The Signal
NVIDIA rilascia un decoder QEC e rivendica un’accelerazione fino a 13.000×
NVIDIA ha rilasciato il decoder per la correzione degli errori quantistici TCBP-JOBS attraverso la libreria CUDA-Q QEC 0.9.0. L’azienda rivendica una decodifica fino a 13.000× più veloce in un confronto specifico con un altro decoder, mentre il suo articolo di ricerca riporta accelerazioni inferiori in altri contesti.

Un’accelerazione misurata con un benchmark specifico
NVIDIA ha rilasciato il decoder per la correzione degli errori quantistici TCBP-JOBS attraverso la libreria CUDA-Q QEC 0.9.0, sostenendo che può accelerare alcune attività di ricerca sulla decodifica fino a 13.000×. Nell’annuncio del 16 novembre, l’azienda afferma che l’algoritmo potrebbe ridurre da 12 settimane a 45 minuti il tempo necessario per una computazione volta a valutare progetti di computazione quantistica.
L’accelerazione maggiore non è un risultato generale valido per ogni decoder o carico di lavoro. Nell’articolo di ricerca, gli autori di NVIDIA riferiscono che il dato di 13.000× deriva dal confronto tra TCBP-JOBS e una configurazione non sparsa, con fascio lungo, del decoder Tesseract sui codici bivariati a bicicletta; rispetto alle configurazioni sparse predefinite di Tesseract, le accelerazioni riportate vanno da 10× a 7.400×.
Come funziona il decoder
TCBP-JOBS combina due metodi. La propagazione delle credenze calibrata sulle traiettorie, o TCBP, apprende probabilità calibrate dei possibili guasti a partire dai percorsi seguiti durante i calcoli di propagazione delle credenze. La ricerca a fascio OSD con jitter, o JOBS, usa queste probabilità per guidare più ricerche in parallelo sulle GPU.
Un decoder per la correzione degli errori quantistici elabora dati di misurazione per dedurre gli errori più probabili e individuare le correzioni. I ricercatori di NVIDIA hanno testato il loro approccio su circuiti di memoria e di chirurgia quantistica, usando codici di superficie, codici colore e codici bivariati a bicicletta, e ne hanno confrontato l’accuratezza di decodifica con quella di Tesseract, un decoder dell’errore più probabile.
Per le configurazioni dei codici testate, l’articolo riporta tassi di errore logico comparabili a quelli di Tesseract e, per i codici più grandi, tassi fino a 4,5× inferiori. Questi risultati si riferiscono a un intervallo operativo specifico: il confronto riguarda tassi di errore fisico compresi tra lo 0,1% e lo 0,4%. A tassi di errore fisico inferiori, gli autori riferiscono che nei test di splitting degli eventi rari sul codice gross Tesseract è risultato più accurato.
Carico di lavoro del benchmark e limiti
Uno dei carichi di lavoro riportati consisteva nella decodifica di 24,2 milioni di shot di un benchmark Tesseract. Gli autori di NVIDIA affermano che TCBP-JOBS ha completato l’operazione in 45 minuti su una singola GPU GB200, mentre l’esecuzione di Tesseract ha richiesto 130.257 ore-thread di CPU, che l’articolo quantifica in circa 12 settimane su un server a 64 core.
I risultati dell’articolo in termini di velocità e accuratezza provengono da carichi di lavoro di ricerca, tra cui circuiti simulati e confronti con configurazioni specifiche di Tesseract. La presentazione del rilascio descrive una decodifica più rapida per la ricerca come un mezzo per valutare possibili approcci alla correzione degli errori e confrontare codici e configurazioni dei decoder; non presenta il dato di 13.000× come un’accelerazione generale per il funzionamento dei processori quantistici.
Parte di una collaborazione più ampia
Il rilascio del decoder è stato incluso nell’annuncio di NVIDIA relativo alle collaborazioni previste con IBM e il Fermi National Accelerator Laboratory del Dipartimento dell’Energia degli Stati Uniti. I partner stanno sviluppando una piattaforma modulare di codesign per la computazione quantistica, pensata per supportare il lavoro sui codici di correzione degli errori, sugli algoritmi di decodifica e sulle applicazioni quantistico-classiche.
NVIDIA ha dichiarato che, nell’ambito del progetto, i sistemi DGX B200 vengono installati negli stessi siti dei computer quantistici IBM, compresi quelli basati su IBM Quantum Nighthawk. La piattaforma è inoltre pensata per aiutare i ricercatori a studiare come i sistemi di calcolo classici possano scalare insieme a più processori quantistici collegati.
Fonti
Notizie correlate
- Fermilab, IBM e NVIDIA progettano una piattaforma quantistica modulare
- Il preprint su MASQ riporta un’accelerazione di 8.098 volte nel campionamento per la correzione degli errori quantistici
- Anyon afferma di aver eseguito la decodifica in tempo reale tramite NVIDIA NVQLink
- Un preprint descrive una piattaforma FPGA per testare decoder QEC
- IBM: codice rivisto e decoder fanno avanzare il percorso verso Starling