NVIDIA on julkaissut CUDA-Q Logical -kerroksen osaksi avoimen lähdekoodin CUDA-Q-alustaansa. Uutuus auttaa tutkijoita suunnittelemaan ja testaamaan virheensietokykyisiä kvanttisovelluksia yhdessä GPU-pohjaisen tekoäly- ja superlaskennan kanssa.

CUDA-Q Logical tuo orkestroinnin loogisille kubiteille

NVIDIA ilmoitti 14.9.2026 Torontossa IEEE Quantum Week 2026 -tapahtuman yhteydessä laajentavansa avoimen lähdekoodin CUDA-Q-alustaa uudella CUDA-Q Logical -orkestrointikerroksella. Tiedote julkaistiin GlobeNewswiren kautta noin klo 16.00 Suomen aikaa.

CUDA-Q on NVIDIAn avoin kehitysalusta hybridisovelluksille, joissa sama ohjelma voi ohjata tavallisia prosessoreita (CPU), grafiikkaprosessoreita (GPU) ja kvanttiprosessoreita (QPU). Hybridikvantti-klassinen laskenta tarkoittaa käytännössä sitä, että raskas klassinen laskenta ja tekoälymallit pyörivät GPU:illa, kun taas tietyt osatehtävät ajetaan kvanttilaitteella tai sen simulaatiolla.

CUDA-Q Logical keskittyy seuraavaan askeleseen: virheensietokykyiseen kvanttilaskentaan. Fyysiset kubitit tekevät virheitä herkästi. Loogiset kubitit muodostetaan monista fyysisistä kubiteista ja virheenkorjauskoodeista, jotta laskenta pysyisi luotettavana pidempään. Muutos algoritmissa, virheenkorjauskoodissa tai laitteistoarkkitehtuurissa voi kuitenkin muuttaa tarvittavia resursseja rajusti. NVIDIA kuvaa tätä yhteissuunnitteluhaasteeksi, jota CUDA-Q Logical pyrkii tekemään ohjelmalliseksi ja todennettavaksi.

Timothy Costa, NVIDIAn kvanttitoiminnan varatoimitusjohtaja ja pääjohtaja, tiivisti tarpeen näin: kvanttilaskenta kypsyy loogisten kubittien aikakauteen, ja tutkijat tarvitsevat avoimen, muokattavan alustan, joka kuvaa virheensietokykyisen järjestelmän kaikki osat. Hänen mukaansa CUDA-Q Logical antaa joustavuutta tutkia yhteisoptimoituja järjestelmiä kubittityypistä ja arkkitehtuurista riippumatta ja lyhentää tietä hyödylliseen kvantti-GPU-superlaskentaan.

CUDA-Q Logical on saatavilla GitHubin kautta. NVIDIA kertoo, että sitä käyttävät jo muun muassa Fermi National Accelerator Laboratory (Fermilab), Infleqtion, IQM Quantum Computers, QCDesign, Quantum Motion ja Sandia National Laboratories.

Fermilab ja Iceberg Quantum raportoivat nopeammasta suunnittelusta

Varhaisissa käyttökokeissa Fermilab muutti monimutkaisia virheensietokykyisiä järjestelmäsuunnitelmia toistettavaksi laskennalliseksi työnkuluksi. NVIDIAn mukaan kehitysaika tippui noin viidestä kuukaudesta kolmeen viikkoon, eli noin seitsemänkertaiseksi nopeutukseksi. Tutkijat arvioivat fyysisiä kubitteja, ajoaikoja ja resursseja eri virheenkorjauslähestymistapojen ja laitteistojen välillä.

Anna Grassellino, Fermilabin teknologiajohtaja ja Superconducting Quantum Materials and Systems -keskuksen johtaja, korosti, että virheensietokykyinen kvanttilaskenta avaa tietä tieteellisiin löytöihin, mutta vaatii algoritmien, virheenkorjauksen, arkkitehtuurien ja laitteiston yhteissuunnittelua. Hänen mukaansa tiimi ehti CUDA-Q Logicalin avulla tutkia resurssiyhdistelmiä kolmessa viikossa, kun erillisen infrastruktuurin rakentaminen olisi tyypillisesti vienyt noin viisi kuukautta.

Australialainen Iceberg Quantum mallinsi CUDA-Q Logicalilla virheensietokykyistä arkkitehtuuria Diraq-yhtiön piikubiteille. Mallinnus osoitti, että 1 000 loogista kubittia voisi toteutua noin 150 000 fyysisellä kubitilla – noin kymmenen kertaa vähemmän kuin Diraqin aiemmat arviot. NVIDIA esittää tämän esimerkkinä siitä, miten nopea konfiguraatioiden vertailu voi vähentää hyödylliseen virheensietokykyiseen laskentaan tarvittavaa laitteistomäärää.

Sandian QUOPS-mittari mittaa edistystä kohti hyötykäyttöä

Sandia National Laboratories on tuonut CUDA-Q:hon QUOPS-vertailumittarin. QUOPS on laitteistoriippumaton, avoin tapa seurata, miten kvanttijärjestelmät etenevät kohti hyötykäyttöön riittävää mittakaavaa. Aiemmin edistystä on mitattu lähinnä fyysisten kubittien määrällä, fideliteetillä ja koherenssiajalla.

Timothy Proctor, Sandian Quantum Performance Laboratoryn apulaisjohtaja, kertoi, että tavoitteena on nopeuttaa kumppaneiden edistystä ja että alan toimijoiden on pystyttävä seuraamaan ja ennustamaan kvanttitietokoneiden kykyjen kasvua. Sandia julkaisi alustavia QUOPS-tuloksia preprintissä ennen IEEE Quantum Weekiä; tuloksissa oli mukana Google-, IBM- ja Quantinuum-prosessoreita. Viitetoteutus on saatavilla CUDA-Q:ssa.

Kvantti, GPU ja tekoäly kytkeytyvät samaan ekosysteemiin

Ilmoitus ei rajoitu vain orkestrointikerrokseen. NVIDIA korosti samassa yhteydessä laajempaa kvantti-GPU-superlaskennan ekosysteemiä, jossa tekoäly ja kvanttilaskenta tukevat toisiaan.

Diraq käytti NVIDIAn Ising-malliperhettä – avoimia malleja tekoälyn hyödyntämiseen kvanttilaskennassa – piipohjaisen kubittiprosessorinsa kalibrointiin. NVQLink-arkkitehtuuri, joka kytkee kvanttiprosessoreita tiukasti GPU-superkoneisiin, on NVIDIAn mukaan käytössä muun muassa Anyon Computingilla (ohjausjärjestelmä), Quandelaalla (QPU-GPU-arkkitehtuuri) ja Quantum Machinesilla Israelin kvanttilaskentakeskuksessa.

CUDA-Q:n ympärillä näkyy myös sovellus- ja virheenkorjausintegraatioita: BlueQubit avasi Quantum Flywheel -apurahaohjelman, joka tarjoaa tutkijoille pääsyn NVIDIAn kiihdytettyyn laskentaan CUDA-Q:n kautta. Qedma Quantum Computing ja QCentroid integroivat teknologiansa CUDA-Q:hon virheenkorjauksen, virheiden lieventämisen ja sovellusten käyttöönoton tueksi.

Tekoälyn ja kvantin rajapinnalla IonQ kertoi edistyneensä DQAOA-GPT-nimisessä kvanttigeneratiivisessa tekoälykehyksessä NVIDIAn kiihdytettyä laskentaa käyttäen. MITRE on julkaissut työtä GPU-kiihdytetyistä kvanttianturien digitaalisista kaksosista, Phasecraft hyödyntää NVIDIAn cuQuantum-kirjastoa laajassa molekyylitietokannassa, ja UCLA sekä Caltech kehittävät ohjaussekvenssejä kvanttisovelluksiin.

Käyttökohteiksi NVIDIA mainitsee muun muassa lääkekehityksen, rahoitusmallinnuksen ja materiaalikehityksen – alueita, joissa suuret simulaatiot ja hybridilaskenta ovat keskeisiä.

Avoin koodi ja yhteiset mittarit voivat nopeuttaa alan kypsymistä

CUDA-Q Logicalin ja QUOPS-mittarin avoin saatavuus voi madaltaa kynnystä vertailla eri virheenkorjauskoodeja, laitteistoja ja algoritmeja ilman, että jokainen laboratorio rakentaa oman työkaluketjunsa alusta. Kun resurssiarviot ja käännösvaiheet pysyvät samassa putkessa, tutkijoiden on helpompi nähdä, mistä kustannukset syntyvät ja miten konfiguraation vaihto vaikuttaa.

Käytännössä kehitys riippuu edelleen fyysisen laitteiston laadusta, virheenkorjauksen skaalautumisesta ja siitä, ottavatko QPU-valmistajat sekä tutkimuslaitokset yhteiset rajapinnat ja mittarit laajasti käyttöön. NVIDIAn linja sitoo kvanttikehitystä tiukemmin GPU-superlaskentaan ja tekoälytyökaluihin: sama alusta palvelee sekä nykyisiä hybridisovelluksia että tulevia loogisiin kubitteihin perustuvia järjestelmiä.

IEEE Quantum Weekin yhteydessä esitellyt kumppani-integraatiot ja varhaiset nopeutusluvut viittaavat siihen, että seuraava kilpailu ei ole vain kubittimäärissä vaan myös siinä, kuinka nopeasti algoritmi, virheenkorjaus ja laitteisto voidaan suunnitella yhdessä – ja kuinka sujuvasti kvanttityökuormat kytketään tekoälyä ajaviin GPU-ympäristöihin.

Lähteet

• NVIDIA Newsroom – NVIDIA Expands Open Source CUDA-Q Platform for Fault-Tolerant Quantum Computing – 14.9.2026, klo 16.00 (Europe/Helsinki) – https://nvidianews.nvidia.com/news/nvidia-expands-open-source-cuda-q-platform-for-fault-tolerant-quantum-computing