دیجی‌نت

اخبار

انویدیا با IBM و فرمی‌لب دست به یکی کرد؛ تستی که ۱۲ هفته طول می‌کشید حالا ۴۵ دقیقه‌ست

0 بازدید

⚛️ دوشنبه ۲۵ آبان ۱۴۰۵ (۱۶ نوامبر ۲۰۲۶)، انویدیا توی اطلاعیهٔ رسمی‌ای که روی NVIDIA Newsroom منتشر کرد، دو تا خبر کوانتومی رو با هم اعلام کرد: یه همکاری تازه با IBM و آزمایشگاه ملی شتاب‌دهندهٔ فرمی (Fermilab) و یه الگوریتم جدید برای پیدا کردن خطاها که سرعت تحقیق روی کامپیوترهای کوانتومی رو چند هزار برابر بالا می‌بره. فرمی‌لب هم همون روز توی سایت خودش جزئیات سهم خودش رو منتشر کرد.

اول بگیم مشکل کجاست

کامپیوترهای کوانتومی خیلی حساسن. یه لرزش کوچیک یا یه تغییر جزئی دما می‌تونه کل محاسبه رو به‌هم بریزه. راهی که براش پیدا کردن اسمش Quantum Error Correction (تصحیح خطای کوانتومی) هست: اطلاعات رو روی چند تا کیوبیت پخش می‌کنن تا اگه یکی‌شون خطا کرد، بشه درستش کرد.

ولی یه نکته هست. کسی که باید بفهمه دقیقاً کجا خطا رخ داده، خود کامپیوتر کوانتومی نیست؛ یه برنامه روی کامپیوتر معمولیه که بهش Decoder (رمزگشا) می‌گن. این برنامه نتیجهٔ اندازه‌گیری‌ها رو می‌خونه و حدس می‌زنه کدوم کیوبیت‌ها خراب شدن. هرچی این کار سریع‌تر و دقیق‌تر باشه، کامپیوتر کوانتومی زودتر به جایی می‌رسه که بشه واقعاً ازش کار کشید.

الگوریتم TCBP-JOBS چی کار می‌کنه؟

انویدیا این الگوریتم رو از همون روز توی کتابخونهٔ CUDA-Q QEC 0.9.0 در دسترس گذاشته. طبق مقالهٔ پژوهشی خود انویدیا، این روش دو مرحله داره:

  • اول از رفتار خود الگوریتم در حین کار یاد می‌گیره که احتمال خطا توی هر نقطه چقدره.
  • بعد با همین اطلاعات، جست‌وجو برای پیدا کردن خطا رو هم‌زمان روی هزاران هستهٔ GPU (کارت گرافیک) پخش می‌کنه.

نتیجه؟ توی یکی از تست‌ها، باید ۲۴.۲ میلیون نمونه بررسی می‌شد. روش قبلی (دیکدری به اسم Tesseract) برای این کار حدود ۱۳۰ هزار ساعت پردازش CPU (پردازندهٔ معمولی) لازم داشت؛ یعنی چیزی حدود ۱۲ هفته روی یه سرور ۶۴ هسته‌ای. TCBP-JOBS همین کار رو روی یه GPU مدل GB200 توی ۴۵ دقیقه تموم کرده. دقتش هم در حد همون روش قبلیه و روی بزرگ‌ترین کدها، خطای نهایی تا ۴.۵ برابر کمتر بوده.

پلتفرم مشترک با IBM و فرمی‌لب

بخش دوم خبر، یه پلتفرم مشترک برای طراحی کامپیوترهای کوانتومی ماژولاره؛ یعنی کامپیوترهایی که از چند پردازندهٔ کوانتومی به‌هم‌وصل ساخته می‌شن:

  • انویدیا سیستم‌های DGX B200 خودش رو کنار کامپیوترهای کوانتومی IBM، از جمله اونایی که با پردازندهٔ IBM Quantum Nighthawk کار می‌کنن، نصب می‌کنه.
  • محقق‌ها روی این پلتفرم کدهای تصحیح خطا، دیکدرها و برنامه‌های ترکیبی کوانتومی و کلاسیک رو برای فیزیک انرژی‌های بالا و فیزیک هسته‌ای امتحان می‌کنن.
  • فرمی‌لب بخش کاربردهای علمی رو هدایت می‌کنه و دسترسی محقق‌ها رو از طریق زیرساخت HEPCloud هماهنگ می‌کنه.
  • انویدیا داره Slurm، یعنی همون Workload Manager (مدیر صف کارها) متن‌بازی که بیشتر ابرکامپیوترها باهاش کار تقسیم می‌کنن، رو طوری گسترش می‌ده که پردازنده‌های کوانتومی هم مثل بقیهٔ منابع توی صف قرار بگیرن. IBM هم با Quantum Resource Management Interface (رابط مدیریت منابع کوانتومی) خودش توی این بخش همکاری می‌کنه.

هوش مصنوعی کجای این داستانه؟

فرمی‌لب گفته محقق‌ها روی این پلتفرم الگوریتم‌ها، تصحیح خطا، بهینه‌سازی با کمک هوش مصنوعی و کنترل هم‌زمان کوانتومی و کلاسیک رو تست می‌کنن. خود TCBP-JOBS هم به‌جای قانون‌های ثابت، احتمال خطاها رو از داده یاد می‌گیره و همین روی همون GPUهایی اجرا می‌شه که مدل‌های هوش مصنوعی رو آموزش می‌دن. یعنی سخت‌افزار و نرم‌افزاری که برای هوش مصنوعی ساخته شده، حالا داره راه کامپیوترهای کوانتومی رو هموار می‌کنه.

چرا برای شما جالبه؟

کامپیوتر کوانتومی قراره جاهایی کمک کنه که کامپیوتر معمولی کم میاره؛ مثل طراحی دارو و مواد جدید. انویدیا توی همین اطلاعیه به کار مشترک IBM و مؤسسهٔ RIKEN ژاپن اشاره کرده که با روش ترکیبی کوانتومی و کلاسیک، ترکیب پروتئین و دارو رو تا ۱۲,۶۳۵ اتم شبیه‌سازی کرده؛ در حالی که رکورد قبلی این روش ۳۰۳ اتم بود. هرچی تحقیق روی تصحیح خطا سریع‌تر جلو بره، این شبیه‌سازی‌ها هم زودتر از آزمایشگاه به داروخونه و صنعت می‌رسن. 💊

یه چند تا نکته

  • عدد «۱۳ هزار برابر» مال مقایسه با یه تنظیم خاص و سنگین از Tesseract روی یه خانوادهٔ مشخص از کدهاست. طبق همون مقاله، در مقایسه با تنظیم‌های سبک‌تر، سرعت بین ۱۰ تا ۷,۴۰۰ برابر بیشتر شده.
  • این عددها ادعای خود انویدیاست و دربارهٔ شبیه‌سازی و کار تحقیقاتیه، نه اینکه یه کامپیوتر کوانتومی واقعی همین الان ۱۳ هزار برابر سریع‌تر شده باشه.
  • پلتفرم مشترک با فرمی‌لب فعلاً در حد برنامه و توافق اولیه‌ست و هنوز زمان دقیقی برای راه‌اندازی کاملش اعلام نشده.

#کامپیوتر_کوانتومی #هوش_مصنوعی #انویدیا

🔗 اطلاعیه رسمی انویدیا
🔗 خبر فرمی‌لب
🔗 مقاله پژوهشی

ورود به دیجی‌نت

بازگشت به فهرست بلاگ