Qblox підключає NVIDIA DGX Spark до квантового керування із затримкою менше 7.2 мкс
Qblox повідомляє, що інтегрувала NVIDIA DGX Spark зі своїм контролером квантової системи через NVQLink, орієнтуючись на калібрування та виправлення помилок у реальному часі.
Цю сторінку перекладено з англійської. Назви компаній і продуктів, а також посилання на джерела залишено без змін. Читати оригінал англійською
Qblox повідомляє, що підключила настільну AI-систему NVIDIA DGX Spark до свого контролера квантової системи за допомогою NVIDIA NVQLink, зафіксувавши виміряну затримку повного циклу менше 7.2 мікросекунди на DGX Spark і менше 4.0 мікросекунди на NVIDIA RTX PRO 6000 Blackwell. Згідно з оголошенням компанії, мета полягає в тому, щоб безпосередньо включити GPU-обчислення в контур квантового керування в реальному часі для таких завдань, як калібрування та квантове виправлення помилок.
Що оголосили
Оголошення, опубліковане 22 жовтня, стало черговим кроком у співпраці Qblox з NVIDIA у сфері гібридних квантово-класичних обчислень. Qblox стверджує, що нова конфігурація поєднує її стек керування з NVIDIA DGX Spark, щоб одна настільна машина могла виконувати квантові, AI- та симуляційні навантаження через CUDA-Q.
Згідно з оголошенням, розробники можуть створювати застосунки на настільному обладнанні, а потім переносити той самий код на GPU-сервери в міру масштабування систем. NVIDIA описує CUDA-Q як відкриту платформу квантових обчислень, що об’єднує ресурси CPU, GPU та QPU в межах однієї програми.
CEO і співзасновник Qblox Niels Bultink заявив, що класичне керування стане обмежувальним чинником у масштабуванні квантових комп’ютерів, додавши, що ця інтеграція має зробити GPU частиною цього контуру керування.
Технічні деталі
Qblox пояснює низьку затримку своїми процесорами послідовностей Q1 і міжз’єднанням LINQ, які, за її словами, забезпечують пропускну здатність, необхідну для роботи її системи керування Cluster разом із GPU. У цій архітектурі прискорені GPU процедури можуть оновлювати параметри кубітів під час виконання експериментів, а не лише між запусками.
Компанія також зазначає, що синдромні дані для квантового виправлення помилок можна передавати декодерам на базі GPU із достатньо низькою затримкою, щоб підтримувати виявлення та виправлення помилок у реальному часі. Це важлива відмінність: у багатьох гібридних робочих процесах класична постобробка перебуває поза критичним часовим контуром, тоді як тут заявлена мета — безпосередня участь у живому керуванні.
Наведені вимірювання прив’язані до конкретного обладнання. Qblox повідомляє, що затримка повного циклу становила менше 4.0 мікросекунди на RTX PRO 6000 Blackwell і менше 7.2 мікросекунди на DGX Spark. В оголошенні не наведено детальнішої методології бенчмаркінгу чи незалежної валідації.
Чому це важливо
Для квантових процесорів швидкий класичний зворотний зв’язок стає дедалі важливішим у міру того, як системи переходять до складніших процедур калібрування та виправлення помилок. Якщо GPU можна буде вбудувати в контур керування без надмірного збільшення затримки, вони зможуть виконувати обчислювально важкі завдання, які було б складно реалізувати лише на спеціалізованій електроніці керування.
Це особливо актуально для навантажень декодерів у виправленні помилок і для адаптивного калібрування, де рішення потрібно ухвалювати достатньо швидко, щоб вони впливали на поточний експеримент. Оголошення Qblox вказує на спробу поєднати лабораторну розробку та розгортання більшого масштабу, використовуючи той самий програмний шлях CUDA-Q як на настільних системах, так і на GPU-системах центрів обробки даних.
На що звернути увагу
Цей новий крок спирається на попередні етапи, на які посилається Qblox: попередню роботу з NVQLink, оголошену в жовтні 2025 року, і підтримку CUDA-Q realtime API у березні 2026 року. Нова заява стосується не майбутньої архітектури, а виміряної продуктивності на обладнанні, уже інтегрованому з контролером компанії.
Наступні запитання — практичні. Дослідники та клієнти захочуть побачити, як показники затримки переносяться на конкретні застосування, наскільки широко цей підхід підходить для різних модальностей кубітів і чи здатна наскрізна система підтримувати ці часові параметри за більших експериментальних навантажень. Наразі оголошення вказує на чіткішу роль GPU всередині квантового керування, а не лише поруч із ним.
Джерела
Факти на цій сторінці наведено за джерелами нижче, зібраними DesignQuantum.
- Qblox Integrates NVIDIA DGX Spark With Quantum System Controller thequantuminsider.com
- NVIDIA CUDA-Q developer.nvidia.com