英偉達研究人員利用8192塊該司GH200 GPU、該司cuQuantum軟件及CUDA-Q平台的容錯邏輯計算層，在歐洲最大超算「木星」上完成104個量子比特的容錯量子計算模擬，其分階段開發流程將模擬工作時長從數週壓縮至數日。此前「木星」完成的50量子比特量子計算模擬是在理想環境進行，本次研究模擬了現實硬件噪聲的影響，並驗證名爲「魔態培育」的容錯量子計算技術路線，它有望大幅降低資源需求。
英偉達在歐洲最大超算上實現量子計算模擬新紀錄，利用8192塊GPU完成104量子比特容錯量子計算模擬，並驗證了一種有望將相關方案所需物理量子比特數量減少約90%的技術路線。這一突破有望幫助研究人員降低量子糾錯的資源開銷，加快實用量子計算系統的研發。
美東時間10月19日週一，英偉達宣佈，其研究人員依託德國於利希超級計算中心的「木星」（JUPITER）超算，開展了創紀錄的容錯量子計算模擬。此次研究工作的重點不只是將模擬規模提升至創紀錄的104個量子比特，更在於對量子處理器在現實噪聲環境下執行容錯計算的過程進行建模，幫助研究人員在真正製造硬件之前評估和優化設計。
這項研究也凸顯了英偉達在量子計算產業中的另一條佈局路徑：除了向人工智能（AI）和高性能計算提供GPU基礎設施，公司還在推動GPU超算與量子處理器協同工作，利用經典計算系統模擬、驗證和優化未來的量子硬件。
英偉達CEO黃仁勳表示，理解複雜容錯系統在大規模運行時的表現，是實現實用量子計算的關鍵，而GPU超算能夠幫助研究人員處理此前難以企及的研究問題。
從理想環境走向真實噪聲，模擬規模進一步擴大
量子計算的潛力在於利用量子比特的疊加、糾纏等特性，處理某些經典計算機難以高效解決的問題。但量子比特極易受到外界干擾，控制和操作過程中產生的噪聲會引發錯誤。要讓量子計算機真正執行復雜、長時間的計算任務，必須解決錯誤累積的問題。
容錯量子計算正是應對這一挑戰的關鍵路徑。其核心是通過量子糾錯等技術，降低物理量子比特的錯誤對計算結果的影響，使系統能夠可靠地執行更復雜的運算。
英偉達此次模擬的重要性，在於它不再侷限於理想、無噪聲環境下的量子計算，而是模擬了現實硬件噪聲對容錯計算過程的影響。
根據公司公告，此前德國於利希研究團隊曾在「木星」上完成50個量子比特通用量子計算機的完整模擬，但當時是在理想、無噪聲條件下進行。此次104量子比特模擬則針對容錯計算中的關鍵環節展開，研究規模和模擬場景均進一步拓展。
這一差異具有實際意義：理論上可行的量子計算方案，並不一定能在真實硬件的噪聲環境中穩定運行。通過經典超算提前模擬量子處理器的行爲，研究人員可以更早發現錯誤來源、評估糾錯方案的表現，並在投入成本高昂的量子硬件製造與實驗之前，篩選更有希望的設計。
魔態培育挑戰傳統方案，降低量子糾錯資源開銷
此次研究的另一項核心成果，是驗證了名爲「魔態培育」（magic state cultivation）的容錯量子計算技術路線。
在容錯量子計算中，魔態是執行通用量子計算所需的一類特殊量子態。由於相關計算過程會持續消耗魔態，系統必須不斷製備新的魔態，因此，如何以更低的資源成本生成魔態，直接影響構建實用量子計算機所需的硬件規模。
傳統方案通常採用「魔態提純」（magic state distillation），通過一系列量子操作製備高質量魔態，但這一過程可能消耗大量物理量子比特。英偉達稱，魔態培育是一種有望顯著降低資源需求的替代方案，此次模擬驗證的技術路線所需物理量子比特數量比此前方法減少約90%。
需要注意的是，減少九成指的是相關魔態製備方案的物理量子比特需求，並不意味着整個量子計算系統的所有硬件需求都能統一減少九成，也不代表實用量子計算機已經實現商業化。
但如果這一技術路線能在不同量子硬件架構和實際運行條件下持續得到驗證，其潛在價值不容小覷。物理量子比特資源越充足，系統就越有機會構建足夠數量的邏輯量子比特，並運行更復雜的算法。降低魔態製備的資源開銷，意味着可以將更多硬件資源用於實際計算，而非僅僅用於糾錯和維持計算所需的量子態。
8192塊GPU協同，數週模擬壓縮至數天
此次成果背後，是英偉達加速計算軟硬件體系與歐洲超算基礎設施的協同。
英偉達披露，此次模擬運行於「木星」超算的8192塊英偉達GH200 GPU之上。該系統位於德國於利希超級計算中心，是歐洲首臺百億億次級超算。
研究團隊並非直接在整套超算上開展所有開發工作。項目早期先在英偉達加速量子研究中心（NVAQC）的NVIDIA GB200 NVL72系統上進行測試，將規模從4塊GPU逐步擴大至數百塊GPU，驗證模擬方法、精度和計算資源之間的關係，再將任務擴展至「木星」的8192塊GPU配置。
英偉達表示，這一分階段開發流程將原本需要數週的模擬工作壓縮至數天。
軟件方面，研究使用了英偉達的cuQuantum軟件，以及CUDA-Q平台中的容錯邏輯計算層。前者爲量子計算模擬提供加速工具，後者支持研究人員對容錯量子計算系統進行建模與開發。
這也體現了英偉達在量子計算領域的差異化定位：公司並不需要僅靠自研量子處理器參與競爭，還可以憑藉GPU、互連網絡、模擬軟件和開發平台，成爲量子計算研究及未來硬件設計的重要基礎設施提供者。
隨着量子系統複雜度提升，經典計算機模擬量子系統的內存和計算需求會迅速增長，單純依靠傳統計算資源越來越難以覆蓋更大規模、更高精度的模擬。GPU加速計算與超算的結合，有望幫助研究人員在真實量子硬件建成前完成更多驗證工作。
藥物研發、材料科學等應用仍待硬件驗證
英偉達稱，更高保真度的模擬能夠幫助研究人員在製造硬件之前預測未來量子處理器的表現，減少對反覆硬件試驗的依賴，並有望縮短實用量子計算系統的研發週期。
潛在應用包括藥物發現、金融建模和材料科學等領域。這些領域涉及複雜的分子、物理系統或優化問題，是量子計算長期受到關注的原因之一。
不過，模擬取得突破與量子計算真正產生商業價值之間仍有距離。此次成果驗證的是特定容錯計算技術路線在模擬環境中的表現，並不等同於已經制造出能夠穩定運行相應規模通用算法的量子計算機。未來仍需結合實際量子處理器的硬件實驗，檢驗相關方法在不同設備、噪聲水平和計算任務中的適用性。
於利希超級計算中心主任Kristel Michielsen表示，JUPITER讓研究人員能夠探索此前難以觸及的問題，與英偉達合作有助於科學家更有依據地判斷哪些設計最有可能實現實用應用。
從產業角度看，此次突破也表明，量子計算的發展並非經典計算與量子計算之間的簡單替代關係。至少在研發階段，GPU超算可以成爲量子硬件的重要協作工具：經典計算負責模擬、驗證和優化，量子處理器則在逐步成熟後承擔特定計算任務。
對英偉達而言，這一佈局有望將公司的競爭邊界從AI訓練與推理、高性能計算進一步延伸至量子計算研發基礎設施。但其長期商業價值，仍取決於量子計算產業的成熟速度、CUDA-Q與cuQuantum等工具的採用情況，以及這些技術能否持續轉化爲實際應用。
編輯/stephen