当人们谈论量子计算机的未来时,注意力通常集中在量子比特数量、量子门保真度以及量子纠错取得了怎样的突破。
但一个容易被忽视的问题是:当量子计算机中的物理错误不断发生,谁来判断这些错误,又由谁决定如何纠正?
答案并不完全在量子芯片内部。
2026年11月16日,在美国芝加哥举行的SC26超级计算大会期间,IBM与AMD宣布正式开源量子纠错解码评估框架 Pelagos(Pêlagos)。
配套研究显示,在特定纠错码测试中,使用八块AMD Instinct GPU,相较单块GPU,解码阶段吞吐量最高可实现约7.58倍扩展。
如果把数据准备、计算调度和结果回收等环节全部计算在内,端到端吞吐量最高提升约7.01倍。
这不是一次量子处理器性能纪录的刷新,却揭示出一个正在变得越来越重要的问题:量子计算迈向容错时代,经典计算能力究竟需要强大到什么程度?
量子纠错为什么需要GPU?
量子比特极其脆弱。环境噪声、控制误差和量子态退相干,都可能使计算偏离预期。
量子纠错的基本思路,是将需要保护的量子信息编码到更大的物理系统中,通过反复测量错误综合征(Syndrome),识别可能发生的错误,再由解码器推断如何处理。
可以把解码器理解为一名不断分析异常信号的工程师。
它不需要直接读取受到保护的量子信息,而是根据辅助测量结果判断:错误可能出现在什么位置,哪些纠正操作最合适?
问题在于,随着量子计算系统规模扩大,需要处理的错误信息会迅速增加。
更困难的是,在真正将纠错算法部署到量子计算机之前,研究人员必须通过大量模拟判断其可靠性。
一种解码器在一万次测试中没有失败,远远不足以证明它能够支撑数十亿次逻辑操作。研究人员需要测试大量噪声条件、错误模式和算法参数,估计极低概率下的逻辑错误率。
这些测试可能需要数十亿次乃至更多次解码运算。
因此,量子纠错研究本身,正在变成一项高度依赖经典计算资源的工作。
Pelagos正是为加速这类工作而开发。
Pelagos做了什么?
Pelagos主要面向量子低密度奇偶校验码(qLDPC)的纠错解码研究,采用经过GPU优化的Relay-BP(中继式置信传播)解码方法。
qLDPC码之所以受到关注,是因为相较某些传统纠错方案,它有望用更低的物理资源开销保护逻辑量子信息。
但更节省量子比特的编码结构,并不一定意味着更容易解码。
Pelagos尝试利用GPU的大规模并行计算能力,同时处理成批错误综合征,从而提高研究人员评估纠错方案的效率。
框架基于Triton开发,可适配AMD和NVIDIA GPU,并提供自动调优、纠错模拟器接口和多GPU任务支持。
IBM此前的研究已经报告,Pelagos在特定测试中,相对于单个CPU核心可实现最高97倍吞吐提升。
此次发布的重点则更进一步:怎样让多块GPU有效协同,而不是简单增加显卡数量。
研究人员发现,传统多GPU实现存在一个问题:GPU虽然能够并行处理不同任务,但CPU仍要准备输入数据、调度工作并收集输出结果。
当GPU数量增加时,主机端的数据准备和进程协调反而可能成为瓶颈。
IBM与AMD采取了几项优化措施:为每块GPU设置独立的持久工作进程,由CPU并行准备任务,并利用共享内存回收解码结果。
这些改进没有改变量子芯片本身,却提高了经典计算资源的利用效率。

图|进程隔离编排架构对比图。展示通过独立 Worker 进程隔离 GPU 上下文与共享内存通信,从根源上消除了单进程管理下的串行与数据传输瓶颈(来源:arxiv)
7.5倍加速意味着什么?
此次研究测试了AMD Instinct MI300X和MI355X两类GPU,使用两种双变量自行车纠错码作为基准。
结果如下:

图|多 GPU 扩展加速比曲线,展示了在AMD Instinct MI300X 与 MI355X两个平台上,针对双变量自行车码电路,随着 GPU 数量增加时 3 种变体的加速比曲线。(来源:arxiv)
其中,288物理比特码对应的编码参数为 [[288,12,18]],表示288个物理比特、12个逻辑比特和码距18。这是一种用于研究的纠错码结构,并非已经建成12逻辑量子比特的容错处理器。
在橡树岭国家实验室的Lux超级计算系统上,八块MI355X GPU处理144物理比特码测试时,端到端吞吐量达到每秒约3845次解码;对于288物理比特码,达到约1265次。
这些结果说明,通过改进任务管理,八块GPU已经能够取得接近理想线性扩展的解码阶段吞吐表现。
不过,7.58倍不是量子计算机速度提升7.58倍,更不是逻辑错误率降低7.58倍。
它表示在特定测试条件下,八块GPU单位时间内完成的解码工作量,相对于一块GPU得到显著提升。
而且,当完整计算流程中的CPU预处理、数据传输和结果收集被纳入统计后,扩展效率会有所下降。
这一区别非常重要。
真正运行中的容错量子计算机,还要求解码器在严格的反馈时间限制内给出结果。能够快速批量处理模拟数据,并不自动意味着能够满足实际量子处理器的实时控制要求。
Pelagos的开源价值与挑战
Pelagos的核心价值,是通过GPU并行计算提高量子纠错方案的评估效率,让研究人员能够在更短时间内测试更多纠错码、噪声模型和解码参数。
IBM与AMD将其以Apache 2.0许可证开源,也有助于其他团队复现实验、改进算法,推动形成更加透明的技术评价体系。
不过,高吞吐量并不等于真实量子计算机具备实时纠错能力。 从模拟研究走向实际部署,仍需跨越三项挑战:
一是实时性 ,解码及反馈必须满足量子硬件严格的时间要求;二是可靠性 ,算法需要适应真实设备中的复杂噪声、泄漏和器件漂移;三是系统成本,GPU功耗、通信延迟及大规模扩展能力都需要综合评估。
目前,Pelagos的多GPU支持主要限于单个计算节点,其性能结果也尚缺充分的独立复现。
因此,Pelagos现阶段是一套量子纠错研究与评估工具,它为加速纠错技术研发提供了新的基础设施,但能否转化为实际量子计算性能,仍有待真实硬件验证。
量子计算的下一场竞争,可能发生在量子芯片之外
Pelagos的出现,揭示了一个值得持续关注的产业变化。
过去,量子计算竞争主要围绕量子比特数量、门保真度和芯片技术路线展开。
未来,随着容错计算发展,解码软件、经典计算加速器、数据传输、实时控制和系统集成,都可能成为决定量子计算机实际能力的重要因素。
但这不意味着量子计算的主要瓶颈已经从量子芯片转移到GPU。
物理错误率、逻辑资源开销、量子门能力和系统可扩展性仍然是尚未解决的核心问题。Pelagos改善的是其中一个重要研究环节的计算效率。
真正值得期待的下一步,不是继续刷新离线模拟的吞吐纪录,而是证明这些解码方法能够在真实量子处理器上,以足够低的延迟、足够可靠的结果和可接受的成本持续运行。
从这个角度看,IBM与AMD此次开源Pelagos的意义,在于它让研究人员拥有了更高效的工具,去回答一个决定未来容错量子计算能否落地的问题:
当量子计算机终于拥有足够多、足够可靠的逻辑量子比特时,我们是否已经准备好了支撑它运行的整个经典计算系统?
引用:
1https://newsroom.ibm.com/blog-pelagos-accelerates-quantum-error-correction-decoding-at-scale
3 https://arxiv.org/abs/2611.16285
4https://github.com/quantum-supercomputing/pelagos
声明:此文出于传递更多信息。若有错误或侵权,请联系