英伟达(NVIDIA)宣布与IBM及美国能源部旗下费米国家加速器实验室推进合作,计划建设模块化量子计算协同设计平台,将加速计算、量子硬件和科学应用研究结合起来。同时,英伟达发布量子纠错解码算法,并扩展超级计算任务调度工具。几项安排共同指向一个问题:量子处理器扩大规模时,经典计算系统如何同步承担纠错、应用计算和资源协调工作。
协同设计把硬件扩容与科学需求放在一起
英伟达与IBM正在将DGX B200系统与IBM量子计算机部署在同一设施中,其中包括搭载IBM Quantum Nighthawk处理器的系统。这套集成系统正为三方联合开发的模块化量子协同设计平台提供支持,但拟议平台的完整研究能力仍属于后续建设目标。
平台将用于开发和评估纠错码、解码算法及量子与经典计算混合应用,同时研究多个量子处理器互联后,经典系统如何随之扩展。费米实验室将提供高能与核物理领域的专业能力,使研究围绕具体科学问题展开,并帮助界定未来容错量子计算机需要具备的能力。
从这一安排看,合作的重点不只是增加量子硬件数量,而是把应用需求、纠错设计与系统架构放在同一研究过程中检验。科学任务需要什么样的计算能力、为此需要多少纠错资源,以及经典计算能否及时处理相关工作,彼此存在约束。这使平台的意义更接近验证系统设计,而不是宣告实用量子计算已经实现。
最高1.3万倍加速对应纠错研究解码
量子处理器固有的错误会限制计算复杂度和持续时间。量子纠错通过多个物理量子比特共同编码来保护量子信息,再由经典解码算法解释测量数据,识别可能出现的错误。因此,纠错既消耗量子硬件资源,也依赖经典计算能力。
英伟达的新算法TCBP-JOBS已通过CUDA-Q QEC 0.9.0库提供。公司称,与现有领先算法相比,它能在保持较高准确度的同时,将量子纠错研究中计算密集部分的解码速度最多提高至1.3万倍,并给出相关设计研究计算时间由12周缩短至45分钟的示例。
这一指标的适用范围是研究工作负载中的解码计算,不能直接理解为量子计算机整体性能提高同样倍数,也不能据此认定所有应用都能获得相同加速。它更直接的作用,是让研究人员更快比较候选纠错码和解码器配置,寻找更有效利用物理量子比特的方案。
我们的判断是,这项进展首先改善的是设计筛选效率:如果更多候选方案能在可接受时间内完成评估,研究者就能更充分地比较资源消耗与纠错表现。但研究解码加速并不等于已经满足实际量子系统的全部运行要求,后续仍需观察算法与具体硬件及应用的结合效果。
统一调度决定混合系统能否顺畅使用
英伟达还在为开源工作负载管理器Slurm扩展量子接口,IBM则通过Quantum Resource Management Interface参与集成,将IBM量子资源连接至新增能力。目标是让超级计算中心使用熟悉的命令、规则和工具,在CPU、GPU之外调度量子处理器。
目前,超级计算中心采用多种定制方式接入量子硬件,新增处理器和开发混合应用会带来额外工程与维护工作。如果接口集成达到预期,统一调度有望减少这种重复投入,使研究人员更容易组织跨计算资源的任务。
这与解码算法解决的是不同层面的问题:算法改善单项计算效率,调度工具改善多种资源之间的组织方式。即便某个环节显著提速,任务仍需在不同系统间顺畅衔接,才能形成可用的工作流程。Slurm相关能力仍在扩展,实际集成与维护效果应成为后续观察重点。
化学研究提供应用样本,尚非普遍能力证明
在相关应用研究中,IBM与日本理化学研究所(RIKEN)将IBM量子计算机与JHPC-quantum旗下GPU超级计算机ROQUO结合,计算两个蛋白质—配体复合物的结合能,以研究与药物发现有关的相互作用。该工作入围2026年ACM戈登贝尔奖。
研究团队通过系统分片,将量子采样与GPU加速计算结合,建模规模达到最多12,635个原子,超过此前303个原子量子与经典混合计算基准的40倍。ROQUO使用英伟达GB200系统和Quantum-X800 InfiniBand网络。
这里的规模指标属于整套混合方法,不能等同于量子处理器独立处理了全部原子,也不足以单独证明普遍的量子计算优势。它的价值在于提供了具体应用样本,展示量子采样与经典加速计算如何分工。
综合这些进展,英伟达正同时推进研究工具、硬件协同和工作流程整合。判断合作成效,更应关注拟议平台能否支撑可重复的纠错与应用评估、调度接口能否真正接入研究流程,以及具体任务中的资源效率,而不能仅以单项最高加速数字衡量整体成熟度。







