกพร่อง และประสิทธิภาพของเกตเปลี่ยนแปลงไป ทำให้ค่าน้ำหนักคงที่ของตัวถอดรหัสมีความแม่นยำน้อยลง

เพื่อแก้ปัญหานี้ Riverlane ได้ปรับ Local Clustering Decoder ของตนให้รองรับการประมวลผลแบบแบตช์บน NVIDIA H100 GPU เพียงตัวเดียว ตามข้อมูลของ Riverlane หนึ่ง training epoch ของ surface code ซึ่งเดิมใช้เวลา 3 นาทีบน CPU core เดียว ลดลงเหลือ 2.8 วินาทีบน H100

Riverlane ยังรายงานว่าความสามารถในการถอดรหัสดิบเพิ่มขึ้นอย่างมาก บน surface code นั้น H100 ประมวลผล syndrome ได้ราว 4.2 million ต่อวินาที เทียบกับประมาณ 59,000 บน CPU core เดียว Quantum Computing Report สรุปผลนี้ว่าเกิน 4 million syndromes ต่อวินาที และเร็วขึ้นราว 70x

บริษัทยังระบุว่าอัตราเร่งในระดับ training epoch เต็มรูปแบบต่ำกว่าระดับที่วัดเฉพาะการถอดรหัส เพราะยังมีงานบางส่วนที่อยู่นอกขอบเขตการเร่งด้วย GPU รวมถึงการอัปเดต policy และการสร้าง candidate weights Riverlane ยังเปรียบเทียบ GPU กับการรันบน CPU แบบหลายคอร์ โดยระบุว่า CPU 32 คอร์ช่วยลดเวลา epoch ของ surface code ได้ราว 23x เมื่อเทียบกับ 1 คอร์ แต่ H100 เพียงตัวเดียวยังเร็วกว่าอยู่ราว 3x บน surface code และ 2x บน repetition code

ตามข้อมูลของ Riverlane ค่าน้ำหนักที่ผ่านการฝึกแล้วสามารถปรับปรุงความแม่นยำของตัวถอดรหัสได้อย่างมีนัยสำคัญ โดยลดอัตราความผิดพลาดเชิงตรรกะได้ตั้งแต่หลายเปอร์เซ็นต์ไปจนถึง 2 เท่า ขึ้นอยู่กับโค้ด ผลลัพธ์เหล่านี้ถูกเผยแพร่ในข้อมูลอัปเดตทางเทคนิคของบริษัท ไม่ใช่ในงานวิจัยที่ผ่านการทบทวนโดยผู้ทรงคุณวุฒิ

ทำไมเรื่องนี้จึงสำคัญ

QEC แบบเรียลไทม์ไม่ได้ถูกจำกัดเพียงแค่ความหน่วงของตัวถอดรหัสระหว่างการทดลองเท่านั้น แต่ยังรวมถึงความเร็วในการปรับเทียบตัวถอดรหัสใหม่ระหว่างรันด้วย หากการปรับเทียบใหม่ใช้เวลานานเกินไป ฮาร์ดแวร์อาจดริฟต์อีกครั้งก่อนที่การทดลองถัดไปจะเริ่มต้น

นี่จึงเป็นเหตุผลที่มุมของ GPU มีความสำคัญ Quantum Computing Report ระบุว่าความร่วมมือนี้ชี้ไปสู่ลูปควบคุม QPU-GPU ที่เชื่อมกันอย่างแน่นแฟ้น ซึ่งการเร่งด้วย GPU จะอัปเดตแบบจำลองสัญญาณรบกวนทางกายภาพ และป้อนข้อมูลให้ฮาร์ดแวร์ตัวถอดรหัสความหน่วงต่ำ เช่น ASICs หรือ FPGAs ขณะเดียวกัน เอกสารของ Riverlane เองก็วางตำแหน่งให้ Deltaflow เป็นเส้นทางสู่ลอจิคัลคิวบิตที่ขยายขนาดได้ ครอบคลุมรูปแบบคิวบิตและแนวทาง QEC ที่แตกต่างกัน

สิ่งที่ต้องจับตา

คำถามในระยะใกล้คือ เวิร์กโฟลว์การปรับเทียบเหล่านี้จะเปลี่ยนจากการสาธิตทางเทคนิคไปสู่สแต็กควบคุมที่ใช้งานจริงได้เร็วเพียงใด Riverlane ระบุว่า Deltaflow 2 เชื่อมต่อโดยตรงกับสแต็กควบคุมควอนตัมเพื่อการทำงานที่มีความหน่วงต่ำ และข้อมูลอัปเดตทางเทคนิคของบริษัทก็ให้เหตุผลว่าการปรับเทียบที่เร็วขึ้นช่วยให้ QEC ตามทันพฤติกรรมฮาร์ดแวร์ที่เปลี่ยนแปลงอยู่เสมอ

นักลงทุนและผู้สร้างระบบจะจับตาดูด้วยว่าการถือหุ้นของ NVIDIA จะนำไปสู่การบูรณาการผลิตภัณฑ์ที่ลึกขึ้นรอบ CUDA-Q, การปรับเทียบที่มี GPU ช่วยเร่ง, และโรดแมปตัวถอดรหัสฮาร์ดแวร์ของ Riverlane หรือไม่ สำหรับตอนนี้ สัญญาณระยะใกล้ที่ชัดเจนที่สุดยังคงเป็นเรื่องเชิงปฏิบัติ นั่นคืออย่างที่ Riverlane กล่าวไว้ การปรับเทียบตัวถอดรหัสใหม่ได้เปลี่ยนไป “from minutes to seconds.”