IBM und AMD starten Open-Source Pelagos zur Quantenfehlerkorrektur
IBM und AMD haben gemeinsam Pêlagos ins Leben gerufen, ein Open-Source-Softwaretool, das entwickelt wurde, um die Forschung zur Quantenfehlerkorrektur (QEC) zu beschleunigen. Das Tool adressiert die rechnerischen Herausforderungen bei der Simulation von QEC-Decodierern, die entscheidend für die Erreichung eines fehlertoleranten Quantencomputings sind. Durch die Nutzung der GPU-Beschleunigung ermöglicht Pêlagos den Forschern, effizientere großangelegte Simulationen durchzuführen und die Entwicklung und Bewertung fortschrittlicher Decodierungsstrategien zu fördern.
Optimierung der Quantenfehlerkorrektur mit Pêlagos
Die Quantenfehlerkorrektur kodiert logische Informationen über mehrere physische Qubits hinweg und erfordert, dass Decodierer Fehler-Profile interpretieren und Daten wiederherstellen. Die Bewertung dieser Decodierer umfasst die Simulation zahlreicher Fehler-Muster, ein Prozess, der signifikante rechnerische Ressourcen erfordert. Pêlagos beschleunigt diesen Arbeitsablauf durch moderne GPU-Parallelarbeit, wodurch Forscher mehr Konfigurationen verarbeiten und größere statistische Sicherheit in ihren Ergebnissen erzielen können.
Die Hauptinnovation des Werkzeugs liegt in seiner GPU-beschleunigten Implementierung von Relay-BP, einem QEC-Decodierer, der aus den in klassischen Low-Density-Parity-Check (LDPC)-Codes verwendeten Glaubenspropagierungsalgorithmen adaptiert wurde. Relay-BP tauscht iterativ Fehlerinformationen aus, um die Genauigkeit der Decodierung zu verbessern. Pêlagos verarbeitet mehrere Profile parallel und erreicht Durchsatzraten, die bis zu 97 -mal höher sind als die eines einzelnen CPU-Kerns, wie in einem gemeinsamen IBM- und AMD-Whitepaper berichtet.
Technische Fortschritte und Skalierbarkeit
Pêlagos wurde unter Verwendung des auf Python basierenden Triton-Frameworks erstellt, das die Entwicklung von GPU-Kernen vereinfacht, indem es eine NumPy-ähnliche Schnittstelle mit automatischer Abstimmung für Speicherlayouts und Arbeitslastpartitionierung kombiniert. Dieser Ansatz sorgt für eine starke Leistung über verschiedene GPU-Architekturen hinweg, einschließlich AMD Instinct™ GPUs. Die Software beinhaltet auch Geräte-Fingerabdruckerstellung und zwischengespeicherte Abstimmungsergebnisse, wodurch sie für zukünftige Forschungsbedürfnisse anpassbar ist.
IBM hat die Skalierbarkeit von Pêlagos demonstriert, indem es auf einem Cluster von 1,024 GPUs bereitgestellt wurde. Eine 312 -Experimentkampagne auf dem BlueVela-Cluster wurde in weniger als 20 Tagen abgeschlossen, eine Aufgabe, die ungefähr 45 Jahre auf einer einzelnen GPU gedauert hätte. Die Fähigkeit des Tools, Arbeitslasten effizient auf mehrere GPUs zu verteilen, erhöht weiter seinen Nutzen für die großangelegte QEC-Forschung.
Anwendungen und zukünftiges Potenzial
Pêlagos richtet sich speziell an Quanten-Fehlerkorrektur-Codes (qLDPC), wie z. B. bivariate Fahrradcodes, die versprechen, Quanteninformationen mit weniger physischen Qubits zu schützen. Diese Codes erfordern jedoch intensive rechenmäßige Ressourcen zur Dekodierung. Durch die Beschleunigung dieser Simulationen ermöglicht Pêlagos den Forschern, die Abwägungen zwischen Qubit-Effizienz und rechnerischen Anforderungen zu erkunden.
Das gemeinsame Whitepaper von IBM und AMD hebt die Leistung des Tools in Multi-GPU-Systemen hervor, bei denen sorgfältige Arbeitslastpartitionierung und -verteilung Engpässe bei der Eingabeverarbeitung und Ausgabe-Distribution reduzieren. Dies stellt sicher, dass zusätzliche GPUs effektiv zur Gesamtleistung beitragen.
Forscher und Entwickler können Pêlagos auf GitHub abrufen, wo ein detailliertes Tutorial und unterstützende Materialien verfügbar sind. Das Tool stellt einen bedeutenden Fortschritt bei der Verfolgung des fehlertoleranten Quantencomputings dar und bietet der QEC-Community ein leistungsstarkes Werkzeug zur Weiterentwicklung von Decodierungsstrategien.