Vai al contenuto
Quantum.world

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.

NVIDIA rilascia un decoder QEC e rivendica un’accelerazione fino a 13.000×

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

  1. NVIDIA Newsroom
  2. NVIDIA Research
  3. NVIDIA Research

Notizie correlate

Esplora

Altri articoli