Quantum X Labs 借助 NVIDIA CUDA-Q 完成兩項量子糾錯里程碑

Quantum X Labs 基於 Transformer 的解碼器在多個模擬表面碼配置中表現優於經典基準，使該公司的人工智慧驅動量子糾錯從雲端部署邁向硬體驗證。

量子糾錯——可擴展量子運算的最大瓶頸——迎來進展。Quantum X Labs Inc. 展示其基於 AI 的解碼器在使用 NVIDIA Corp. 之 CUDA-Q 平台的模擬測試中，擊敗了經典基準。

「這些結果使我們的計畫從雲端部署，進展到可量測的解碼器效能與表面碼數據管線，」Quantum X Labs 首席量子技術科學家 Nir Sharon 教授表示。

該公司在亞馬遜雲端運算服務（AWS）環境中的 NVIDIA GPU 上執行其深層量子糾錯工作流程，並將其基於 Transformer 的 QECCT 解碼器，與經典的「最小權重完美匹配」解碼器進行了環面碼噪音配置的基準測試。QECCT 在所選的模擬區域中表現優於 MWPM。QXL 還測試了以 Google 公開表面碼幾何為模型、橫跨多種碼距的合成表面碼配置，結果顯示解碼器在不同物理錯誤條件下，具備穩定的邏輯位元錯誤率與位元錯誤率。

量子糾錯是實現容錯量子運算的關鍵未解難題。若無此技術，量子位元的錯誤率將使大規模量子計算不可靠。QXL 的方法——利用 AI 從症狀數據預測邏輯修正——旨在縮小離線模擬與即時解碼之間的差距，而此市場可能決定哪些量子硬體平台能實現商業可行性。

這兩項里程碑代表從理論驗證向實際實施的轉變。QXL 首先在雲端 NVIDIA GPU 上部署其 DQEC 工作流程，隨後進入針對已知經典解碼器的基準測試。下一階段將把評估擴展至公開可用的實驗數據集，並優化與 NVIDIA CUDA-Q QEC 框架相容的數據管線。

更廣泛的路線圖包括與 Quantum Machines 公司旗下的 IQCC 建立合作夥伴關係，以便在超導量子處理硬體上生成硬體源症狀數據。QXL 同時正在評估，基於 NVIDIA Ising 與低延遲優化的 AI 預解碼工作流程可在何處發揮最大價值。

QXL 的 DQEC 技術採用專有的 Transformer 架構，讀取量子糾錯碼結構與症狀資訊，以預測邏輯修正。該系統設計用於支援多種穩定子碼工作流程，可在加速 QEC 系統中作為完整解碼器、預解碼器或混合組件運作。

Quantum X Labs 在納斯達克以股票代碼 QXL 交易。該公司量子部門與數位廣告及企業 AI 業務並行，使其成為量子技術的多元投資標的，而非純粹的開發商。NVIDIA 透過 CUDA-Q 函式庫、加速運算與 Ising 優化工具的日益深入參與，顯示這家晶片製造商將量子糾錯視為可透過軟體解決的問題，與其 GPU 加速運算業務相輔相成。對投資人而言，關鍵問題在於：QXL 能否在 Google、IBM 及學術實驗室的競爭方法達成類似里程碑之前，將模擬結果轉化為經硬體驗證的實際效能。

本文僅供資訊參考，不構成投資建議。