Корпорація Nvidia зробила важливий крок у розвитку квантових обчислень, опублікувавши код та інструменти для навчання спеціалізованого ІІ-модуля Ising Decoder ColorCode 1 Fast. Ця нейромережа призначена для попередньої обробки сигналів про помилки в квантових системах, після чого передає уточнені дані класичному декодеру Chromobius.
Результати симуляції вражають: зв'язка двох алгоритмів знизила частоту логічних помилок у 347,7 раза та прискорила загальну обробку в 7,3 раза порівняно з роботою одного Chromobius. Тестування проводилося на моделі квантової пам'яті з кодовою відстанню 31 та фізичною частотою помилок 0,3%. Важливо підкреслити: експеримент виконувався на синтетичних даних, а не на реальному квантовому процесорі, що є стандартною практикою на даному етапі досліджень.
Архітектура Ising Decoder ColorCode 1 Fast являє собою 17-шарову тривимірну згорткову нейромережу з приблизно 2,9 млн параметрів. Поле охоплення мережі становить 13, а для навчання використовувалися вхідні масиви розміром 13 × 13 × 19. Модель не є самостійним декодером — вона діє як фільтр, аналізуючи локальні сигнали, скорочуючи їхню кількість та передаючи Chromobius розріджену карту помилок для фінального рішення.
Кольорові коди: від теорії до практики
Квантова корекція помилок — ключова технологія для створення стабільних логічних кубітів із нестабільних фізичних. Декодер аналізує результати контрольних вимірювань і визначає, які збої необхідно виправити. Традиційно для зберігання квантової інформації використовуються поверхневі коди завдяки їхньому високому порогу помилок та відносній простоті декодування.
Однак кольорові коди, що дозволяють ефективніше виконувати деякі логічні операції, тривалий час залишалися в тіні через складність обробки їхніх сигналів. Відсутність швидких і точних декодерів була головним бар'єром для їхнього застосування в реальному часі. Розробка Nvidia покликана вирішити цю проблему.
Примітно, що порівняння швидкості проводилося на різному обладнанні: нейромережа запускалася на сервері Nvidia DGX GB300, а Chromobius — на процесорі Grace Neoverse-V2. Таким чином, прискорення в 7,3 раза відображає не лише різницю в алгоритмах, а й перевагу використання GPU над CPU. Тим не менш, автори дослідження зазначають, що перевага зв'язки з Chromobius зростає зі збільшенням кодової відстані.
Фреймворк та рецепти навчання опубліковані у відкритому репозиторії під ліцензією Apache 2.0. Нагадаю, що це продовження стратегії Nvidia: у квітні компанія вже представила сімейство відкритих моделей Ising, що включає інструменти для калібрування квантових процесорів.
Думка аналітика: Відкриття коду цього пре-декодера — стратегічно правильний хід. Nvidia не просто демонструє технологію, а надає спільноті інструмент для прискорення досліджень. Однак ключовим викликом залишається інтеграція таких рішень у реальні, а не симульовані квантові системи. Якщо результати підтвердяться на практиці, це може кардинально прискорити появу відмовостійких квантових комп'ютерів, які, нагадаю, IBM обіцяє створити вже до 2029 року.