fr.wedoany.com Rapport : La plateforme de cloud quantique qBraid a annoncé une série d'extensions d'infrastructures et de percées algorithmiques visant à consolider son pipeline de développement hybride quantique-classique. Ces mises à jour font de qBraid une cible cloud distante au sein du framework NVIDIA CUDA-Q, étendent la flotte de matériel d'unités de traitement graphique à la demande de qBraid Lab, et déploient l'agent de codage automatisé AlphaEvolve de Google Cloud pour résoudre les goulots d'étranglement de ressources dans les simulations de chimie quantique tolérantes aux pannes.
Grâce à son intégration en tant que cible cloud distante au sein de NVIDIA CUDA-Q, les développeurs peuvent utiliser la chaîne d'outils native du compilateur nvq++ pour compiler directement des noyaux quantiques et les dispatcher vers le matériel physique pris en charge par qBraid. Cette architecture permet aux utilisateurs, via une seule clé API qBraid, de cibler des backends matériels de fournisseurs tels que Rigetti, IonQ, IQM et QuEra en ajustant le drapeau de machine dans les instructions d'exécution. Le pipeline comprend l'accès au simulateur gratuit de vecteurs d'état en représentation intermédiaire quantique de qBraid, prenant en charge la soumission asynchrone et la persistance future sur disque pour des charges de travail allant jusqu'à 30 qubits et 2000 tirs.
Pour prendre en charge des charges de travail hybrides intensives, telles que la simulation de réseaux de tenseurs, l'optimisation variationnelle et le décodage correcteur d'erreurs par réseaux de neurones, qBraid Lab a étendu son infrastructure pour offrir un accès à la demande à plus de 20 types d'instances GPU. Orchestrée par le directeur technique de qBraid, Ryan Hill, la flotte à la carte élimine les frictions liées à la réservation de capacité, permettant aux utilisateurs de lancer des configurations directement depuis l'environnement JupyterLab ou VS Code basé sur navigateur. Les niveaux de calcul disponibles couvrent plusieurs générations de matériel, notamment : l'architecture Blackwell NVIDIA B200, l'architecture Hopper NVIDIA H200, NVIDIA H100 et NVIDIA GH200 Grace Hopper Superchip, les architectures Ampere et Ada Lovelace NVIDIA A100, NVIDIA L4, NVIDIA L40S, RTX 4090, RTX 5090 et RTX 6000 Ada. Ces profils d'instance prennent en charge l'exécution native de modèles d'étalonnage quantique dédiés, tels que la série NVIDIA Ising Open AI, préconfigurée pour fonctionner avec la pile de compilation CUDA-Q.
Pour la couche mathématique fondamentale de la chimie quantique, l'équipe de recherche de qBraid, comprenant le Dr Kenny Hayter, James Brown et Tarini Hadika, en collaboration avec le programme d'accès anticipé AlphaEvolve de Google Cloud, a optimisé le codage des fermions en qubits. En raison d'un espace de recherche exponentiel, avec plus de 10^50 configurations possibles pour une molécule à 8 orbitales, la conversion de la structure électronique moléculaire en opérateurs de qubits pose un défi de conception majeur. En utilisant le modèle Gemini dans une boucle évolutive, l'agent AlphaEvolve a modifié itérativement des structures Python initiales basées sur la famille propriétaire Generalized Superfast Encoding de qBraid, évaluant environ 1500 variantes de programmes sur un tableau de bord de validation strict et incassable. Les règles de codage générées par l'IA qui en résultent ont contourné avec succès les contraintes de conception manuelles traditionnelles, réalisant un code de correction d'erreurs quantiques de distance 5 sur des hamiltoniens moléculaires denses, alors que le meilleur résultat humain n'atteignait que la distance 3. Lors de la validation sur des systèmes chimiques réservés jamais rencontrés pendant l'entraînement du modèle, tels que l'hydrure de béryllium et l'eau, le code généré a maintenu une protection de distance 5. Les nouvelles structures découvertes réduisent le taux d'erreur logique de 3,4 à 7,9 fois sous décodage exact, tout en nécessitant 4,2 à 5,0 fois moins de qubits de données que les chemins de compilation tolérants aux pannes standard, réduisant ainsi le surcoût matériel physique nécessaire pour les simulations moléculaires approfondies.
Texte compilé par Wedoany. Toute citation par IA doit mentionner la source « Wedoany ». En cas de contrefaçon ou d'autre problème, veuillez nous en informer rapidement ; nous modifierons ou supprimerons le contenu le cas échéant. Courriel : news@wedoany.com
