Infleqtion 是中性原子量子計算領域的全球領導者，他們首先使用 NVIDIA CUDA-Q 平臺在其 Sqale 物理量子處理器 (QPU) 上進行模擬，然后編排邏輯量子位材料科學實驗的首次演示。
量子計算的基本信息單元 Qubits 容易出錯，并且非常不可靠，無法做出有意義的預測。邏輯量子位是許多噪點物理量子位的集合，它們對量子信息進行編碼以糾正錯誤，克服了這一限制。邏輯量子位可以執行耐環境噪聲和硬件故障的量子計算，也稱為容錯量子計算。
邏輯量子位的一個關鍵測試是觀察到，與其組成部分的噪聲物理量子位相比，錯誤率有所降低。Infleqtion 的結果在一系列輸入中令人信服地證明了這一點 (圖 1)。
這是邁向容錯量子計算的重要第一步，也是應用使用邏輯量子位的極少數物理演示之一。
本文將探討對這項突破性工作至關重要的 CUDA-Q 功能和性能。它還概述了如何使用 CUDA-Q 在 Infleqtion 硬件上構建自己的端到端邏輯量子位工作流。
用于材料科學的邏輯量子位?
仿真技術通常能夠加速新型材料的研發。準確的模擬可以減少執行昂貴且緩慢的實驗的必要性，從而幫助預測新的候選材料。
眾所周知，強相關性材料（通常是一些非常有趣的材料）很難模擬，因為它們的電子相互作用方式復雜。此類系統會導致許多近似方法崩潰，并且需要使用成本呈指數級增長的方法進行模擬，以正確捕捉物理特性。
其中一種方法是動態均場理論（DMFT），它可以準確描述強相關性系統，但以指數級擴展為代價。這促使研究人員探索使用量子計算機在更大規模上執行準確的 DMFT 模擬。
Infleqtion 的工作展示了使用兩個邏輯量子位對單雜質 Anderson 模型的基態進行容錯準備，這是實現容錯 DMFT 的關鍵步驟。
每個邏輯量子位都使用[[4,2,2]]錯誤檢測代碼進行編碼 (Figure 2)。這將兩個邏輯量子位編碼為四個物理量子位，其中可以檢測和丟棄單個 X 類型誤差 (bit flip) 或單個 Z 類型誤差 (phase flip)，但無法糾正。通過測量編碼狀態并確定結果中的奇偶校驗 (number of 1s) 來檢測誤差，奇偶校驗表示誤差。
![Graphic showing the logical codewords for the [[4,2,2,]] code as well as examples for the bit flip and phase flip errors.](https://developer.nvidia.cn/zh-cn/blog/wp-content/uploads/2024/12/logical-encodings-bit-flip-phase-flip-errors-qubits.png)
此錯誤檢測過程允許丟棄故障電路 (檢測到錯誤時)。在物理量子位錯誤率超過特定值 (由實驗確定) 的情況下，這最終會提高結果的整體質量。
使用 CUDA-Q 集成創建端到端工作流
這些實驗取得成功的關鍵因素是 CUDA-Q 與 Infleqtion 基于門的中性原子量子計算機的無縫集成，從而創建全面的端到端工作流程。借助 CUDA-Q 及其行業領先的模擬器，Infleqtion 高效地開發和測試了其代碼，然后輕松過渡到在其中性原子 QPU 上執行相同的代碼。
在設計實驗并對其進行建模時，Infleqtion 使用 CUDA-Q 來利用 GPU 加速的模擬，包括 跨多個 QPU 的并行計算模擬 。CUDA-Q 參數化內核以及新的 CUDA-Q Solvers 庫簡化了此任務。 使用 CUDA-Q 定義自定義門操作 還使 Infleqtion 能夠實現其硬件原生的自定義門，并將其與 自定義電路噪聲模型 結合使用，以模擬其中性原子 QPU 的獨特噪聲分布。
這些定制模擬結合 CUDA-Q 中間電路測量和條件邏輯 功能，意味著 [[4,2,2]] 代碼的性能可以完全模擬。在確定了運行實驗的最有效方法后，Infleqtion 只是更改了 CUDA-Q 代碼中的目標，直接在其中性原子 QPU 上運行。
在 NVIDIA Infleqtion 硬件上運行 CUDA-Q 應用
通過獲得 Infleqtion API 密鑰權限，用戶現在可以重現其建模和運行邏輯量子位實驗的工作。在幕后，Infleqtion 的跨平臺 Superstaq 編譯器對設備物理特性和門集執行低級編譯。這使得用戶只需指定以下目標之一，即可在 Infleqtion 硬件上輕松運行 CUDA-Q 應用程序。
# Example Bell Circuit@cudaq.kerneldef kernel(): qubits = cudaq.qvector(2) h(qubits) cx(qubits[0], qubits[1]) mz(qubits)# Enter Infleqtion API keyexport SUPERSTAQ_API_KEY=”<insert key>”# Run on Infleqtion QPUcudaq.set_target("infleqtion", machine="cq_sqale_qpu")# Run on Infleqtion Noisy Simulator# cudaq.set_target("infleqtion", machine="cq_sqale_qpu", method=”noise-sim”)# Sample kernel on specified backendresult = cudaq.sample(kernel) |
Infleqtion 的 Sqale 中性原子 QPU 在近期的 預印本 中進行了基準測試，可在可擴展和可重新配置的數組中光學捕獲和操作量子位，數組高達 1,600 量子位。此類可重構系統為應用協同設計提供了靈活性。邏輯編碼的材料科學實驗使用了三角形量子位陣列（圖 3）。這只需幾行代碼，即可在典型的方形格上提高算法效率。
開始使用?
Infleqtion 突破性的邏輯量子位演示得益于 CUDA-Q 的通用性和性能。現在，CUDA-Q 代碼可以在 Infleqtion 的 Sqale 中性原子 QPU 上運行，因此可以比以往更輕松地開始構建和加速邏輯量子位應用。
首先， 下載 CUDA-Q 。請參閱 Infleqtion 邏輯量子位演示的完整代碼 ，并立即開始實施您自己的容錯應用。如需詳細了解用于加速量子超級計算的其他工具，請訪問 NVIDIA Quantum 。
?
