Qblox نے NVIDIA DGX Spark کو کوانٹم کنٹرول سے sub-7.2 µs لیٹنسی کے ساتھ جوڑ دیا

Qblox کا کہنا ہے کہ اس نے NVIDIA کے DGX Spark ڈیسک ٹاپ AI سسٹم کو NVIDIA NVQLink کے ذریعے اپنے کوانٹم سسٹم کنٹرولر سے جوڑ دیا ہے، اور DGX Spark پر ناپی گئی راؤنڈ ٹرِپ لیٹنسی 7.2 مائیکرو سیکنڈ سے کم جبکہ NVIDIA RTX PRO 6000 Blackwell پر 4.0 مائیکرو سیکنڈ سے کم بتائی ہے۔ کمپنی کے اعلان کے مطابق، مقصد یہ ہے کہ GPU کمپیوٹنگ کو براہِ راست حقیقی وقت کے کوانٹم کنٹرول لوپ میں لایا جائے تاکہ کیلیبریشن اور کوانٹم ایرر کریکشن جیسے ورک لوڈز سنبھالے جا سکیں۔

کیا اعلان کیا گیا

22 اکتوبر کو شائع ہونے والا یہ اعلان، ہائبرڈ کوانٹم-کلاسیکی کمپیوٹنگ کے حوالے سے NVIDIA کے ساتھ Qblox کے کام میں ایک مزید قدم ہے۔ Qblox کے مطابق، یہ نئی ترتیب اس کے کنٹرول اسٹیک کو NVIDIA DGX Spark کے ساتھ یکجا کرتی ہے تاکہ ایک ہی ڈیسک ٹاپ مشین CUDA-Q کے ذریعے کوانٹم، AI اور سیمولیشن ورک لوڈز کو ہوسٹ کر سکے۔

اعلان کے مطابق، ڈویلپرز ڈیسک ٹاپ ہارڈویئر پر ایپلی کیشنز تیار کر سکتے ہیں اور پھر جب سسٹمز کا پھیلاؤ ہو تو اسی کوڈ کو GPU سرورز پر منتقل کر سکتے ہیں۔ NVIDIA، CUDA-Q کو ایک کھلا کوانٹم کمپیوٹنگ پلیٹ فارم قرار دیتا ہے جو ایک ہی پروگرام میں CPU، GPU اور QPU وسائل کو محیط ہے۔

DesignQuantum نیوز لیٹر حاصل کریں

کوانٹم کمپیوٹنگ پر مفت خبریں اور توضیحی مضامین، ہر دعوے کے ساتھ اس کے ماخذ کا لنک۔ روزانہ، ہفتہ وار یا ماہانہ منتخب کریں۔

Website

ای میل پتا تعددروزانہہفتہ وارماہانہ زبانEnglishEspañol简体中文हिन्दीالعربيةPortuguês (Brasil)FrançaisDeutsch日本語Русский한국어Bahasa IndonesiaTürkçeItalianoTiếng ViệtPolskiNederlandsไทยفارسیУкраїнськаবাংলাاردوKiswahiliBahasa Melayuעברית مفت سبسکرائب کریں

مفت۔ کسی بھی وقت ایک کلک سے ان سبسکرائب کریں۔ رازداری کی پالیسی

Qblox کے CEO اور شریک بانی Niels Bultink نے کہا کہ کلاسیکی کنٹرول، کوانٹم کمپیوٹرز کو بڑے پیمانے پر وسعت دینے میں ایک محدود کرنے والا عنصر ہوگا، اور مزید کہا کہ اس انضمام کا مقصد GPUs کو اسی کنٹرول راستے کا حصہ بنانا ہے۔

تکنیکی تفصیلات

Qblox کم لیٹنسی والے اس ربط کا سہرا اپنے Q1 sequence processors اور LINQ interconnect کے سر باندھتا ہے، جن کے بارے میں اس کا کہنا ہے کہ یہ وہ تھروپُٹ فراہم کرتے ہیں جس کی اس کے Cluster کنٹرول سسٹم کو GPUs کے ساتھ مل کر کام کرنے کے لیے ضرورت ہے۔ اس ساخت میں، GPU سے تیز کی گئی روٹینز صرف ایک رَن اور دوسرے رَن کے درمیان نہیں بلکہ تجربات کے جاری رہنے کے دوران بھی qubit پیرامیٹرز کو اپ ڈیٹ کر سکتی ہیں۔

کمپنی یہ بھی کہتی ہے کہ کوانٹم ایرر کریکشن کے لیے syndrome data کو GPU-بیسڈ decoders تک اتنی کم لیٹنسی کے ساتھ بھیجا جا سکتا ہے کہ حقیقی وقت میں خرابیوں کی شناخت اور درستی ممکن ہو سکے۔ یہ ایک نمایاں فرق ہے: بہت سے ہائبرڈ ورک فلوز میں کلاسیکی post-processing اہم وقتی راستے سے باہر ہوتی ہے، جبکہ یہاں بیان کردہ ہدف براہِ راست رواں کنٹرول میں شرکت ہے۔

رپورٹ کردہ پیمائشیں مخصوص ہارڈویئر سے متعلق ہیں۔ Qblox کے مطابق، RTX PRO 6000 Blackwell پر راؤنڈ ٹرِپ لیٹنسی 4.0 مائیکرو سیکنڈ سے کم اور DGX Spark پر 7.2 مائیکرو سیکنڈ سے کم رہی۔ اعلان میں مزید مکمل benchmarking methodology یا آزادانہ توثیق فراہم نہیں کی گئی۔

یہ کیوں اہم ہے

کوانٹم پروسیسرز کے لیے، جیسے جیسے سسٹمز زیادہ پیچیدہ کیلیبریشن اور ایرر کریکشن روٹینز کی طرف بڑھتے ہیں، تیز کلاسیکی فیڈبیک کی اہمیت بڑھتی جا رہی ہے۔ اگر GPUs کو کنٹرول لوپ میں بہت زیادہ تاخیر شامل کیے بغیر رکھا جا سکے تو وہ ایسے حسابی طور پر بھاری کام سنبھال سکتے ہیں جنہیں صرف fixed-function کنٹرول الیکٹرانکس میں انجام دینا مشکل ہوگا۔

یہ خاص طور پر ایرر کریکشن میں decoder ورک لوڈز اور adaptive calibration کے لیے اہم ہے، جہاں فیصلے اتنی تیزی سے کرنا ضروری ہوتے ہیں کہ وہ جاری تجربے پر اثر انداز ہو سکیں۔ Qblox کا اعلان اس بات کی طرف اشارہ کرتا ہے کہ ایک ہی CUDA-Q سافٹ ویئر راستے کو ڈیسک ٹاپس اور ڈیٹا سینٹر GPU سسٹمز دونوں پر استعمال کرتے ہوئے لیب-سطح کی ڈیولپمنٹ اور بڑے پیمانے کی تعیناتی کے درمیان خلا کو پُر کرنے کی کوشش کی جا رہی ہے۔

کن باتوں پر نظر رہے گی

یہ تازہ ترین قدم Qblox کی جانب سے بیان کردہ پہلے کے سنگِ میلوں پر مبنی ہے: NVQLink کے ساتھ سابقہ کام جس کا اعلان اکتوبر 2025 میں کیا گیا تھا، اور CUDA-Q realtime API کے لیے مارچ 2026 میں فراہم کی گئی سپورٹ۔ نیا دعویٰ کسی مستقبل کے architecture کے بارے میں نہیں، بلکہ ایسے ہارڈویئر پر ناپی گئی کارکردگی کے بارے میں ہے جو اب کمپنی کے کنٹرولر کے ساتھ ضم ہو چکا ہے۔

اگلے سوالات عملی نوعیت کے ہیں۔ محققین اور صارفین یہ دیکھنا چاہیں گے کہ لیٹنسی کے یہ اعداد مخصوص ایپلی کیشنز میں کیسے ڈھلتے ہیں، یہ طریقۂ کار مختلف qubit modalities کے لیے کتنی وسعت سے موزوں ہے، اور آیا مکمل end-to-end سسٹم بڑے تجرباتی بوجھ کے تحت بھی یہی timing برقرار رکھ سکتا ہے۔ فی الحال، یہ اعلان کوانٹم کنٹرول کے اندر GPUs کے لیے ایک زیادہ واضح کردار کی نشاندہی کرتا ہے، صرف اس کے پہلو میں نہیں۔