В новом обзоре объединен опыт специалистов AMD, HPE, IBM, IQM, Riverlane и Xanadu, чтобы помочь сообществу разобраться в иерархическом декодировании QEC.
AMD обеспечивает работу ведущих мировых систем научных вычислений: от экзафлопсных суперкомпьютеров, способствующих открытиям в США и Европе, до Lux, первой системы Genesis Mission для науки на базе ИИ. Благодаря передовым процессорам, графическим процессорам, FPGA, сетевым решениям и открытому программному обеспечению ROCm, AMD предоставляет государствам, лабораториям и предприятиям единую открытую платформу для высокопроизводительных вычислений, ИИ для науки, суверенного ИИ, агентного ИИ и перехода к квантовым вычислениям.
Квантовая коррекция ошибок является ключевой частью этого пути, связывая надежные квантовые операции с классическими вычислениями, необходимыми для их поддержки.
Реализация потенциала квантовых вычислений означает создание машин, способных выполнять длительные и надежные вычисления. Квантовая коррекция ошибок (QEC) занимает центральное место в достижении этой цели. Защищая логическую информацию с помощью физических кубитов, она создает путь к низким уровням логических ошибок, которые потребуются для полезных приложений. Чтобы эта защита работала, необходимы классические вычислительные системы, которые интерпретируют информацию об ошибках, не отстают от квантового процессора и предоставляют информацию для коррекции, когда это требуется для последующих квантовых операций.
Эта задача объединяет квантовые алгоритмы, классическое оборудование и проектирование систем. Как должна быть организована работа по декодированию по мере масштабирования квантовых систем? Какие задачи выигрывают от использования специализированного оборудования? Когда несколько этапов декодирования повышают эффективность, а когда один декодер является правильным выбором?
Наш обзор «Иерархическое декодирование для квантовой коррекции ошибок» объединяет исследователей из AMD, HPE, IBM, IQM, Riverlane и Xanadu для изучения этих вопросов. Он связывает обширную литературу по декодированию с практическими решениями, стоящими перед разработчиками квантовых систем, предоставляя исследователям и инженерам общую отправную точку для изучения алгоритмов, построения кодов и аппаратных реализаций.
Упрощение навигации в растущей области
Сообщество разработчиков методов декодирования создало богатый набор подходов: от алгоритмов, которые решают задачу декодирования напрямую, до проектов, распределяющих работу между этапами, процессорами или уровнями кодирования. Понимание взаимосвязи этих подходов необходимо для выбора проекта, подходящего для конкретной квантовой системы.
В обзоре этот ландшафт организован в три взаимосвязанные области. Во-первых, рассматриваются декодеры для одного кода и такие расширения, как предварительное декодирование, скользящие окна, потоковая передача и распределенное выполнение. Во-вторых, исследуются иерархические и конкатенированные коды, где внутренние и внешние декодеры следуют уровням кодирования. В-третьих, эти варианты связываются с реализациями на CPU, GPU, FPGA, ASIC и криогенных платформах.
Такая организация позволяет легче увидеть, где идеи могут быть перенесены между проектами и где различаются базовые предположения. Например, быстрый начальный этап может обрабатывать распространенные типы ошибок и уменьшать объем работы, передаваемой последующему декодеру. В конкатенированном коде внутренний декодер может вместо этого передавать информацию о надежности своих решений внешнему декодеру. Оба случая включают обмен информацией, но решают разные проектные задачи.
Превращение идей декодирования в системные решения
Для разработчиков систем ценность декодера зависит от того, как он работает в составе полноценного квантового компьютера. Точность определяет, сможет ли он достичь целевого уровня логических ошибок приложения. Пропускная способность определяет, сможет ли он справляться с поступающей информацией об ошибках. Требования к связи, памяти, питанию и охлаждению определяют, насколько широко можно будет развернуть проект по мере роста числа логических кубитов.
Команда HPE представила системный взгляд, сосредоточенный на том, что потребуется крупномасштабным отказоустойчивым квантовым компьютерам от их классической инфраструктуры. Это включает в себя обеспечение достаточной скорости сквозного пути — от считывания кубитов до коррекции — при интеграции сложных стратегий декодирования в полноценные вычислительные архитектуры по мере роста числа логических кубитов. Они сосредоточены на повышении пропускной способности самых быстрых известных декодеров, таких как алгоритм распространения доверия (belief-propagation), изучая при этом компромиссы между задержкой и точностью при использовании более мощных декодеров максимального правдоподобия для более редких событий ошибок.
«Отказоустойчивые квантовые вычисления будут зависеть от высокопроизводительных классических систем, способных обрабатывать информацию об ошибках в режиме реального времени и в масштабе, что делает декодирование в такой же степени системной проблемой, как и алгоритмической. Этот обзор связывает литературу по декодированию с компромиссами в области точности, задержки, связи и энергопотребления, с которыми сталкиваются системные архитекторы, и определяет области, где по-прежнему необходимы более качественные тесты и более тесная интеграция. В HPE мы считаем совместное проектирование алгоритмов и вычислительной архитектуры необходимым условием для внедрения квантовой коррекции ошибок в масштабируемые квантовые суперкомпьютеры». — Масуд Мосени, старший заслуженный технолог, директор HPE Quantum
«Достижения IBM в области квантовой коррекции ошибок и декодирования помогают определить, что необходимо для создания практичного, полезного отказоустойчивого квантового компьютера. По мере перехода от теории к реальным системам нам необходимо совместно проектировать коды коррекции ошибок, алгоритмы декодирования и классическую инфраструктуру, чтобы они эффективно работали вместе в масштабе. Этот обзор является важным шагом на пути к достижению этой цели». — Блейк Р. Джонсон, заслуженный инженер, инфраструктура QEC, IBM.
Задержка имеет значение на всем пути от считывания кубита до информации о коррекции, используемой системой управления. Время выполнения декодера — это лишь часть этого пути; перемещение данных и ожидание ресурсов также вносят свой вклад. Там, где буферизация и график вычислений позволяют, можно смириться с периодическими более медленными результатами. Когда последующая логическая операция зависит от результата, эта задержка может задержать вычисления. Эти различия делают контекст всей системы критически важным для оценки заявленных показателей производительности.
«Иерархическое декодирование — одна из самых активных областей в квантовой коррекции ошибок, и этот обзор показывает, насколько широким стало пространство для проектирования. Требования к таймингу варьируются примерно на три порядка в зависимости от кубитных платформ: от микросекундных циклов сверхпроводящих кубитов до миллисекундных требований для ионных ловушек. Иерархия, будь то на этапах декодирования, временных окнах, устройствах или в многоуровневых кодах, дает инженерам больше возможностей для балансировки точности, скорости, пропускной способности и стоимости. В Riverlane мы рассматриваем QEC как одну из самых требовательных задач обработки данных в реальном времени в вычислительной технике, поэтому мы создали Deltaflow для работы со всеми основными типами кубитов. Следующий шаг для этой области — измерение этих компромиссов от начала до конца, от считывания кубита до полезной коррекции». — Элиз Дженнингс, главный исследователь по высокопроизводительным вычислениям и квантовым технологиям, Riverlane
В этом обзоре сохранены условия оценки опубликованных исследований, что помогает читателям понять, что именно демонстрирует результат и как его можно применить к собственной системе. Его вклад заключается в создании целостного представления о пространстве проектирования: возможностях, предоставляемых специализацией и параллелизмом, информации, которая должна передаваться между этапами, и накладных расходах, которые могут нивелировать преимущества. Такое видение может служить ориентиром при разработке прототипов, выборе оборудования и составлении более информативных отчетов о производительности.
Расширение вычислительных возможностей AMD для квантовой экосистемы
Эти проектные решения соответствуют общему подходу AMD к квантовым вычислениям: предоставление технологий классических вычислений, которые исследователи и разработчики систем могут комбинировать в соответствии со своими требованиями. Процессоры AMD, графические процессоры Instinct™, FPGA и адаптивные SoC предлагают различные возможности для реализации и интеграции задач декодирования. Программируемая логика позволяет поддерживать специализированную обработку вблизи пути управления, в то время как CPU и GPU предоставляют возможности для гибкого программного обеспечения и параллельных вычислений. Оптимальная комбинация зависит от алгоритма, перемещения данных и требований системы к таймингу. [1]
Сотрудничество между Xanadu и AMD в рамках проекта Backline является конкретным примером таких усилий по интеграции. Backline связывает квантовые рабочие нагрузки с ресурсами классических вычислений, включая процессоры, ускорители и адаптивное оборудование AMD. Это иллюстрирует, почему коммуникация и оркестрация заслуживают такого же внимания, как и сам алгоритм декодирования. [2]
«Иерархическое декодирование — это в такой же степени системная проблема, как и алгоритмическая, и данный обзор тщательно отслеживает, что именно измерялось в каждом результате», — сказал Джош Айзек, старший научный сотрудник по квантовым технологиям в Xanadu. «Он также дает понять, что декодирование не будет происходить в одном месте. Правильное разделение зависит от кода QEC, оборудования и программы, и этот ответ будет постоянно меняться».
«В Xanadu мы подходим к этому со стороны программного обеспечения и инфраструктуры. Вместе с AMD мы создали Backline таким образом, чтобы выбор декодера или его перенос с CPU на GPU требовал лишь редактирования нескольких строк программы PennyLane, а не ее переписывания. Вы даже можете отлаживать иерархический декодер на ноутбуке, прежде чем переходить к реальному оборудованию».
Участвуя в этом обзоре, AMD помогает связать эти возможности реализации с пониманием QEC в широком исследовательском сообществе. Цель состоит в том, чтобы упростить оценку, внедрение и развитие перспективных подходов к декодированию в полноценные системы.
Общая основа для следующего этапа QEC
Прогресс на пути к отказоустойчивым квантовым вычислениям зависит от внедрения достижений в области кодов и алгоритмов в системы, способные надежно работать в масштабе. Этот обзор дает сообществу общий словарь для такой работы и определяет области, где более четкие измерения и более тесная интеграция могут сделать проектирование следующего поколения более эффективным.
«Любой декодер в конечном итоге отвечает перед квантовым процессором. На сверхпроводящем оборудовании данные о синдромах поступают примерно каждую микросекунду, и полученное логическое наблюдение учитывается только тогда, когда система управления может на него отреагировать. Некоторые коды qLDPC значительно эффективнее с точки зрения количества физических кубитов, но их сложнее декодировать. Иерархическое декодирование с быстрыми этапами вблизи системы управления и более мощными декодерами за ними может помочь сохранить эту экономию на реальном оборудовании. Для этого требуется полностековая инженерия и открытые архитектуры, позволяющие исследователям использовать свои собственные декодеры на машине. Именно эта комбинация сделает отказоустойчивые квантовые вычисления реальностью». — Йоханнес Хейнсоо, главный инженер и руководитель отдела архитектуры и реализации QEC, IQM
Для исследователей это предлагает связи между областями, которые часто изучаются отдельно. Для разработчиков систем это служит руководством по вопросам, которые имеют значение при превращении результата декодирования в реализацию. Вместе эти перспективы могут помочь сообществу сосредоточить свои усилия на классической инфраструктуре, необходимой для масштабируемых квантовых вычислений.
Узнайте больше о технологиях квантовых вычислений AMD: https://www.amd.com/en/solutions/quantum-computing.html
Мы благодарим наших коллег из HPE, IBM, IQM, Riverlane и Xanadu за их вклад в этот обзор. См. нашу статью, Hierarchical Decoding for Quantum Error Correction, для получения полного списка авторов и технического обсуждения.
Вспомогательные ресурсы
[1] AMD Advances the Hybrid Future of Quantum Computing. https://www.amd.com/en/blogs/2026/amd-advances-the-hybrid-future-of-quantum-computing.html
[2] Unlocking Real-Time Speed for the Quantum Ecosystem with PennyLane, Backline, and AMD. https://www.amd.com/en/developer/resources/technical-articles/2026/unlocking-real-time-speed-for-the-quantum-ecosystem.html











