top of page

NVIDIA IBM 量子合作加入 Fermilab

24 分鐘前
讀畢需時 11 分鐘

NVIDIA 於 2026 年 11 月 16 日宣布擴展與 IBM 及 Fermilab 的量子運算合作,同時發布一款聲稱可令研究計算加快最多 13,000 倍的解碼器。NVIDIA IBM 量子合作串連兩項時程不同的發展:一個計劃中的研究平台,以及研究人員現時已可評估的軟件。

合作夥伴擬把 IBM 量子電腦與 NVIDIA 加速運算結合,以研究未來系統。另一方面,NVIDIA 發布了 TCBP-JOBS,這是一款解碼器,即用於詮釋量測結果並識別可能量子錯誤的經典軟件。其主打的加速成效針對特定解碼比較,而非量子電腦執行的每一項計算。

這種張力貫穿整項公布:更快的實驗有助研究人員設計更好的機器,而實用機器則需要整個運算工作流程的證據。Google 較早前的錯誤修正研究為這項區別提供參考。眼前壓力落在量子開發者及運算中心身上,須展示個別改進如何轉化為可靠的科學工作。

NVIDIA IBM 量子合作帶來甚麼

這項合作為研究人員提供共同的系統議程,但擬議平台仍屬開發工作。

NVIDIA 的量子運算合作匯集 IBM 量子硬件、NVIDIA 運算系統,以及 Fermilab 的科學專長。計劃包括把 NVIDIA DGX B200 系統(以 GPU 為基礎的運算伺服器)與 IBM 量子電腦共同部署,當中包括採用 IBM Quantum Nighthawk 的系統。

其組織理念是協同設計:一同開發硬件、軟件及應用程式,讓各方互相啟發。此處,科學家將協助釐定未來量子系統需要達成甚麼目標。工程師其後會根據這些要求評估架構,而非把應用程式開發視為待硬件到位後才開始的工作。

這種安排處理了一項實際的協調問題。硬件團隊可以改善處理器,卻未必知道這些改進是否有助最嚴苛的科學工作負載。應用團隊可以提出計算方案,卻未有顧及這些計算所需的經典處理。共同平台提供了一個場所,讓各方一同驗證這些假設。

擬議工作亦涉及模組化架構,將多個量子處理器連接成一個更大的系統。這帶來一個比提升個別處理器能力更廣泛的設計問題。研究人員必須考慮模組之間會發生甚麼、資訊如何流動,以及支援性的經典資源如何隨之擴展。

對關注這項公布的讀者而言,動詞值得留意。規劃平台確立方向並識別參與者。營運平台則需要已安裝的資源、可運作的介面、記錄完善的存取方式,以及其他研究人員可檢視的實驗。即使它們出現在同一項公布中,這些階段所提供的證據類型亦不相同。

因此,眼前的分析問題很具體:讓這些團隊走在一起,是否能縮短從科學要求到可測試系統設計的路徑?即使未有廣泛商業實用性的主張,這已代表進展。它亦讓研究人員有更清晰的方法,淘汰孤立運作時表現良好、但置於完整工作流程中表現欠佳的設計。

當中亦有問責方面的好處。一旦合作界定共同工作負載,參與者便可說明哪個組件限制進展,以及哪些改動針對該限制。這比把處理器規格、軟件基準測試及應用願景當作互不相關的成就來呈現,更具資訊價值。

平台的重要性將取決於它所促成的實驗。其擬議結構令這些實驗較易組織,但結果仍是讀者應尋找的證據。

Fermilab 把科學要求納入設計

科學使用者為平台提供具體測試:其架構能否支援研究人員實際需要的計算。

Fermilab 的模組化量子平台提案聚焦高能量及核子物理。該實驗室列出粒子相互作用、中微子物理及核模擬為潛在研究範疇。其 Superconducting Quantum Materials and Systems Center 將提供硬件及互連研究,以及應用專長。

這些是研究目標。列出它們並不表示擬議平台已經解決這些問題,或較現有運算方法表現優勝。它們現階段的價值,在於建立讓合作夥伴評估未來設計的要求。

試想這如何改變工程討論。處理器規格描述裝置支援甚麼。科學工作負載則問,這種支援是否足以產生具實用準確度的答案。把工作負載帶入討論,便揭示可用操作與科學家想完成的完整計算之間的差距。

這亦改變了承受壓力的一方。應用研究人員必須識別問題中值得採用量子處理的部分。硬件開發者必須說明其系統如何支援這些部分。運算專家則必須交代周邊的一切,包括準備、資料處理及分析。

由此形成的紀律可避免含糊的成功主張。一項示範或會改善其中一步,卻令整體計算維持不變。另一項示範或可帶來更佳準確度,卻需要更多支援資源。兩者皆可推進研究,但如未說明取捨,便不應作出相關描述。

科學參與有助確立比較時應保持不變的條件。若競爭方案針對不同準確度水平,或回答略有不同的問題,其完成時間所揭示的資訊便很少。有用的基準測試始於商定的科學目標,並令比較條件可見。

這使 NVIDIA IBM 量子合作成為一項更廣泛努力的一部分,即把實驗性運算連結至既有科學實踐。最有力的結果會是一條其他團隊可追隨的證據鏈,從原始問題到所報告的答案。標題式的改進只提供這條鏈的一部分。

Fermilab 亦表示,該提案將補足另一個涉及 IBM、Oak Ridge National Laboratory 及 AMD 的協同設計平台。這提供相關競爭背景,但不會把這項公布變成單純的硬件競賽。不同合作可測試不同的應用及基礎設施組合。

對運算中心而言,含意很實際:評估競爭平台時,應保留科學問題。根據最佳基準測試看來令人印象深刻而選擇技術,比判斷該基準能否預測有用工作來得容易。後者正是這類協同設計工作應協助研究人員作出的決定。

更快解碼改變研究循環

即使完整量子系統尚未改善,更快的解碼器亦可擴大研究人員有能力進行的實驗。

量子錯誤修正透過把資訊分散至多個物理量子位元來保護資訊,物理量子位元是儲存及操控量子資訊的硬件單位。邏輯量子位元是透過這種編碼建立的受保護資訊單位。解碼利用量測證據推斷可能發生了哪些錯誤。

研究機會在於重複。評估錯誤修正設計,需要測試其在指定條件下的表現。研究人員必須比較候選設計、檢視失敗情況、調整假設,並重複這個過程。當解碼主導這項工作時,加速解碼可令更廣泛的研究變得可行。

NVIDIA 透過 CUDA-Q QEC 0.9.0(其錯誤修正軟件程式庫)發布 TCBP-JOBS。相關的GPU 解碼研究於 11 月 16 日提交,描述可引導 GPU 上平行搜尋的概率估計;GPU 是適合並行執行大量計算的處理器。

這項機制之所以重要,是因為解碼器必須在運算投入與準確度之間取得平衡。更廣泛搜尋可改善推斷出的答案,但亦需要更長時間。以不同方式組織搜尋提供另一條路徑:更有效地使用運算資源,而非單純減少搜尋量。

論文報告,在選定的錯誤修正碼上,相較特定的 Tesseract 解碼器配置,速度提升可達 13,000 倍。相較其他 Tesseract 設定,報告的範圍有所不同。作者亦指出,在錯誤率較低的情況下,Tesseract 較為準確。這些是提出團隊的研究發現,而非獨立確認。

在操作層面,這意味研究人員多了一個可供評估的候選方案。解碼器是否有用,取決於正研究的設計、所需準確度及可用硬件。極端結果證明在已測試的比較中存在重大改進;它並不為每項實驗選出最佳解碼器。

更快的研究價值亦不止於更早完成既有任務。團隊可利用額外容量挑戰一項假設、調查意外失敗,或比較一個較不方便的替代方案。這些選擇可改善設計決策的質素,而未必產生另一個戲劇性的加速數字。

這是理解該軟件發布最具建設性的方式。它創造了改善研究過程的機會,結果取決於研究人員如何使用它。更多實驗本身並不保證得出更佳結論;實驗必須能區分合理的解釋。

對計劃中的平台而言,這形成有用的回饋循環。研究人員可評估候選方法、識別具潛力的配置,然後詢問這些配置是否符合硬件及應用要求。軟件成果支援這個過程,但未能解決更大的系統問題。

這項區別使公布既具重要性,亦可衡量。研究工具可按其自身價值發揮作用,同時未來運算架構的證據仍持續發展。

加速仍未解答完整系統問題

解碼基準測試回答的問題,比量子電腦能否可靠地完成有用工作更狹窄。

解碼器比較衡量的是指定界限內的效能。科學使用者關心的是取得答案的完整路徑。兩種觀點之間,涉及準備、通訊、執行、分析及重複使用等問題。改善一個組件如何改變完整工作流程,取決於該組件對流程的限制程度。

這正是為何標題中的倍數需要分母。讀者應知道使用了哪一種競爭配置、各種方法達到甚麼準確度,以及由哪一款硬件完成運算。移除這些條件,便會令可重現的研究主張變成一個幾乎沒有實際意義的數字。

事後處理實驗數據,與在運算進行期間即時回應,兩者也有分別。後者要求結果須在系統規定的時限內交付。一種能有效處理大量已記錄測量數據的方法,仍須就時間敏感的運作另作評估。

Google 於 2024 年 12 月發表的低於閾值錯誤校正,提供了一個有用的歷史參考。研究人員報告指,隨着編碼量子記憶體的規模增加,保護效果有所改善,並同時進行了即時解碼實驗。論文亦說明了邁向實用計算規模時仍面對的挑戰。

這個參考例子說明了另一類證據。它涉及在運作中的量子記憶體觀察到的行為,並清楚列出實驗條件。NVIDIA 的解碼器研究則關乎經典軟件如何在已測試的工作負載中詮釋錯誤證據。若將兩者視為彼此競爭的標題倍數作比較,便會掩蓋各自實際量度的內容。

對 NVIDIA 與 IBM 的量子合作而言,核心挑戰在於連接這些證據類別。更好的解碼研究最終必須為一個硬件、控制系統及應用程式協同運作的系統提供資訊。每一個連接環節都需要證據,因為元件的改進未必能在整合後自動保留其優勢。

若有獨立評估能重現相關比較,並說明優勢會在甚麼條件下改變,便尤其有用。能辨識限制的結果,對工程師而言可能比另一個最高加速倍數更有價值。這有助他們決定應在何處部署某種方法,以及在何處保留替代方案。

同樣的邏輯亦適用於所提出的模組化架構。連接處理器會帶來獨立解碼器基準測試無法回答的問題。研究人員需要確立整個配置如何運作,包括隨着設計擴展,其支援運算是否仍可控。

毋須否定軟件結果,亦可承認這些限制。較可信的詮釋較為狹窄,卻更可付諸行動:研究人員得到了一項值得測試的新工具。至於有用的容錯計算主張,即在整個運算過程中受到錯誤保護的計算,則需要更廣泛的證據基礎。

因此,這項公布改變的是研究工具組合與合作結構。這些改變能否形成可靠的科學系統,仍有待實驗驗證。

混合式應用令整合變得可量度

當研究人員說明完整工作流程帶來了甚麼貢獻,以及比較中有哪些條件維持不變,應用結果才具意義。

IBM 隨附的量子工作流程整合公布,描述了有關 Slurm 的工作;Slurm 是一套用於排程運算工作及資源的軟件。IBM 的 Quantum Resource Management Interface 將量子資源與這種排程方式連接起來。預期好處是在熟悉的運算中心程序內管理量子及經典工作。

這是支援基礎設施,與解碼器結果及所提出的 Fermilab 平台分開。其重要性在於,研究人員取得答案前,應用程式必須先獲取資源並完成工作流程。更容易的編排可以減少運作摩擦,卻不會改變底層的科學準確度。

對運算中心營運者而言,這帶來一項與比較處理器不同的評估工作。他們需要了解資源分配如何運作、故障如何報告,以及用戶如何檢視自己的工作。技術上具前景的應用程式,仍需要人們可重複執行的運作流程。

一個具體的科學例子來自 IBM、RIKEN 及 NVIDIA 對一個鐵硫分子簇的研究。團隊的混合式化學計算將量子產生的樣本與經典計算結合。預印本報告指出,改變計算的初始近似方法,大幅改善了最終能量估算。

這項發現很有用,因為它將焦點引向工作流程的建構。量子裝置參與的是一個更大的方法,而裝置以外的選擇亦會影響最終結果。只評估硬件,便會錯過改進背後部分解釋。

這亦顯示為何應用程式比較需要謹慎。相較混合式方法的早期版本有所改善,證明該方法內部取得進展。若要證實相對於目前最佳經典方法的優勢,則需要以一致的目標及適當的資源核算另作比較。

對企業研究團隊而言,這種分別會影響試點應如何界定。試點可探究科學可行性、運作要求或潛在性能。將它們視為獨立問題,會令結果更易詮釋,並減低過早作出商業結論的壓力。

因此,相關買家是選擇研究方向或評估基礎設施的人,而非期望即時取代一般運算的人。這項公布提供了研究特定工作流程的理由,卻未證實不相關的商業應用亦會受惠於同一硬件及軟件組合。

文件紀錄成為證據的一部分。團隊需要保留軟件版本、實驗設定、基準線,以及對變更內容的說明。一個可搜尋知識庫可協助整理這些紀錄,而底層實驗工件仍然不可或缺。

綜合而言,排程及應用程式工作令這項合作更容易評估。它們揭示了個別技術改進與另一位研究人員能夠執行、檢視及比較的計算之間的距離。

留意存取、重現及完整工作流程

下一批有用證據將顯示研究人員可使用甚麼、他人可重現甚麼,以及完整應用程式中哪些部分有所改善。

未來數月,存取詳情應是首個值得留意的訊號。當研究平台的營運者說明可用資源、支援的軟件、參與用戶,以及進行實驗的程序,平台便會變得更具體。這些詳情將加強合作正成為實際研究環境的論據。

進一步的意向聲明,對這個問題提供的證據則較少。它或可澄清優先事項,但讀者應區分進一步規劃與已獲證明的存取能力。可作比較的是,合作夥伴表示研究人員將研究甚麼,與研究人員實際可以開始測試甚麼之間的差異。

第二個訊號,是在清楚描述的條件下重現解碼器結果。外部團隊應能識別已測試的問題、重現基準線,並報告運行時間及準確度。成功重現將在該比較的範圍內加強信心。

較窄的優勢同樣重要。若結果會隨硬件、配置或所需準確度而改變,便可細化這項主張的實際適用範圍。這不會抹殺原有實驗,卻會改變開發人員應如何套用其結論。

第三個訊號,是具可信基準線的完整應用程式工作流程。研究人員應說明科學目標、每種運算資源的貢獻、最終準確度,以及所需的總工作量。若整個流程均有改善,便能更有說服力地連接這項合作的各個組成部分。

若結果只加快其中一個階段,而整體性能未有改變,便只支持較有限的結論。它可識別進展,並揭示下一項限制。只要報道清楚交代界線,這仍是有用的工程證據。

對開發人員而言,這些訊號提出了一項具體的閱讀策略。先從實驗目標入手,檢視比較條件,然後問結果是否適用於正在考慮的系統。最高倍數應放在評估的最後,待其意義確立後才看。

對企業買家而言,同一做法可將參與研究與採購決定分開。存取實驗平台可有助建立專業知識及測試假設。承諾投入生產使用,則需要與相關應用程式及運作環境有關的證據。

對其他科技用戶而言,沒有足夠理由預期單憑這項公布便會改變日常 AI 工具。其即時意義在於科學計算研究,以及評估未來量子系統所需的基礎設施。

NVIDIA 與 IBM 的量子合作,為讀者提供了一組值得追蹤的主張,而非一條單一終點線。留意所提出的平台是否變得可供存取、獨立團隊是否重現相關解碼增益,以及完整應用程式是否相對可信替代方案有所改善。比較未來更新時,應將軟件結果與架構計劃分開。閱讀每項基準測試時,應連同其準確度目標及基準線一併理解,然後尋找能將這些細節連接至有用科學答案的實驗。完整工作流程中的哪一部分有所改善,而另一個團隊能否在可比較條件下驗證該改善?這才是帶到下一次公布時值得追問的問題。

 
 

為每個智能代理提供更完整的背景,提升工作表現

讓智能代理連接 remio 已整理好的知識、決策和歷史紀錄。

remio 目前支援 Windows 10+(x64) 及配備 Apple 晶片的 Mac。

你的 AI 工作夥伴
和 remio 一起高效工作

規劃、創作、交付
一站式完成

bottom of page