NVIDIAとQuEraは、デコードプロセスを大幅に加速・スケーリングすることで量子誤り訂正(QEC)を改善するトランスフォーマーベースのAIデコーダーを開発しました。NVIDIA CUDA-Qプラットフォームを使用して構築されたこのデコーダーは、性能とスケーラビリティの両面で最先端の最尤誤り(MLE)デコーダーを上回ります。QuEraの中性原子量子プロセッシングユニット(QPU)でのベンチマークでは、AIデコーダーが高精度、低レイテンシー、高い耐障害性で誤り症候群を処理できることが実証され、実用的な大規模量子コンピューティングへの重要な一歩となりました。 NVIDIA AIデコーダーは、複数の物理量子ビットからの誤り症候群をリアルタイムで処理して補正操作を推論する必要があるQECデコーディングの主要なボトルネックに対処します。量子ビット数の増加とともに指数関数的に遅くなる従来の手法とは異なり、トランスフォーマーベースのデコーダーはグラフニューラルネットワーク(GNN)とアテンション機構を活用して、症候群と論理量子ビット間の依存関係を効率的にモデル化します。この構造により、デコーダーは人工的に生成された症候群データから学習でき、コストのかかる実験的QPU実行への依存を減らすことができます。初期の結果では、QuEraの距離3マジック状態蒸留(MSD)回路において、NVIDIA AIデコーダーはMLEデコーダーを上回り、低レイテンシーを維持しながらより高忠実度のマジック状態を生成しました。 マジック状態蒸留(MSD)は、ユニバーサル量子計算に必要な高忠実度マジック状態を生成するために使用される、耐障害性量子コンピューティングの中核コンポーネントです。QuEraの実験では、35個の中性原子量子ビットを5つの論理マジック状態に符号化し、その後[[7,1,3]]カラーコードを使用した5対1 MSDプロトコルで単一の高忠実度マジック状態に蒸留することに成功しました。主要な革新は相関デコーディングの実装で、誤り症候群を各論理量子ビット独立ではなく、全体で集合的に分析しました。この方法は、論理二量子ビットゲートによって引き起こされる相関誤差を修正することでデコーダーの精度を大幅に向上させます。ただし、MLEベースのデコーダーは小さなコード距離を超えてスケールせず、NVIDIAのAI駆動型手法のような代替アプローチが必要です。 実用的な耐障害性量子コンピューティングを実現するには、論理誤り率を減らすためにより高距離のQECコードが必要です。しかし、MLEベースのデコード時間は距離3を超えると実用的な限界を超え、距離5以上では実現不可能になります。NVIDIAとQuEraは、特にNVIDIA加速量子研究センター(NVAQC)とNVIDIA Eosスーパーコンピューターを使用してAIデコーダーをスケールすることを目指しています。これらは1時間あたり500兆のデータショットを生成できます。NVIDIAチームは、以前の手法と比較して100万倍高速な合成データ生成を可能にする新しいサンプリングアルゴリズムを開発しました。距離3 AIデコーダーのトレーニングには42台のH100 GPUが必要で1時間で完了しましたが、より大きなコード距離へのスケーリングには最新のNVIDIA Blackwell GPUと高度に並列化されたAIアーキテクチャが必要になります。 このAI駆動型デコーダーは、量子誤り訂正と論理量子ビット符号化における主要な計算上のボトルネックを解決し、スケーラブルな耐障害性量子コンピューティングへの大きな一歩を表しています。NVIDIAとQuEraによるAI駆動型QEC、大規模シミュレーション、並列化デコーダーアーキテクチャの継続的な進歩は、数百万量子ビット規模での実用的な量子アプリケーションを実現するために不可欠となるでしょう。 2025年3月21日