据StorageReview报道，英伟达（NVIDIA）在欧洲首台百亿亿次超级计算机——位于德国于利希研究中心的朱庇特（JUPITER）上，成功运行了104量子比特的容错量子处理器模拟。该模拟使用了8192块GH200 GPU和512 TiB分布式内存，是迄今为止规模最大的容错量子处理器全面模拟。英伟达在GTC柏林大会前公布了这一成果，重点展示了“魔法态培养”（magic state cultivation）方法，该方法可在真实硬件噪声条件下产生逻辑运算所需的非克利福德态。英伟达称，相比先前方法，培养过程可减少90%的量子比特需求。
定妆曝光模拟规模与技术细节
本次模拟的104个物理量子比特覆盖了数据量子比特和辅助量子比特，完整协议从距离为3的彩色码中的魔法态开始，通过标志测量捕获有害故障，然后生长为距离为7的混合彩色-表面码，最后进行额外的纠错轮次和读出。噪声模型不仅包含随机的比特翻转和相位翻转，还引入了相干相位误差（可累积并相互干扰），并在选定位置加入第三能级以捕获计算态之外的泄漏。模拟状态采用全状态矢量，未对非克利福德操作使用克利福德捷径。编码寄存器共45比特，约35.2万亿个复数振幅，在8192块GPU上各分配64 GiB内存用于状态存储，剩余空间用于通信和分析。英伟达的模拟器在保留依赖关系和测量统计的前提下重新排序操作，并在量子比特被测量和释放后重用存储空间，同时将三能级站点压缩为二进制存储（5个站点243个基态可装入8比特）。在小规模测试中，独立张量网络计算与状态矢量结果的一致性达到约十万亿分之一。
片场照片开发平台与CUDA-Quantum栈
英伟达加速量子研究中心（NVIDIA Accelerated Quantum Research Center）的GB200 NVL72系统作为开发平台。研究人员从4块GPU逐步扩展到数百块GPU进行测试，并与朱庇特上的结果进行比对，研究计算规模增加对精度的影响，最终确定使用完整的8192块GPU分配。英伟达表示，这一过程将原本需要一周的模拟努力缩短至数天。模拟使用了cuQuantum库中的cuStateVec库进行状态矢量演化，并借助cuBLASMp和cuSOLVERMp分解存储状态的部分分区，以便用近似方法与完整参考进行对照。培养电路通过CUDA-Q的容错逻辑层表达。于利希超级计算中心负责人克里斯特尔·米歇尔森（Kristel Michielsen）表示：“欧洲在JUPITER上的投资让研究人员能够探索以前无法触及的问题。”目前尚未公布该模拟的逻辑错误率、保真度或运行时间。
路透照片关键模拟参数对比
下表总结了本次模拟与先前于利希工作（50量子比特无噪声）的关键差异：
路透曝光| 参数 | 先前模拟（2025） | 本次模拟（2026） |
|---|
| --- | --- | --- |
|---|
| 量子比特数 | 50 | 104 |
|---|
| 噪声模型 | 理想无噪声 | 真实噪声（含相干相位误差、泄漏） |
|---|
| 硬件平台 | 未披露 | JUPITER（8,192×GH200） |
|---|
| 内存占用 | 较小 | 512 TiB |
|---|
| 模拟方法 | 状态矢量（部分简化） | 全状态矢量，无克利福德捷径 |
|---|
| 纠错码 | 无详细说明 | 距离3→距离7混合码 |
|---|
| 培养方法 | 未使用 | 魔法态培养（减少90%量子比特） |
|---|
魔法态培养的突破意义
魔法态是容错量子计算中实现非克利福德门——如T门——所需的关键资源。传统上，为获得一个高保真魔法态，需通过蒸馏过程消耗大量低质量态，消耗量子比特数量巨大。英伟达在本次模拟中采用的培养方法通过将错误抑制在码内，直接从一个较小的距离3码起步，逐步扩展并纠错，最终产生高质量魔法态。英伟达称，培养方法比蒸馏减少约90%的量子比特开销，但未给出具体对比基线。据分析，若蒸馏需要约100个输入态才能产生1个高质量态，则培养可能只需约10个输入态。这一改进对于构建实用容错量子计算机至关重要，因为量子比特是目前最稀缺的资源之一。
剧照曝光
噪声模型与实用化挑战
真实的量子硬件不仅存在退极化噪声（比特/相位翻转），还面临相干误差——由于门操作不完美导致的相位累积，这些误差会相互干涉，难以通过标准纠错码完全消除。本次模拟特意加入相干相位误差和第三能级泄漏，使得结果更接近实际硬件表现。英伟达的目标是通过观测误差传播路径，评估逻辑操作的质量和成本，从而帮助硬件团队在制造之前权衡设计方案。于利希团队的米歇尔森补充道：“这类模拟让我们能够测试纠错码在真实噪声下的行为，而不必等待物理量子比特数量足够多。”
从于利希到世界：超级计算机与量子模拟的协同
朱庇特超级计算机采用模块化架构，由英伟达GH200 Grace Hopper超级芯片驱动，峰值性能超过1百亿亿次浮点运算。本次模拟不仅是量子计算的里程碑，也展示了经典超算在量子算法验证中的核心作用。英伟达量子计算部门主管吉姆·柯林斯（Jim Collins）在GTC Berlin的预热演讲中指出：“朱庇特证明了经典百亿亿次系统能够模拟未来容错量子处理器的关键部分，这大大加速了量子-经典混合计算时代的到来。”此前，于利希团队已于2025年模拟了50量子比特的无噪声系统，而本次将噪声纳入后规模翻倍，标志着可模拟的纠错量子系统边界正在快速扩展。
FAQ
Q1: 这次模拟的104量子比特是否意味着我们已经拥有104个物理量子比特的容错量子计算机？
A1: 不是。这次模拟是在经典超级计算机上运行的，并非实际量子硬件。它验证了在真实噪声条件下104个物理量子比特的容错纠错协议能否正确工作，为未来设计更大的容错量子处理器提供了数据参考。实际量子计算机仍需制造和集成物理量子比特，目前最先进的超导量子处理器约有1000多个物理量子比特，但尚未实现全容错。
Q2: 为什么魔法态培养比传统蒸馏方法更高效？
A2: 传统蒸馏需要将多个低质量魔法态通过纠错码“提纯”成一个高质量态，消耗大量量子比特和时间。培养方法则在一个较小的纠错码中直接生成魔法态，并通过扩展纠错距离来压制噪声，无需大量输入态。英伟达的模拟显示，培养可将量子比特需求降低约90%，大幅减少了逻辑门的开销。
展望与总结
英伟达在朱庇特上的104量子比特容错模拟，将量子纠错研究从理想模型推向真实的硬件噪声环境，并展示了魔法态培养的显著优势。随着经典超算能力增长和量子硬件进步，这类全栈模拟将在容错量子计算机的商业化道路上发挥关键作用。业界预计，未来两年内基于类似方法的模拟将突破500量子比特，为实用化量子优势铺平道路。
