Qblox เชื่อม NVIDIA DGX Spark เข้ากับการควบคุมควอนตัมด้วยค่าหน่วงต่ำกว่า 7.2 µs
Qblox ระบุว่าได้ผสาน NVIDIA DGX Spark เข้ากับตัวควบคุมควอนตัมของบริษัทผ่าน NVQLink โดยมุ่งเป้าไปที่การปรับเทียบและการแก้ไขข้อผิดพลาดแบบเรียลไทม์
หน้านี้แปลจากภาษาอังกฤษ โดยชื่อบริษัท ชื่อผลิตภัณฑ์ และลิงก์แหล่งข้อมูลยังคงเดิม อ่านต้นฉบับภาษาอังกฤษ
Qblox ระบุว่าได้เชื่อมต่อระบบ AI เดสก์ท็อป DGX Spark ของ NVIDIA เข้ากับตัวควบคุมระบบควอนตัมของบริษัทโดยใช้ NVIDIA NVQLink และวัดค่าความหน่วงไป-กลับได้ต่ำกว่า 7.2 ไมโครวินาทีบน DGX Spark และต่ำกว่า 4.0 ไมโครวินาทีบน NVIDIA RTX PRO 6000 Blackwell ตามประกาศของบริษัท เป้าหมายคือการนำการประมวลผลด้วย GPU เข้าไปอยู่โดยตรงในลูปการควบคุมควอนตัมแบบเรียลไทม์ สำหรับเวิร์กโหลดอย่างการปรับเทียบและการแก้ไขข้อผิดพลาดควอนตัม
สิ่งที่ประกาศ
ประกาศดังกล่าวเผยแพร่เมื่อวันที่ 22 ตุลาคม และนับเป็นอีกก้าวหนึ่งของงานที่ Qblox ทำร่วมกับ NVIDIA ในด้านการประมวลผลไฮบริดควอนตัม-คลาสสิก Qblox ระบุว่าระบบใหม่นี้ผสานสแตกการควบคุมของบริษัทเข้ากับ NVIDIA DGX Spark เพื่อให้เครื่องเดสก์ท็อปเพียงเครื่องเดียวสามารถรองรับเวิร์กโหลดด้านควอนตัม AI และการจำลอง ผ่าน CUDA-Q
ตามประกาศ นักพัฒนาสามารถสร้างแอปพลิเคชันบนฮาร์ดแวร์เดสก์ท็อป แล้วนำโค้ดชุดเดิมไปใช้กับเซิร์ฟเวอร์ GPU ได้เมื่อระบบขยายขนาด NVIDIA อธิบายว่า CUDA-Q เป็นแพลตฟอร์มการประมวลผลควอนตัมแบบเปิดที่ครอบคลุมทรัพยากร CPU, GPU และ QPU ภายในโปรแกรมเดียว
Niels Bultink ซีอีโอและผู้ร่วมก่อตั้ง Qblox กล่าวว่า การควบคุมแบบคลาสสิกจะเป็นปัจจัยจำกัดในการขยายขนาดคอมพิวเตอร์ควอนตัม พร้อมเสริมว่าการผสานรวมครั้งนี้มีเป้าหมายเพื่อทำให้ GPU กลายเป็นส่วนหนึ่งของเส้นทางการควบคุมดังกล่าว
รายละเอียดทางเทคนิค
Qblox ระบุว่าการเชื่อมต่อที่มีค่าหน่วงต่ำนี้เกิดจาก Q1 sequence processors และการเชื่อมต่อ LINQ ซึ่งบริษัทระบุว่าให้แบนด์วิดท์เพียงพอสำหรับให้ระบบควบคุม Cluster ทำงานควบคู่กับ GPU ได้ ในสถาปัตยกรรมนี้ รูทีนที่เร่งความเร็วด้วย GPU สามารถอัปเดตพารามิเตอร์ของคิวบิตได้ขณะการทดลองกำลังดำเนินอยู่ แทนที่จะทำได้เพียงระหว่างรอบการรันเท่านั้น
บริษัทยังระบุอีกว่า ข้อมูล syndrome สำหรับการแก้ไขข้อผิดพลาดควอนตัมสามารถส่งไปยังตัวถอดรหัสที่ทำงานบน GPU ได้ด้วยค่าหน่วงต่ำพอที่จะรองรับการระบุและแก้ไขข้อผิดพลาดแบบเรียลไทม์ นี่เป็นจุดที่แตกต่างอย่างมีนัยสำคัญ: ในเวิร์กโฟลว์แบบไฮบริดจำนวนมาก การประมวลผลภายหลังแบบคลาสสิกจะอยู่นอกเส้นทางด้านเวลาเชิงวิกฤต แต่ในกรณีนี้ เป้าหมายที่ระบุไว้คือการให้เข้ามามีส่วนร่วมโดยตรงในการควบคุมขณะระบบกำลังทำงาน
ค่าที่รายงานนั้นขึ้นอยู่กับฮาร์ดแวร์เฉพาะ Qblox ระบุว่าค่าความหน่วงไป-กลับต่ำกว่า 4.0 ไมโครวินาทีบน RTX PRO 6000 Blackwell และต่ำกว่า 7.2 ไมโครวินาทีบน DGX Spark อย่างไรก็ตาม ประกาศดังกล่าวไม่ได้ให้รายละเอียดวิธีการเบนช์มาร์กที่ครบถ้วนกว่านี้หรือการตรวจสอบยืนยันโดยอิสระ
เหตุใดจึงสำคัญ
สำหรับตัวประมวลผลควอนตัม ฟีดแบ็กแบบคลาสสิกที่รวดเร็วมีความสำคัญมากขึ้นเรื่อย ๆ เมื่อระบบก้าวไปสู่กระบวนการปรับเทียบและการแก้ไขข้อผิดพลาดที่ซับซ้อนมากขึ้น หากสามารถนำ GPU เข้ามาไว้ในลูปการควบคุมได้โดยไม่เพิ่มความหน่วงมากเกินไป ก็อาจรับภาระงานที่ต้องใช้การคำนวณหนัก ซึ่งยากจะดำเนินการด้วยอิเล็กทรอนิกส์ควบคุมแบบฟังก์ชันคงที่เพียงอย่างเดียว
ประเด็นนี้มีความเกี่ยวข้องอย่างยิ่งกับเวิร์กโหลดของตัวถอดรหัสในการแก้ไขข้อผิดพลาด และการปรับเทียบแบบปรับตัว ซึ่งการตัดสินใจต้องเกิดขึ้นรวดเร็วพอที่จะส่งผลต่อการทดลองที่กำลังดำเนินอยู่ ประกาศของ Qblox ชี้ให้เห็นถึงความพยายามในการเชื่อมการพัฒนาในระดับห้องปฏิบัติการกับการใช้งานในระดับที่ใหญ่ขึ้น โดยใช้เส้นทางซอฟต์แวร์ CUDA-Q เดียวกันทั้งบนเดสก์ท็อปและระบบ GPU ในดาต้าเซ็นเตอร์
สิ่งที่ต้องจับตา
ก้าวล่าสุดนี้ต่อยอดจากหมุดหมายก่อนหน้าที่ Qblox อ้างถึง ได้แก่ งานก่อนหน้านี้กับ NVQLink ที่ประกาศในเดือนตุลาคม 2025 และการรองรับ CUDA-Q realtime API ในเดือนมีนาคม 2026 ข้ออ้างใหม่ครั้งนี้ไม่ได้เกี่ยวกับสถาปัตยกรรมในอนาคต แต่เป็นเรื่องของสมรรถนะที่วัดได้บนฮาร์ดแวร์ซึ่งผสานเข้ากับตัวควบคุมของบริษัทแล้วในขณะนี้
คำถามถัดไปเป็นเรื่องการใช้งานจริง นักวิจัยและลูกค้าจะต้องการเห็นว่าค่าความหน่วงเหล่านี้แปลงไปเป็นการใช้งานเฉพาะด้านอย่างไร แนวทางนี้เหมาะกับรูปแบบคิวบิตที่หลากหลายเพียงใด และระบบแบบครบวงจรจะรักษาระดับเวลาเหล่านี้ไว้ได้หรือไม่ภายใต้ภาระการทดลองที่ใหญ่ขึ้น สำหรับตอนนี้ ประกาศดังกล่าวชี้ไปยังบทบาทที่ชัดเจนยิ่งขึ้นของ GPU ภายในระบบควบคุมควอนตัม ไม่ใช่เพียงทำงานอยู่ข้าง ๆ เท่านั้น
แหล่งข้อมูล
ข้อเท็จจริงในหน้านี้มาจากแหล่งข้อมูลด้านล่าง ซึ่ง DesignQuantum ได้รวบรวมไว้
- Qblox Integrates NVIDIA DGX Spark With Quantum System Controller thequantuminsider.com
- NVIDIA CUDA-Q developer.nvidia.com