NVIDIA 於當地時間 9 月 14 日宣布，在開源量子運算平台「CUDA-Q」中加入專為容錯量子電腦設計的新層「CUDA-Q Logical」。這項發表配合在加拿大多倫多舉行的量子運算國際會議「IEEE Quantum Week 2026」。其特色是能在同一條流程中組合並測試演算法、錯誤更正碼與硬體組態等要素，美國費米國家加速器實驗室（Fermilab）表示，設計所需的時間已從 5 個月縮短為 3 週。CUDA-Q Logical 目前已可在 GitHub 上取得。
迎向「邏輯量子位元」時代的基礎
量子電腦的基本單位是物理量子位元，它非常容易受到雜訊影響，若直接使用，錯誤會在運算過程中不斷累積。因此，將多個物理量子位元綁在一起、偵測並更正其中的錯誤，把整組當成一個可靠的「邏輯量子位元」來運用，被認為是實用規模量子運算不可或缺的做法。新藥開發、金融建模、材料研發等大型運算，都以這套容錯機制為前提。
不過，為容錯量子電腦開發應用程式是一件費時又繁瑣的工作。稍微修改演算法、改用另一種錯誤更正碼、重新檢視硬體組態，只要動到其中任何一項，所需的物理量子位元數量與執行時間就會大幅改變。由於各要素彼此牽動，若不一併設計（協同設計），就看不出最佳的組合。
CUDA-Q Logical 正是負責這個環節的層。研究人員可以在同一個地方設計並整合以邏輯量子位元為前提的應用程式所需的各項要素，並在不同選項之間切換，找出效能最好的組態。負責 NVIDIA 量子部門的 Timothy Costa 說明，量子運算正逐漸邁入邏輯量子位元的時代，研究人員需要一個能表達容錯系統所有面向、開放且可自訂的平台。他強調，不論量子位元的種類或架構為何，都能透過這個平台探索完整整合、協同最佳化的系統。
運作方式接近編譯器
根據 NVIDIA 研究團隊公開的技術文件，CUDA-Q Logical 位於物理執行層的正上方，透過名為「虛擬邏輯機」的抽象電腦模型，把不依賴特定硬體的量子程式逐步往下轉換。在這個過程中，它會產生用於錯誤更正的微碼、操控物理量子位元的脈衝排程，以及即時控制計畫，可以說是一套專屬於容錯量子運算的編譯器基礎架構。
筆者覺得有趣的是，所需資源的估算並非來自理論公式，而是直接由編譯器實際產生的成果推導出來。過去往往仰賴「這種規模的運算大概需要這麼多物理量子位元」的粗略估算，如今可以直接清點實際組態，估算的可信度也隨之提升。
Fermilab 加速 7 倍，矽量子位元所需數量降至十分之一
官方公布了幾組早期成果的數字。Fermilab 的研究團隊利用 CUDA-Q Logical 驗證過去的研究結果，並針對不同的錯誤更正方法與量子硬體，評估物理量子位元數量、執行時間等資源需求。他們把複雜的容錯系統設計轉換成可重複執行、可驗證的運算工作流程，結果演算法開發時程從 5 個月縮短為 3 週，加快了 7 倍。Fermilab 技術長、同時擔任超導量子材料與系統中心主任的 Anna Grassellino 表示，過去需要花費約 5 個月建置專用基礎設施的工作，如今只花 3 週就完成了。
另一個引人注目的案例來自澳洲的 Iceberg Quantum 與 Diraq。Iceberg Quantum 利用 CUDA-Q Logical，為 Diraq 的矽自旋量子位元建立容錯架構模型。結果顯示，只需 15 萬個物理量子位元就能建構 1,000 個邏輯量子位元，約為 Diraq 先前估算數量的十分之一。這個例子說明了透過設計上的巧思，能在多大程度上打破「錯誤更正需要大量物理量子位元」的既有認知。
此外，採用中性原子路線的 Infleqtion、超導路線的 IQM Quantum Computers、矽路線的 Quantum Motion、經營模擬平台的 QCDesign，以及美國桑迪亞國家實驗室，都已開始使用 CUDA-Q Logical。採用不同量子位元路線的企業與研究機構共用同一個基礎平台，這也正是 NVIDIA 一再強調「不限路線」的原因。
桑迪亞國家實驗室的新基準「QUOPS」也一併收錄
這次發表還包含一項內容：桑迪亞國家實驗室開發的新基準「QUOPS」已作為參考實作納入 CUDA-Q。QUOPS 是不依賴特定硬體的開放指標，用來衡量量子運算系統朝實用規模應用前進了多少。
到目前為止，量子電腦的進展多半以增加量子位元數量、提高保真度、延長相干時間等物理量子位元層面的改善來描述。QUOPS 著眼於容錯這個下一階段，目的是讓各家業者能以共同的尺度比較進度。桑迪亞在 IEEE Quantum Week 之前發表了預印本，報告針對 Google、IBM、Quantinuum 量子處理器的初步基準測試結果。該實驗室量子效能實驗室的共同主任 Timothy Proctor 談到基準的用意時表示，能夠追蹤並預測量子電腦能力的成長，是整個產業都需要的。
連結 GPU 與量子處理器的生態系持續擴大
除了 CUDA-Q Logical 之外，官方也介紹了採用 NVIDIA 量子相關技術的其他動態。Diraq 正在使用專為量子運算建構與部署 AI 的開放模型系列「NVIDIA Ising」，校正自家的矽量子處理器。在用來把量子處理器與 GPU 超級電腦緊密耦合的開放系統架構「NVQLink」方面，Anyon Computing 開發了新的量子控制系統，法國光量子運算公司 Quandela 則建構了結合量子處理器與 GPU 的架構。Quantum Machines 也在以色列量子運算中心進行了整合超級電腦與量子位元的展示。
在應用層面，IonQ 在 NVIDIA 加速運算平台上報告了量子生成式 AI 框架「DQAOA-GPT」的進展，Phasecraft 則利用 NVIDIA 的 cuQuantum，建構了對量子化學運算（變分量子本徵求解器）進行大規模模擬的分子資料庫，這些都是把 GPU 當成量子研究工具的案例。提供錯誤更正與錯誤緩解軟體的 Qedma Quantum Computing，以及擁有企業級混合量子應用平台的 QCentroid，也分別將各自的技術整合進 CUDA-Q。
總結
NVIDIA 在開源量子運算平台 CUDA-Q 中，新增了專為容錯量子電腦設計的設計與整合層「CUDA-Q Logical」。重點在於能把演算法、錯誤更正碼到硬體組態一併設計，並依據實際產出的成果估算所需資源。Fermilab 的設計時程從 5 個月縮短為 3 週，在 Iceberg Quantum 與 Diraq 的案例中，所需的物理量子位元數量降至先前估算的約十分之一。桑迪亞國家實驗室的基準 QUOPS 也作為參考實作一併收錄。隨著量子電腦的評價標準從「擁有多少量子位元」轉向「能以多低的成本打造可靠的邏輯量子位元」，這次發表清楚展現了 NVIDIA 想從 GPU 端掌握這道設計流程的企圖。
※縮圖為 AI 生成的示意圖
