NVIDIA宣布，已在德国JUPITER超级计算机上完成104量子比特规模的量子模拟，并验证了一种有望将量子纠错所需物理量子比特资源降低90%的方法。研究结果显示，借助高性能GPU超算对大规模量子系统进行建模与误差分析，有望降低实现实用级容错量子计算的资源门槛。

据TechRadar当地时间22日报道，上述模拟由NVIDIA研究人员在德国于利希超级计算中心完成。研究聚焦于特殊量子资源“魔态（Magic State）”的高效制备，以支撑量子纠错。

此次研究的核心是“Magic State Cultivation”。在量子计算中，系统规模越大，误差控制就越困难。如何在保证计算精度的同时压缩物理量子比特需求，一直是推动容错量子计算落地的关键问题。

与以往研究相比，这次模拟的一大特点，是引入了更贴近真实量子硬件的噪声条件，而非建立在理想化环境假设之上。这样一来，研究团队得以更接近实际情况地评估纠错方案在复杂误差环境下的表现。

此前，于利希方面曾在理想条件下完成50量子比特规模的模拟。本次研究则将规模扩大至104量子比特，并在引入现实噪声模型的前提下测试纠错方法的效果。

NVIDIA研究团队表示，与现有方法相比，Magic State Cultivation可将量子纠错所需的物理量子比特资源减少90%。不过，这一结论目前仍基于模拟结果，能否在真实量子处理器上实现同等幅度的资源节省，仍有待进一步验证。

NVIDIA首席执行官Jensen Huang表示，真正有用的量子计算离不开复杂的容错系统，而理解这类系统在大规模条件下如何运行，是实际构建相关平台的前提。Jensen Huang还称，于利希的这项研究表明，将量子处理器研究与GPU超算结合，能够推动过去难以开展的课题继续向前推进。

本次研究所使用的核心算力基础设施为JUPITER。研究团队基于NVIDIA GH200平台开展模拟，最多调用8192块GPU。

在迁移至JUPITER之前，团队先在NVIDIA加速量子研究中心的GB200 NVL72系统上完成预验证，GPU规模从4块逐步扩展至数百块。在确认性能与精度后，再将任务转移至JUPITER执行。

NVIDIA表示，这一预验证流程也有助于缩短整体计算周期。原本需要数周完成的模拟任务，被压缩至数天内完成，从而提升了JUPITER算力资源的使用效率。

软件方面，研究使用了NVIDIA的cuQuantum和CUDA-Q平台，用于构建量子电路并执行Magic State Cultivation相关计算，同时在以GPU为核心的经典计算环境中对大规模量子系统行为进行建模。

大规模量子模拟的价值，在于能够在真实量子处理器问世之前，先行评估设计方案并测试纠错路径。在研发早期，这种方式既可减轻高成本物理实验的负担，也有助于估算未来所需的硬件规模与资源配置。

对于新药研发、金融建模等依赖复杂计算的应用场景而言，量子计算若要走向实用化，除了扩大计算规模，还需要相应的纠错与控制能力支撑。若纠错所需的物理量子比特数量能够进一步下降，系统建设的硬件负担也有望随之减轻。

不过，此次成果本质上仍属于基于经典计算基础设施的量子系统仿真，并非真实量子处理器上的实验结果。因此，模拟中观察到的资源节省效果能否在真实量子硬件上复现，仍是下一阶段需要确认的问题。业界更倾向于将这项研究视为GPU超算在大规模量子纠错设计与验证中的一次能力展示，而非实用量子计算已经成熟的信号。