The Signal
Qblox segnala una latenza inferiore a 4 microsecondi tra GPU e controllo quantistico
Qblox afferma che il suo sistema di controllo Cluster ha raggiunto una latenza di andata e ritorno inferiore a 4,0 microsecondi con una GPU NVIDIA RTX PRO 6000 Blackwell e inferiore a 7,2 microsecondi con DGX Spark. L’annuncio del 22 ottobr
Quantum.world Team · Scritto con l’IA · verificato ·
Sotto i 4 microsecondi sul sistema Blackwell
Qblox afferma che il suo sistema di controllo quantistico ha raggiunto una latenza di andata e ritorno inferiore a 4,0 microsecondi quando è stato collegato a una GPU NVIDIA RTX PRO 6000 Blackwell, e inferiore a 7,2 microsecondi con DGX Spark di NVIDIA. Annunciati il 22 ottobre 2026, i risultati collocano la computazione su GPU all’interno del ciclo di controllo che collega l’hardware del sistema quantistico all’elaborazione classica.
L’azienda descrive l’integrazione del suo Qblox Cluster con le GPU NVIDIA tramite NVQLink, l’architettura di NVIDIA per collegare i controller dei sistemi quantistici al calcolo accelerato. Il comunicato afferma inoltre che un singolo computer desktop DGX Spark può ospitare carichi di lavoro quantistici, di intelligenza artificiale e di simulazione tramite CUDA-Q, con lo stesso codice destinato a funzionare anche sui server GPU nei data center.
Niels Bultink, CEO e cofondatore di Qblox, ha dichiarato: «I computer quantistici potranno crescere di scala solo alla velocità dei sistemi di controllo classici che li circondano». Ha aggiunto che l’integrazione rende le GPU parte di quel ciclo di controllo, dando ai sistemi quantistici accesso a risorse di calcolo in tempo reale.
Che cosa misura il dato sulla latenza, e che cosa no
Il risultato inferiore a 4 microsecondi riguarda la configurazione RTX PRO 6000 Blackwell; quello ottenuto con DGX Spark è inferiore a 7,2 microsecondi. NVIDIA descrive il benchmark di latenza di NVQLink come una chiamata di ritorno di andata e ritorno tra il controller di un sistema quantistico e un host, che mette alla prova la comunicazione attraverso il collegamento tra i due. Si tratta di una misura del collegamento e del controllo, non, di per sé, di una computazione riportata su un processore quantistico.
L’annuncio di Qblox non indica un processore, non riporta il numero di qubit e non fornisce le condizioni dettagliate del test di benchmark. Non specifica nemmeno quanta parte del tempo misurato sia dovuta alla comunicazione e quanta a eventuali elaborazioni effettuate durante il ciclo. I dati costituiscono quindi un’affermazione sulle prestazioni misurate della connessione, non un risultato dimostrato di correzione degli errori quantistici da un capo all’altro del processo.
Calibrazione e decodifica sono i carichi di lavoro previsti
Qblox afferma che i suoi processori di sequenza Q1 e l’architettura LINQ collegano Cluster alla GPU con la latenza e la capacità di trasmissione necessarie per l’integrazione. Secondo il comunicato, le routine di calibrazione accelerate da GPU possono aggiornare i parametri dei qubit mentre gli esperimenti sono in corso, anziché attendere una pausa dell’esperimento. L’azienda afferma inoltre che i dati di sindrome possono raggiungere i decoder basati su GPU per l’elaborazione degli errori.
Questi compiti pongono esigenze diverse al collegamento: la calibrazione regola i parametri operativi, mentre la correzione degli errori richiede che i risultati delle misurazioni siano decodificati abbastanza rapidamente da orientare una risposta. Un collegamento a bassa latenza può supportare entrambi, ma il solo dato sui tempi non dimostra la velocità del decoder, l’accuratezza della correzione né le prestazioni su un dispositivo in funzione.
Dai piani per NVQLink alle misure sull’hardware
Qblox presenta l’annuncio come un passo avanti rispetto al precedente lavoro su NVQLink, annunciato nell’ottobre 2025, e al supporto per l’API in tempo reale di CUDA-Q annunciato nel marzo 2026. L’annuncio di marzo descriveva un’architettura di feedback da FPGA a GPU con Oxford Quantum Circuits; il nuovo comunicato riporta misure specifiche della latenza per Cluster abbinato a sistemi GPU NVIDIA.
Per i gruppi che sviluppano sistemi ibridi, la questione pratica è se i tempi di collegamento riportati si mantengano con il carico di lavoro completo: lettura dei dati da un dispositivo reale, calibrazione o decodifica sul lato GPU e un segnale di ritorno che influisca sul controllo successivo. Qblox ha pubblicato i dati principali delle misure, ma l’annuncio non fornisce questi dettagli operativi né identifica un processore quantistico usato nel test.