L'ESSENTIEL EN 30 SECONDES

  • Des systèmes NVIDIA DGX B200 seraient installés à côté d'ordinateurs quantiques IBM, dont des machines Nighthawk, au centre SQMS du Fermilab ; le laboratoire parle d'une plateforme proposée, sans date de lancement ni coût.
  • NVIDIA affirme que son nouveau décodeur TCBP-JOBS, intégré à CUDA-Q QEC 0.9.0, est jusqu'à 13 000 fois plus rapide qu'un décodeur de référence dans une comparaison donnée.
  • Une interface ouverte, QRMI, doit permettre aux centres de calcul de réserver des processeurs quantiques comme de simples tâches Slurm ; Slurm 26.11 est attendu fin novembre.

NVIDIA a annoncé le 16 novembre, lors de la conférence de calcul haute performance SC26 à Chicago, une collaboration avec IBM et le Fermi National Accelerator Laboratory autour d'une plateforme destinée à concevoir conjointement ordinateurs quantiques et classiques. L'annonce s'accompagne de deux briques logicielles pour les centres de recherche : un décodeur de correction d'erreurs plus rapide et la prise en charge du quantique dans l'ordonnanceur Slurm.

Ce qui est prévu

Le principe consiste à installer des systèmes GPU NVIDIA DGX B200 à proximité d'ordinateurs quantiques IBM, notamment des machines équipées du processeur Nighthawk, au centre SQMS (Superconducting Quantum Materials and Systems) du Fermilab. Selon Unite.AI, Nighthawk exécute des circuits comptant jusqu'à 7 500 opérations à deux qubits sur 120 qubits. Le Fermilab piloterait les travaux sur la correction d'erreurs et la physique, gérerait l'accès via son infrastructure HEPCloud et se concentrerait sur la physique des hautes énergies et la physique nucléaire, par exemple les théories de jauge sur réseau ou les interactions de neutrinos. Une phase ultérieure testerait ses cavités supraconductrices comme mémoires quantiques.

Le projet en est encore à ses débuts. Anna Grassellino, directrice technique du Fermilab, parle d'une plateforme proposée, et The Next Web relève qu'aucune date ni aucun budget n'ont été communiqués. D'après Unite.AI, la première étape consistera à modéliser la communication entre modules quantiques distincts, erreurs de liaison et latence comprises, avant tout travail matériel.

Le rôle de l'IA et des GPU

Les processeurs quantiques commettent de nombreuses erreurs, et les corriger suppose que des ordinateurs classiques décodent très vite les mesures. NVIDIA affirme que son décodeur TCBP-JOBS, publié dans la bibliothèque CUDA-Q QEC 0.9.0, va jusqu'à 13 000 fois plus vite que les approches existantes dans une comparaison précise, et qu'il a ramené une étude de conception de 12 semaines à 45 minutes. Selon Unite.AI, la référence est une configuration du décodeur Tesseract appliquée aux codes « bivariate bicycle », et la méthode apprend des probabilités d'erreur pour orienter des recherches sur GPU. Ces chiffres proviennent du fournisseur et n'ont pas été vérifiés de manière indépendante. Anna Grassellino estime que le calcul accéléré et la superintelligence joueront un rôle important dans la conception de ces algorithmes.

Le quantique comme une tâche ordinaire

NVIDIA compte aussi ajouter une interface quantique à Slurm, l'ordonnanceur open source utilisé par la plupart des supercalculateurs. IBM y apporte son Quantum Resource Management Interface (QRMI), développée selon Unite.AI avec NVIDIA et Pasqal comme couche indépendante des fournisseurs. L'objectif : permettre aux centres de réserver des processeurs quantiques au même titre que des CPU et des GPU. CASRAI indique que Slurm 26.11 doit être disponible fin novembre 2026 ; NVIDIA n'a pas donné de date ferme pour l'ensemble des fonctions.