英伟达、IBM 与费米实验室在 SC26 公布量子纠错共置平台计划,解码算法自测最高提速 13,000 倍
当地时间 11 月 16 日,在芝加哥举行的 SC26 超级计算大会(11 月 15~20 日)期间,英伟达(NVIDIA)、IBM 与美国能源部费米国家加速器实验室(Fermilab,下称费米实验室)宣布计划联合启动一项全规模的量子纠错(quantum error correction,QEC)研究:把搭载 IBM Quantum Nighthawk 处理器的量子计算机与英伟达 DGX B200 加速计算系统放进同一设施并相互连接,用 GPU 和 AI 校正量子计算机的错误——这类机器容易因外界环境的细微变化而出错,纠错所需的经典计算量巨大。IBM 在公告中介绍,Nighthawk 是其迄今制成的最强大的量子处理器,可在 120 个量子比特上运行最多 7,500 个两比特门操作的电路,采样速度最高达每秒 100,000 次。
同日,英伟达发布纠错解码算法 TCBP-JOBS,随其 CUDA-Q 平台的量子纠错库 CUDA-Q QEC 0.9.0 一并放出。按英伟达自己的测试,与主流现有解码方法相比,该算法在纠错研究负载中最高提速 13,000 倍,研究一种新量子计算机设计所需的计算时间可从 12 周压缩到 45 分钟——BigGo Finance 的报道明确提示,这一提速只针对特定纠错任务,并不意味着量子计算机本身的运算快了 13,000 倍。同一批公布的还有 IBM、RIKEN(日本理化学研究所)与英伟达的量子化学结果:对生物蛋白中的铁硫簇,计算精度较此前同类实验提升 79 倍。
图为 IBM 发布的概念图:共置平台由 IBM 量子计算机(IBM Quantum System Two)、Fermilab/SQMS 的超导腔与英伟达 DGX B200 加速计算平台组合而成(图片来源:IBM 新闻室;SRF 腔照片:Ryan Postel,Fermilab;DGX B200 图片:NVIDIA)。
Nighthawk 与 DGX B200 同址互联,先在软件里模拟模块间链路
按 IBM 与英伟达的公告,双方将把 DGX B200 系统与搭载 Nighthawk 的 IBM 量子计算机物理共置,支撑一个由 IBM、费米实验室与英伟达共同开发的模块化量子共设计(co-design)平台。研究者将在平台上开发与评估纠错码、解码算法和量子-经典应用,面向高能与核物理(HENP)问题——IBM 点名了格点规范场论、中微子相互作用与核模拟这类经典系统难以处理的题目,也想弄清多台量子处理器如何在模块化架构里协同工作、经典算力如何随之扩展。
费米实验室的角色由其 Superconducting Quantum Materials and Systems(SQMS)中心承担——该中心是能源部五个国家量子信息科学研究中心之一,专长在超导量子技术与超高相干量子硬件。按费米实验室的公告,费米实验室将牵头 HENP 应用方向,并通过自家 HEPCloud 基础设施协调研究者接入;平台第一阶段先对模块间通信建模仿真,量化链路错误、延迟与经典反馈对多 QPU 执行的影响,第二阶段才把 SQMS 的超高相干超导射频(SRF)腔接入平台,用作量子存储器、纠缠缓冲与玻色子纠错资源。SQMS 中心主任、费米实验室首席技术官 Anna Grassellino 表示,要把高能与核物理学家拉进共设计过程,“共同设计出应用、算法和模块化架构,最终让容错量子计算对科学有用”。IBM Fellow 兼 Quantum-Centric Computing 首席技术官 Jerry Chow 的说法是:“科学中一些最根本的问题,仅靠经典计算机仍然无法触及。让量子和经典协同扩展,将为高能与核物理等领域打开新的前沿。”英伟达量子计算应用研究副总裁 Krysta Svore 则强调,纠错、应用、以及把量子处理器与加速计算连在一起的系统需要同时进步。
这并非本月唯一的量子-经典共置平台:Quantum Computing Report 报道,IBM 已在本月早些时候与橡树岭国家实验室(ORNL)和 AMD 在 Poughkeepsie 启动一个纠错共设计平台;费米实验室公告称,新平台与后者互为补充。
TCBP-JOBS:把纠错研究里最烧算力的解码搬上 GPU
量子纠错的原理是把量子信息编码到多个物理量子比特上,再由一个经典算法——解码器——读取测量数据、判断最可能发生了什么错误,以便修正。英伟达在新闻稿中说明,纠错的这些计算环节非常耗算力,需要 GPU 来加速。
英伟达研究团队在论文《TCBP+JOBS: GPU-Accelerated Quantum Error Correction Decoding and Noise Learning with Near-Optimal Accuracy》中给出的方案分两步:TCBP(trajectory-calibrated belief propagation,轨迹校准置信传播)从置信传播(BP)的运行轨迹中学习校准过的故障概率;JOBS(jittered OSD beam search,抖动有序统计解码束搜索)再用这些概率指挥 GPU 上的并行搜索。测试覆盖 surface 码、color 码与双变量自行车码(bivariate-bicycle)等量子低密度奇偶校验码(qLDPC)的存储与格点手术(lattice surgery)电路。
论文摘要给出的数字是:TCBP-JOBS 的逻辑错误率与最可能错误解码器 Tesseract 相当,在最大的码上最多低 4.5 倍;对 Tesseract 的稀疏化预设串行提速 10~7,400 倍,对未稀疏化的长束 Tesseract 在双变量自行车码上达到 13,000 倍,此时两者逻辑错误率之比在 0.97~1.57 之间。Quantum Computing Report 整理的补充数字与边界包括:一项 2,420 万次采样的解码负载在 45 分钟内完成;在 0.1%~0.4% 的物理错误率下,TCBP-JOBS 保持毫秒级串行延迟——0.2% 错误率时,12 轮 gross code 存储解码 4.08 毫秒,逻辑格点手术 13.5 毫秒,满足在线前馈操作的时延要求;而在 0.01%~0.05% 的超低噪声区间,Tesseract 这类精确搜索解码器仍然更准。
TCBP-JOBS 流程示意:测量征候(Syndromes)经 TCBP 得到校准概率,再由 JOBS 并行搜索输出修正(图片来源:NVIDIA 研究论文,经 Quantum Computing Report 转载)。
Slurm 加入量子接口:QPU 排进超算作业队列
Slurm 是全球许多最大超算在用的开源作业调度器。IBM 在公告中解释了改动的原因:直到现在,Slurm 的核心资源模型里没有量子处理器的概念,各中心只能靠插件把 QPU 挂在调度器之外,维护成本随之增加。这次英伟达扩展开源 Slurm、加入量子接口,IBM 通过其量子资源管理接口(QRMI)参与对接,Pasqal 也与开源社区共同做了集成。QRMI 是一个开源、厂商中立、直接挂接 Slurm 分层资源(Hierarchical Resources,HRES)调度能力的层:与装在单个计算节点里的 GPU 不同,QPU 是跨节点共享的资源,HRES 让管理员直接管理这种共享资源并为各部分设限,随后 Slurm 就能用 HPC 用户熟悉的同一套策略来分配、预留和记账 QPU 时间。
按 IBM 的说法,这意味着一条量子-经典工作流可以当作一个普通 Slurm 作业来管理,不需要单独的队列、登录或新的运维模式;研究者用分配 CPU、GPU 的同一套操作就能预约和使用量子资源。Quantum Computing Report 称,QRMI 与量子设备管理接口(QDMI)已随 Slurm 26.11 原生落地,IBM、Quantinuum、Pasqal、IQM、Alice & Bob 与 MQSC 已采纳;据其统计,全球约 30 家超算中心部署着 50 多台量子处理器。
IBM Quantum System Two 实景照片。IBM 公告的平台示意中,IBM 一方的量子计算机即以该系统为图(图片来源:IBM 新闻室)。
铁硫簇算例:72 个量子比特加 GPU,精度距 DMRG 只差 4.3 毫哈特里
铁硫簇算例的细节在同批公布之列。研究对象 Fe₄S₄ 是活细胞蛋白内部的铁硫簇,相互作用的电子让它极难模拟。IBM、RIKEN 与英伟达团队改进了样本式量子对角化(SQD)方法:用一个有意不完美、但更贴近真实的“猜测”作为起点,引导量子计算机偏向重要的电子组态。团队在 72 个量子比特上运行最多 4,000 个两比特门操作的电路,采集了 500 万个样本;论文显示该簇含 54 个电子、36 个轨道。工作流把量子计算机与英伟达 GPU——包括 RIKEN 的 JHPC-quantum GPU 超算 ROQUO,其采用 GB200 系统与 Quantum-X800 InfiniBand 网络——结合,据 IBM 公告,精度较此前同类实验提升 79 倍,与领先经典方法密度矩阵重整化群(DMRG)的差距收窄到 4.3 毫哈特里。
英伟达的新闻稿另举了一项据称已入选 2026 年 ACM Gordon Bell Prize 决选名单的工作:把药物发现相关的蛋白质-配体结合能计算做到最多 12,635 个原子,约为此前 303 个原子量子-经典基准的 40 余倍。RIKEN 计算材料科学研究团队组长 Seiji Yunoki 评价铁硫簇结果:“通过把量子计算与 HPC 结合,我们在强关联铁硫簇上达到了接近 DMRG——一种领先的经典方法——的精度。”
性能数字均为厂商自报,后量子密码与数据中心电力是两项现实约束
上述数字全部出自各公司自述的特定条件测试,未经独立验证。BigGo Finance 的报道同时提示了量子计算实用化面临的两项挑战:其一,足够强大的量子计算机一旦出现,现行部分公钥密码可能被破解,攻击者还可以先囤积加密数据、等量子计算机成熟再解密,企业与政府因此被要求迁移到后量子密码,并摸清组织内部哪里用了易受攻击的加密;其二,算力扩张受制于电力——据其援引国际能源署(IEA)2026 年 11 月 19 日发布的估算,2025 年全球数据中心用电略低于 500 太瓦时,占全球电力需求的 1.7%,若现行政策延续,2030 年数据中心电力需求约为 2025 年的两倍;Euronews 的报道给出的上限是每年最高 1,000 太瓦时。
平台本身也还停在纸面:三份公告通篇使用“计划”“拟启动”“提议中的平台”的表述,没有给出建成或投运的时间表。Grassellino 把这个拟议平台的定位说得很具体——“迈向未来能源部量子计算用户设施所需能力与社群的重要一步”;按费米实验室公告的说法,那样可扩展的量子计算设施属于长期目标。
参考链接
- SC26 大会官网
- NVIDIA 新闻稿:NVIDIA Announces Collaboration With IBM and Fermi National Accelerator Laboratory to Launch Quantum-Classical Codesign Platform, Plus Error-Correction Breakthrough
- IBM 新闻稿:IBM, Fermilab, and NVIDIA Announce Plans for New Co-Design Platform to Accelerate the Development of Next-Generation, Modular Quantum Computers
- Fermilab 新闻稿:Fermilab, IBM and NVIDIA plan modular quantum computing co-design platform to advance scientific discovery
- BigGo Finance 报道(2026-11-22)
- Quantum Computing Report:IBM, Fermilab, and NVIDIA Unveil Modular Quantum Co-Design Platform, Slurm HRES Integration, and GPU QEC Tools at SC26
- NVIDIA 研究页面:TCBP+JOBS: GPU-Accelerated Quantum Error Correction Decoding and Noise Learning with Near-Optimal Accuracy
- arXiv:2611.04496:Broken-Symmetry Reference States for Sample-Based Quantum Diagonalization with Near-DMRG Accuracy
- Euronews:Data centre energy demand could double by 2030, IEA warns