本报讯 (记者 王镜茹)
近日,上海中器无量量子科技有限公司(以下简称“中器无量”)联合中移动、中电科、上海交通大学、中国科学院上海光学精密机械研究所等机构的研究人员,提出面向中性原子量子计算的现场可编程门阵列(FPGA)与图形处理器(graphicsprocessingunit,GPU)异构实时纠错解码架构。相关论文已在预印本平台arXiv公开。
这项研究公布了一个微秒级数据:在32字节数据包条件下,FPGA与GPU双向通信合计延迟约为2.72微秒。
对中器无量及合作团队而言,2.72微秒的意义在于:围绕量子测控与GPU之间的数据交互,团队给出了一套可测量、可迭代的架构方案,并将人工智能解码引入处理流程。
据悉,此次研究将前端图像处理与GPU解码连接起来。FPGA负责整理测量信息,GPU负责运行解码算法,两者通过基于高速串行计算机扩展总线(PCIe)的GPUDirect远程直接内存访问(RDMA)路径交换数据。
通俗地说,团队为FPGA与GPU建立了一条更直接的数据通道:FPGA可以将数据写入GPU显存,减少主机内存中转和中央处理器(CentralProcessingUnit,CPU)参与的数据复制,让测量信息更快进入计算环节。
研究针对每种数据包大小进行了1万次独立传输测试。结果显示,在32字节至1千字节的数据包范围内,FPGA至GPU、GPU至FPGA两个方向的单向传输延迟均低于2微秒,其中32字节数据包的双向通信合计延迟约为2.72微秒。
目前,量子纠错存在多种技术方案。随着量子处理器规模扩大、错误特征变化,解码算法也需要持续调整。如果每更换一次算法,都要重新设计大量硬件逻辑,系统迭代的成本和周期就会增加。
中器无量及合作团队采用的方案,是让FPGA承担前端处理,把核心解码任务放在GPU侧。相较于将特定解码算法主要实现在FPGA硬件逻辑中的方案,GPU侧解码可以通过软件更新或替换算法,减少对硬件逻辑重新设计的依赖。
论文评估了三种代表性组合:重复码与查找表解码、色码与置信传播—有序统计解码(BP-OSD),以及旋转表面码与人工智能解码,考察不同任务下的解码准确率与处理延迟。
中性原子平台的时序特点,为这种设计提供了空间。当前相关实现中的纠错周期通常处于毫秒量级,相比超导平台常见的微秒级节拍,经典处理拥有更宽的时间窗口,可以探索更多硬件与算法组合。
这也使研究团队有机会在速度、准确率和灵活性之间寻找更合适的平衡,为未来更大规模的纠错任务做准备。
量子与人工智能的结合,常被讨论为“量子计算能否加速人工智能”。但在当前阶段,另一个方向已经进入研究者视野:人工智能能否先帮助量子计算机更可靠地运行?
此次研究将Transformer结构的人工智能解码器部署到GPU处理流程中,利用测量记录在不同位置、不同时间之间的关联,辅助判断可能发生的错误。
在论文测试范围内,该人工智能解码器的逻辑错误率低于未采用相关性重加权的标准最小权完美匹配基线,展示了人工智能辅助量子纠错的潜力。
对中器无量而言,此次成果展示的是将前端读出、低延迟互联和多类解码算法纳入统一流程的系统能力。这类能力需要在硬件搭建、软件部署和反复测试中逐步积累,也是量子设备走向实际部署需要建立的工程基础。
未来,量子计算设备若要进入算力中心,需要与GPU、经典控制系统及软件平台协同运行。此次研究探索的低延迟互联与人工智能辅助解码,有望为量智融合数据中心中的量子—经典交互,以及量子人工智能等混合计算任务积累底层能力。
(编辑 张伟)

暂无评论