Computación cuántica promete transformar industrias — pero el progreso depende de resolver problemas clave. Corrección de errores. Simulaciones de diseños de qubits. Tareas de optimización de compilación de circuitos. Estos son algunos de los cuellos de botella que deben superarse para llevar el hardware cuántico a la era de las aplicaciones útiles.
Ahí entra la computación acelerada. El procesamiento paralelo de la computación acelerada ofrece la potencia necesaria para hacer posibles los avances en computación cuántica de hoy y del mañana.
Bibliotecas NVIDIA CUDA-X constituyen la columna vertebral de la investigación cuántica. Desde una decodificación más rápida de errores cuánticos hasta el diseño de sistemas más grandes de qubits, los investigadores están utilizando herramientas aceleradas por GPU para expandir la computación clásica y acercar aplicaciones cuánticas útiles a la realidad.
Aceleración de Decodificadores de Corrección de Errores Cuánticos con NVIDIA CUDA-Q QEC y cuDNN
La corrección cuántica de errores (QEC) es una técnica clave para trabajar con ruido inevitable en procesadores cuánticos. Así es como los investigadores destilan miles de qubits físicos ruidosos en unos pocos qubits lógicos y silenciosos, descifrando datos en tiempo real, detectando y corrigiendo errores a medida que emergen.
Entre los enfoques más prometedores para QEC se encuentran los códigos cuánticos de verificación de paridad de baja densidad (qLDPC), que pueden mitigar errores con baja sobrecarga en qubits. Pero decodificarlos requiere algoritmos convencionales computacionalmente costosos que funcionen a latencia extremadamente baja y con un rendimiento muy alto.
El Quantum Software Lab, alojado en la Escuela de Informática de la Universidad de Edimburgo, utilizó la biblioteca NVIDIA CUDA-Q QEC para construir un nuevo método de decodificación qLDPC llamado AutoDEC y experimentó un aumento de 2 veces en velocidad y precisión. Se desarrolló utilizando la funcionalidad de decodificación BP-OSD acelerada por GPU de CUDA-Q, que paraleliza el proceso de decodificación, aumentando las probabilidades de que la corrección de errores funcione.
En una colaboración separada con QuEra, se utilizaron el framework NVIDIA PhysicsNeMo y la biblioteca cuDNN para desarrollar un decodificador de IA con arquitectura de transformer. Los métodos de IA ofrecen un medio prometedor para escalar la decodificación a los códigos de mayor distancia necesarios en futuros computadoras cuánticas. Estos códigos mejoran la corrección de errores, pero conllevan un coste computacional elevado.
Los modelos de IA pueden anteponer las partes computacionalmente intensivas de las cargas de trabajo entrenando con antelación y ejecutando inferencias más eficientes en tiempo de ejecución. Utilizando un modelo de IA desarrollado con NVIDIA CUDA-Q, QuEra logró un aumento de 50 veces en la velocidad de decodificación, junto con una mayor precisión.
Optimización de la Compilación de Circuitos Cuánticos con cuDF
Una forma de mejorar un algoritmo que funciona incluso sin QEC es compilarlo con los qubits de mayor calidad en un procesador. El proceso de asignar qubits en un circuito cuántico abstracto a una disposición física de qubits en un chip está vinculado a un problema extremadamente complejo computacionalmente conocido como isomorfismo de grafo.
En colaboración con Q-CTRL y Oxford Quantum Circuits, NVIDIA desarrolló un método de selección de layout acelerado por GPU llamado ∆-Motif, que ofrece hasta una aceleración de hasta 600 veces en aplicaciones como la compilación cuántica, que implican isomorfismo de grafos. Para escalar este enfoque, NVIDIA y colaboradores utilizaron cuDF, una biblioteca de ciencia de datos acelerada por GPU, para realizar operaciones de grafos y construir diseños potenciales con patrones predefinidos (también llamados «motivos») basados en la disposición física del chip cuántico.
Estos diseños pueden construirse de forma eficiente y en paralelo mediante la fusión de motivos, lo que permite la aceleración de GPU en problemas de isomorfismo de grafos por primera vez.
Aceleración de la Simulación de Sistemas Cuánticos de Alta Fidelidad con cuQuantum
La simulación numérica de sistemas cuánticos es fundamental para entender la física de los dispositivos cuánticos y para desarrollar mejores diseños de qubits. QuTiP, un conjunto de herramientas de código abierto ampliamente utilizado, es un caballo de batalla para comprender las fuentes de ruido presentes en el hardware cuántico.
Un caso de uso clave es la simulación de alta fidelidad de sistemas cuánticos abiertos, como modelar qubits superconductores acoplados a otros componentes dentro del procesador cuántico, como resonadores y filtros, para predecir con precisión el comportamiento del dispositivo.
A través de una colaboración con el Universidad de Sherbrooke y Amazon Web Services (AWS), QuTiP se integró con el kit de desarrollo de software NVIDIA cuQuantum mediante un nuevo complemento QuTiP llamado qutip-cuquantum. AWS proporcionó la infraestructura de cómputo Amazon Elastic Compute Cloud (Amazon EC2) acelerada por GPU para la simulación. Para sistemas grandes, los investigadores observaron un aumento de rendimiento de hasta 4.000 veces al estudiar un qubit transmon acoplado a un resonador.
Descubre más sobre la plataforma NVIDIA CUDA-Q. Lee este blog técnico de NVIDIA para más detalles sobre cómo CUDA-Q impulsa la investigación en aplicaciones cuánticas.