粤公网安备 44011302004783号 英伟达量子技术突破！纠错效率媲美谷歌，开源解码器来了
量子计算领域迎来重要技术突破。2025年8月，英伟达发布CUDA-QX 0.4版本，该版本在量子纠错（QEC）和算法开发方面带来多项创新功能。新媒网跨境获悉，此次更新旨在帮助研究人员构建全加速的端到端工作流，推动大规模量子计算机的商业化进程。
量子纠错工作流实现自动化
CUDA-QX 0.4引入了检测器错误模型（DEM）自动生成功能。该技术源自2024年发表在Arxiv的论文《Designing fault-tolerant circuits using detector error models》。DEM模型能够在量子电路仿真和实际解码过程中实现数据复用，显著提升了研究效率。开发者现在可以通过C++和Python API直接调用该功能，无需重复构建底层逻辑。
图1：CUDA-Q QEC端到端工作流程图
张量网络解码器开源发布
本次更新的一大亮点是新增支持Python 3.11及更高版本的张量网络解码器。据新媒网跨境了解，该解码器具备三大特性：仅需校验矩阵、逻辑可观测量和噪声模型即可运行；通过精确张量网络收缩实现理论最优解码精度；利用cuQuantum库实现GPU加速。测试数据显示，其逻辑错误率（LER）与谷歌2024年在《Nature》发表的解码器��能相当，但具有开源优势。
图2：CUDA-Q QEC张量网络解码器性能对比
BP+OSD解码器功能升级
在量子纠错领域广泛使用的BP+OSD解码器获得五项重要改进：可配置的收敛检查间隔（Iter_per_check）、数值稳定性控制（clip_value）、算法选择（bp_method）、动态缩放因子（scale_factor）以及解码过程监控（opt_results）。这些更新为研究人员提供了更灵活的调试工具和优化空间。
生成式量子本征求解器亮相
CUDA-QX 0.4在求解器库中新增了生成式量子本征求解器（GQE）。该算法基于2024年Arxiv论文《The generative quantum eigensolver (GQE) and its application for ground state search》，采用Transformer模型生成量子电路，有望解决传统变分量子本征求解器（VQE）面临的收敛难题。目前该算法适用于小规模仿真场景。
新媒网跨境了解到，CUDA-QX 0.4的完整更新内容已在GitHub仓库发布，开发者可通过官方文档获取详细API说明和使用示例。
新媒网（公号: 新媒网跨境发布），是一个专业的跨境电商、游戏、支付、贸易和广告社区平台，为百万跨境人传递最新的海外淘金精准资讯情报。
评论（0）