インサイダーブリーフ：
- NVIDIAは、ハードウェアレースとしてではなく、加速コンピューティング、ディープ統合、AI駆動型のコラボレーションを必要とする共有インフラストラクチャチャレンジとしての量子コンピューティングを位置付けています。
- GTC 2025で、NVIDIAは、NVIDIAが加速した量子センターを発表し、ハイブリッド量子クラシックシステムを強調する一連の量子パートナーシップを発表することにより、この役割を強化しました。
- QC Design、Pasqal、SeeQCなどの企業は、NVIDIAのCUDA-Qプラットフォームを統合して、量子誤差補正、断層許容度、シミュレーションのスケーラビリティに対処しました。
- 研究機関とスタートアップは、NVIDIAのAIスーパーコンピューティングを使用して、イメージング、レイアウトの最適化、エラーデコード、ハイブリッドアルゴリズムの開発における量子開発をパワーしています。
Quantum Computingは、Nvidiaの新しいフロンティアではありません。これはシステムレベルの課題であり、同社がサポートするためにユニークな位置にある1つです。 Nvidiaは、Quantumを最大のマシンを構築する競争とは見なしていませんが、インフラストラクチャの共有問題として、また、コンピューティングの加速、スケーリングされたコラボレーション、および分野間の深い統合を要求するものとして見ています。
この考え方は、今年のGTCで静かな展示にありました。見出しはオープンソースのロボット工学に支配されていましたが、次世代のGPU、および無数のAIインフラストラクチャが明らかにしていますが、AIの派手な日と自動化の間に隠れていたのはQuantum Dayであり、Nvidiaの長期的な方向性についての話を謙虚に伝えました。
週の間に、メインステージからのもの、並行して他のものは、Nvidiaが量子ハードウェアレースに参加していないことを明確にしています。それは常に行ってきたことをやっています。他の人がさらに速く進むのに役立つツールとシステムを構築することです。
このアプローチは新しいものではありません。 NvidiaがQuantumの将来に適合する場所を理解するには、ロボットや自動運転車にどのようにアプローチしたかを見るだけです。 Nvidiaの量子コンピューティングのグループプロダクトマネージャーであるSam Stanwyckとして、それをQuantum Insiderとの最近のインタビューに入れました。
「私たちは独自の自動運転車を建設していませんが、他のすべての人を助けます。独自のロボットを構築するのではなく、他のすべての人を助けます。独自の量子コンピューターを構築しませんが、私たちの使命はAIを持ち込み、他のすべての人を助けるためにコンピューティングを加速することです。」
それが会社のMOです。 NvidiaはAIに優れており、コンピューティングを加速し、そのパワーをより広いエコシステムに埋め込みます。 Stanwyckが強調したように、「私たちは加速コンピューティング会社であり、Quantumは加速コンピューティングの未来の重要な部分であると考えています。」目標は、ボトルネックを減らし、エラー補正をスピードアップし、実際にスケーリングするハイブリッド量子古典的なワークフローを可能にすることで、量子ハードウェアレースを支配することではなく、加速することです。
この戦略は、NVIDIAのスーパーコンピューティングハードウェアが業界パートナーや研究機関のQPUと並んで座るNVIDIA加速Quantum Centerの開発に具体化されています。目的は、「聖三位一体」（聖三位一体、AI、Quantum）がサイロではなく相乗効果で動作する方法を探ることです。 Stanwyckが明らかにしたように、「Quantumは私たちにとって非常に重要です…そして、加速されたコンピューティングとAIが、私たち全員が望んでいる場所に量子コンピューティングを取得するために不可欠であることもわかります。」
NVAQCに加えて、1週間を通して量子関連のパートナーシップと統合の波が現れました。GTC中に発表されたものもあり、他の人も並行して発表しました。 GTC 2025とその周辺の日々からのすべての量子駆動の発表の内訳は次のとおりです。
Nvidiaが加速した量子研究センター
Nvidiaは、ボストンの加速された量子研究センターを立ち上げ、実用的な量子コンピューティングを進めるために、量子ハードウェアをAIスーパーコンピューターと統合しています。このセンターは、Quimbit NoiseやError Correctionなどの課題に対処するために、HarvardやMITなどのトップ大学など、Quantinuum、Quera、Quantum Machines、およびMITなどのトップ大学などのパートナーと協力します。 NVIDIAのGB200 NVL72システムとCUDA-Qプラットフォームを使用して、ハイブリッド量子アルゴリズムとAI駆動型量子アプリケーションを開発します。 NVAQCは、今年後半に運用を開始する予定です。詳細はこちらをご覧ください。
QC設計先駆者GPU障害量断層トレランス設計
QC Designは、NvidiaのCuquantum SDKをPlaquetteソフトウェアに統合し、障害耐性量子回路のGPUアクセラレーションのフルステートシミュレーションを可能にしました。これにより、研究者は、20GBメモリを備えた単一のRTX 4000 GPUで400以上のキュービットをシミュレートすることができます。 Plaquetteは、20種類のハードウェアの欠陥を超える60キットの回路とモデルで最大180倍高速サンプリング速度を達成しました。続きを読む ここ。
Quantum Machinesは、NVIDIA DGX Quantum Early Customer Programを開始し、OPX1000量子制御プラットフォームとNVIDIAのGH200 Grace Hopper Superchipsを組み合わせた密接に統合された量子分類システムを導入しました。このシステムは、4マイクロ秒未満のレイテンシを使用したリアルタイムの量子エラー補正とAI駆動型キャリブレーションを実現します。早期採用者には、MITのEQUSグループ、イスラエルQuantum Computing Center、DIRAQ、およびENS Lyonが含まれ、ハイブリッドアルゴリズムや高速フィードバックなどのアプリケーションにプラットフォームを使用しています。詳細はこちらをご覧ください。
nvidia cuda-qプラットフォームでハイブリッド量子コンピューティングを進めるためのpasqal
Pasqalは、ニュートラルアトム量子コンピューティングプラットフォームをNvidiaのCUDA-Qと統合し、CPU、GPU、およびQPUでシームレスなハイブリッド量子クラシカルプログラミングを可能にしました。このコラボレーションは、パルサーライブラリとCUDA-QのPythonおよびC ++インターフェイスを組み合わせて、Pasqalの開発者ツールを拡張し、高度なアナログ量子プログラミングとシミュレーションをサポートします。統合は、HPCコミュニティに新しいワークフローを開き、相互運用性を高め、量子アプリケーション開発を加速させます。続きを読む ここ。
SEEQCとNVIDIAは、量子プロセッサとGPUの間の最初の完全なデジタル、チップ間のインターフェイスを実証し、マイクロ秒レイテンシと1000Xの少ない帯域幅で量子エラー補正を可能にします。 SeeQCのシングルフラックスQuantum（SFQ）テクノロジーを搭載し、NvidiaのCuda-Qプラットフォームと統合されたこのインターフェイスは、量子コンピューティングでキースケーリングボトルネックを削除します。これは、量子システムと古典的なシステム間のリアルタイムの低遅延コミュニケーションを可能にすることにより、不均一なコンピューティングに対する顕著な開発です。詳細はこちらをご覧ください。
Miterは、nvidia cuda-qを使用して新しい量子イメージングを構築します
MiterとNvidiaは、MiterのWalshイメージングテクノロジーを含む量子イメージングシステムを設計するためのシミュレーションを加速するために提携しています。ウォルシュイメージングは、半導体または脳ニューロンからのナノスケールの電磁信号をリアルタイムで非侵襲的にキャプチャでき、医学、マイクロエレクトロニクス、セキュリティのブレークスルーを提供します。 NvidiaのCuda-QプラットフォームとDGXスーパーポッドを活用することにより、Miterはこれらの複雑な量子システムを1時間以内にシミュレートして最適化できます。これは以前に数日かかったタスクです。このコラボレーションは、量子センシングおよびイメージング技術の進歩におけるGPU加速コンピューティングの役割の増大を強調しています。続きを読む ここ。
nvidia cuda-Qで利用可能になり、量子シミュレーションの合理化が利用可能になりました
Quantum Ringsは、高性能量子回路シミュレーションテクノロジーをNvidiaのCuda-Qプラットフォームと統合し、大規模な量子回路のGPUアクセラレーションシミュレーションを可能にします。これにより、研究者と開発者は、消費者GPUとHPCクラスターの両方を使用して、複雑な量子アルゴリズムを迅速に反復することができます。統合は、将来の断層耐性量子ハードウェアに備えて、より速く、より費用対効果の高いテストをサポートします。現在、CUDA-Qの標準シミュレーターとして利用可能になったQuantum Ringsは、学界と産業の両方の量子シミュレーションツールへのアクセスを拡大しています。続きを読む ここ。
NVIDIAおよびOQCでエラー抑制をスケーリングすることにより、量子優位性を加速するQ-CTRL
Q-Ctrlは、NvidiaおよびOxford Quantum Circuitsと協力して、NVIDIA GPUによるレイアウトランキングを加速することにより、量子誤差抑制の計算コストの削減を達成しました。彼らのソフトウェアであるFire Opalは、AI駆動型の手法を使用して、量子回路をハードウェアに効率的にマッピングします。これは、キュービットカウントが成長するにつれてますます複雑になるプロセスです。 NVIDIAの急流とCUDFライブラリを使用したGPU加速度は、レイアウト選択時間を短縮し、大規模なベンチマークでのCPUベースの方法よりもスピードアップを達成しました。これらの進歩は、コストと実行時間を削減するだけでなく、アルゴリズムの忠実度とスケーラビリティを改善します。続きを読む ここ。
NvidiaおよびQueraは、AIを使用した量子誤差をデコードします
NvidiaとQueraは、量子誤差補正のためのトランスベースのAIデコーダーを開発し、最尤推定のような従来のデコーダーを上回り、より大きなスケーラビリティを提供します。 CUDA-Qを介したGPUアクセラレーションシミュレーションを使用してトレーニングされ、QueraのニュートラルアトムQPUのデータで検証されたデコーダーは、誤った量子コンピューティングのために批判的な魔法状態蒸留回路のより速く、より効率的なデコードを可能にします。 AIモデルは、MLEの100ミリ秒以上と比較して、より高い受け入れ比でより高い忠実度を達成し、ミリ秒未満でデコードを完了します。デコーダーをより高いコード距離にスケーリングすると、NVIDIAのNVAQCやEOSなどのAIスーパーコンピューターを活用して、大規模なトレーニングデータセットを生成し、実用的な量子システムのリアルタイムデコードをサポートします。続きを読む ここ。
INFLEQTIONは、NVIDIA CUDA-Qおよび量子にインスパイアされたアルゴリズムを使用してAI開発を強化するためのコンテキスト機械学習を発表します
GTC 2025では、Infleqtionはコンテキスト機械学習を発表しました。これは、リアルタイムの意思決定を改善するために、拡張された時間枠で複数のソースからデータを処理するように設計されたAIアプローチです。 CMLは、CUDA-Qプラットフォームを使用してNVIDIA A100 GPUに実装されており、将来の量子駆動機械学習の基礎を築きながら、防衛、エネルギー、自律システムのAIパフォーマンスを強化します。この作業は、量子材料の設計におけるInfleqtionの以前のCUDA-Q駆動型のブレークスルーに基づいており、AIスーパーコンピューティングと量子コンピューティングの収束の増加を強調しています。続きを読む ここ。
