Nvidia hat einen bedeutenden Durchbruch offiziell bekanntgegeben. Mit der Unterstützung von über 8000 GPUs konnte die Anzahl der für die rekordverdächtige fehlertolerante Quantencomputersimulation benötigten physikalischen Qubits um 90 % reduziert werden.

NVIDIA hat auf dem größten Supercomputer Europas einen neuen Rekord bei der Quantencomputersimulation erzielt: Mit 8192 GPUs wurde eine fehlertolerante Quantencomputersimulation mit 104 Qubits abgeschlossen und ein technischer Ansatz validiert, der die Anzahl der für entsprechende Lösungen benötigten physischen Qubits um rund 90 % reduzieren soll.

Dieser Durchbruch soll Forschern helfen, den Ressourcenaufwand für die Quantenfehlerkorrektur zu senken und die Entwicklung praxistauglicher Quantencomputersysteme zu beschleunigen.

Am Montag, den 19. Oktober nach US-Ostküstenzeit, gab NVIDIA bekannt, dass seine Forscher auf dem Supercomputer „JUPITER“ des Jülich Supercomputing Centre in Deutschland eine rekordverdächtige fehlertolerante Quantencomputersimulation durchgeführt haben. Der Schwerpunkt dieser Forschungsarbeit lag nicht nur darauf, den Simulationsumfang auf rekordverdächtige 104 Qubits zu steigern, sondern auch darauf, den Prozess der fehlertoleranten Berechnung von Quantenprozessoren in einer realen Rauschumgebung zu modellieren, um Forschern zu helfen, Designs zu bewerten und zu optimieren, bevor die eigentliche Hardware hergestellt wird.

Diese Forschung unterstreicht auch einen weiteren Entwicklungsweg von NVIDIA in der Quantencomputing-Branche: Neben der Bereitstellung von GPU-Infrastrukturen für Künstliche Intelligenz (KI) und Hochleistungsrechnen treibt das Unternehmen die Zusammenarbeit von GPU-Supercomputern und Quantenprozessoren voran, um zukünftige Quantenhardware mit klassischen Berechnungssystemen zu simulieren, zu validieren und zu optimieren.

NVIDIAs CEO Jensen Huang erklärte, dass das Verständnis des Verhaltens komplexer fehlertoleranter Systeme bei großskaligem Betrieb der Schlüssel zur Realisierung praxistauglicher Quantencomputer ist. GPU-Supercomputer können Forschern dabei helfen, Forschungsprobleme zu bearbeiten, die früher unerreichbar waren.

01

Vom idealen Umfeld zum realen Rauschen: Simulationsumfang weiter ausgebaut

Das Potenzial des Quantencomputings liegt darin, Eigenschaften wie Superposition und Verschränkung von Qubits zu nutzen, um bestimmte Probleme zu bearbeiten, die klassische Computer nicht effizient lösen können. Qubits sind jedoch sehr anfällig für äußere Störungen, und Rauschen während der Steuerung und Bedienung führt zu Fehlern. Damit Quantencomputer tatsächlich komplexe, lang andauernde Berechnungsaufgaben durchführen können, muss das Problem der Fehlerakkumulation gelöst werden.

Das fehlertolerante Quantencomputing ist genau der entscheidende Weg, um diese Herausforderung zu meistern. Sein Kern besteht darin, durch Technologien wie Quantenfehlerkorrektur den Einfluss von Fehlern physischer Qubits auf das Berechnungsergebnis zu reduzieren, sodass das System zuverlässig komplexere Operationen ausführen kann.

Die Bedeutung der aktuellen Simulation von NVIDIA liegt darin, dass sie sich nicht mehr auf Quantencomputing in einer idealen, rauschfreien Umgebung beschränkt, sondern den Einfluss von realem Hardware-Rauschen auf den fehlertoleranten Berechnungsprozess simuliert.

Laut der Unternehmensmitteilung hat ein deutsches Forschungsteam in Jülich zuvor auf „JUPITER“ eine vollständige Simulation eines universellen Quantencomputers mit 50 Qubits abgeschlossen, die aber unter idealen, rauschfreien Bedingungen durchgeführt wurde. Die aktuelle 104-Qubit-Simulation zielt auf die Schlüsselschritte im fehlertoleranten Berechnungsprozess ab, sodass der Forschungsumfang und die Simulationsszenarien weiter ausgebaut wurden.

Dieser Unterschied hat praktische Bedeutung: Theoretisch machbare Quantencomputing-Lösungen laufen nicht unbedingt stabil in der Rauschumgebung realer Hardware. Indem das Verhalten von Quantenprozessoren im Voraus durch klassische Supercomputer simuliert wird, können Forscher Fehlerquellen früher erkennen, die Leistung von Fehlerkorrekturverfahren bewerten und vielversprechendere Designs auswählen, bevor sie die kostspielige Herstellung und Experimente von Quantenhardware durchführen.

02

Magic-State-Kultivierung fordert traditionelle Lösungen heraus und senkt den Ressourcenaufwand für die Quantenfehlerkorrektur

Ein weiteres Kernergebnis dieser Forschung ist die Validierung des technischen Ansatzes für fehlertolerantes Quantencomputing namens „Magic-State-Kultivierung“.

Im fehlertoleranten Quantencomputing sind Magic States eine spezielle Art von Quantenzuständen, die für die Durchführung universellen Quantencomputings benötigt werden. Da Magic States während des Berechnungsprozesses ständig verbraucht werden, muss das System ständig neue Magic States erzeugen. Daher wirkt sich die Art und Weise, wie Magic States mit geringerem Ressourcenaufwand erzeugt werden, direkt auf den Hardwareumfang aus, der für den Bau praxistauglicher Quantencomputer benötigt wird.

Traditionelle Lösungen verwenden normalerweise die „Magic-State-Destillation“, um hochwertige Magic States durch eine Reihe von Quantenoperationen herzustellen, aber dieser Prozess kann eine große Anzahl physischer Qubits verbrauchen. Laut NVIDIA ist die Magic-State-Kultivierung ein alternativer Ansatz, der den Ressourcenbedarf erheblich senken soll. Der in dieser Simulation validierte technische Ansatz benötigt rund 90 % weniger physische Qubits als bisherige Methoden.

Es ist zu beachten, dass die Reduzierung um 90 % sich auf den Bedarf an physischen Qubits für entsprechende Magic-State-Herstellungsverfahren bezieht, was nicht bedeutet, dass der gesamte Hardwarebedarf des gesamten Quantencomputersystems einheitlich um 90 % reduziert werden kann, und auch nicht bedeutet, dass praxistaugliche Quantencomputer bereits kommerzialisiert wurden.

Aber wenn dieser technische Ansatz unter verschiedenen Quantenhardwarearchitekturen und tatsächlichen Betriebsbedingungen ständig validiert werden kann, ist sein potenzieller Wert nicht zu unterschätzen. Je reichlicher die Ressourcen an physischen Qubits sind, desto mehr Möglichkeiten hat das System, eine ausreichende Anzahl logischer Qubits aufzubauen und komplexere Algorithmen auszuführen. Die Senkung des Ressourcenaufwands für die Magic-State-Herstellung bedeutet, dass mehr Hardwareressourcen für die tatsächliche Berechnung verwendet werden können, anstatt nur für die Fehlerkorrektur und die Aufrechterhaltung der für die Berechnung erforderlichen Quantenzustände.

03

Zusammenarbeit von 8192 GPUs: Simulationen von mehreren Wochen auf wenige Tage komprimiert

Hinter diesem Ergebnis steht die Zusammenarbeit von NVIDIAs beschleunigter Berechnungssoftware- und Hardware-System mit der europäischen Supercomputing-Infrastruktur.

NVIDIA teilte mit, dass diese Simulation auf 8192 NVIDIA GH200 GPUs des Supercomputers „JUPITER“ ausgeführt wurde. Dieses System befindet sich im Jülich Supercomputing Centre in Deutschland und ist der erste Exaflop-Supercomputer Europas.

Das Forschungsteam hat nicht alle Entwicklungsarbeiten direkt auf dem gesamten Supercomputer durchgeführt. In der frühen Phase des Projekts wurden Tests auf dem NVIDIA GB200 NVL72-System im NVIDIA Accelerated Quantum Research Center (NVAQC) durchgeführt, wobei der Umfang schrittweise von 4 GPUs auf Hunderte von GPUs erweitert wurde, um die Beziehung zwischen Simulationsmethode, Genauigkeit und Berechnungsressourcen zu validieren, bevor die Aufgabe auf die 8192-GPU-Konfiguration von „JUPITER“ ausgeweitet wurde.

Laut NVIDIA hat dieser phasenweise Entwicklungsprozess die Simulationsarbeit, die ursprünglich mehrere Wochen gedauert hätte, auf wenige Tage komprimiert.

Auf Softwareebene verwendete die Forschung NVIDIAs cuQuantum-Software sowie die fehlertolerante logische Berechnungsebene in der CUDA-Q-Plattform. Ersteres bietet Beschleunigungswerkzeuge für die Quantencomputersimulation, Letzteres unterstützt Forscher bei der Modellierung und Entwicklung von fehlertoleranten Quantencomputersystemen.

Dies spiegelt auch NVIDIAs differenzierte Positionierung im Quantencomputing-Bereich wider: Das Unternehmen muss nicht nur mit selbst entwickelten Quantenprozessoren am Wettbewerb teilnehmen, sondern kann durch GPUs, Verbindungsnetzwerke, Simulationssoftware und Entwicklungsplattformen ein wichtiger Anbieter von Infrastrukturen für die Quantencomputing-Forschung und zukünftige Hardwaredesigns werden.

Mit zunehmender Komplexität von Quantensystemen steigen die Speicher- und Berechnungsanforderungen klassischer Computer für die Simulation von Quantensystemen schnell an. Es wird immer schwieriger, größere und genauere Simulationen nur mit traditionellen Berechnungsressourcen abzudecken. Die Kombination von GPU-beschleunigter Berechnung und Supercomputern soll Forschern helfen, mehr Validierungsarbeiten abzuschließen, bevor die echte Quantenhardware gebaut wird.

04

Anwendungen wie Medikamentenentwicklung und Materialwissenschaft warten noch auf Hardware-Validierung

Laut NVIDIA können Simulationen mit höherer Wiedergabetreue Forschern helfen, die Leistung zukünftiger Quantenprozessoren vorherzusagen, bevor die Hardware hergestellt wird, die Abhängigkeit von wiederholten Hardwareversuchen zu verringern und die Entwicklungszyklen praxistauglicher Quantencomputersysteme zu verkürzen.

Zu den potenziellen Anwendungen gehören Bereiche wie Medikamentenentwicklung, Finanzmodellierung und Materialwissenschaft. Diese Bereiche umfassen komplexe Moleküle, physikalische Systeme oder Optimierungsprobleme, die einer der Gründe sind, warum das Quantencomputing seit langem große Aufmerksamkeit erhält.

Es besteht jedoch noch eine Lücke zwischen dem Durchbruch bei der Simulation und der tatsächlichen Erzielung kommerziellen Werts durch Quantencomputing. Das in diesem Ergebnis validierte ist die Leistung eines spezifischen fehlertoleranten Berechnungsansatzes in der Simulationsumgebung, was nicht gleichbedeutend damit ist, dass bereits Quantencomputer hergestellt wurden, die universelle Algorithmen entsprechender Größe stabil ausführen können. In Zukunft müssen noch Hardware-Experimente mit tatsächlichen Quantenprozessoren kombiniert werden, um die Anwendbarkeit der entsprechenden Methoden auf verschiedenen Geräten, Rauschpegeln und Berechnungsaufgaben zu prüfen.

Kristel Michielsen, Direktorin des Jülich Supercomputing Centre, erklärte, dass JUPITER es Forschern ermöglicht, Probleme zu erforschen, die früher unerreichbar waren. Die Zusammenarbeit mit NVIDIA hilft Wissenschaftlern, fundierter zu beurteilen, welche Designs am wahrscheinlichsten zu praktischen Anwendungen führen.

Aus industrieller Sicht zeigt dieser Durchbruch auch, dass die Entwicklung des Quantencomputings keine einfache Substitutionsbeziehung zwischen klassischem und Quantencomputing ist. Zumindest in der Entwicklungsphase können GPU-Supercomputer ein wichtiges Kooperationswerkzeug für Quantenhardware sein: Die klassische Berechnung ist für die Simulation, Validierung und Optimierung zuständig, während Quantenprozessoren nach ihrer schrittweisen Reifung bestimmte Berechnungsaufgaben übernehmen.

Für NVIDIA soll diese Ausrichtung die Wettbewerbsgrenzen des Unternehmens von KI-Training und -Inferenz sowie Hochleistungsrechnen weiter bis zur Infrastruktur für die Quantencomputing-Entwicklung ausweiten. Sein langfristiger kommerzieller Wert hängt jedoch von der Reifegeschwindigkeit der Quantencomputing-Branche, der Akzeptanz von Tools wie CUDA-Q und cuQuantum sowie davon ab, ob diese Technologien ständig in praktische Anwendungen umgewandelt werden können.

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „Wallstreetcn Max“, Autor: Li Dan, veröffentlicht mit Genehmigung von 36Kr.