Qblox、NVIDIA GPUとの低遅延接続を実証　RiverlaneとのQEC実証に続き制御基盤を拡張

【記事タイトル】 Qblox、NVIDIA GPUとの低遅延接続を実証　RiverlaneとのQEC実証に続き制御基盤を拡張 【記事本文】 Qbloxは、NVIDIA NVQLinkを利用してNVIDIA DGX Sparkを量子システム制御装置に統合した。往復レイテンシーはDGX Sparkで7.2マイクロ秒未満、RTX PRO 6000 Blackwellで4.0マイクロ秒未満を記録した。GPUをリアルタイム制御ループに組み込み、量子ビット量子ビットQuantum Bit / Qubit量子コンピュータで情報を表す基本単位。0と1のどちらかだけでなく、それらを重ね合わせた量子状態を取れる。QI補足量子ビット数が多いほど必ず高性能とは限らない。誤り率、接続性、コヒーレンス時間や論理量子ビット数も重要になる。の動的較正や量子誤り訂正量子誤り訂正Quantum Error Correction / QEC複数の物理量子ビットに情報を分散して持たせ、量子状態を直接壊さずにエラーを検出・訂正する技術。QI補足実施しただけで実用的な耐障害性が得られるわけではない。論理エラー率が物理エラー率より改善しているかが重要になる。向けデコードへの活用を目指す。 ✍️ Quantum Indexの視点 発表内容の背景にある技術・事業上の意味と、数字や見出しだけでは見えにくい評価ポイントを解説します。 独自分析を読む ↓ 発表概要 今回の統合では、QbloxのQ1シーケンスプロセッサーとLINQが、Qblox ClusterとGPUの間の低遅延・高スループットスループットThroughput一定時間あたりに処理できる仕事量を示す指標。量子計算では、回路やジョブをどれだけ速く繰り返し実行できるかなどを表す。QI補足スループットの定義や単位は企業・システムごとに異なる。比較する際は、単なる実行回数だけでなく、回路規模や精度、待ち時間などの条件も確認したい。通信を担う。NVIDIA CUDA-Qを介し、量子処理、AI、シミュレーションの各ワークロードを単一のデスクトップシステム上で扱えるという。 GPUアクセラレーションを利用した較正処理では、実験の合間ではなく実験中に量子ビットのパラメーターを更新する。量子誤り訂正では、シンドロームデータをGPUベースのデコーダーへ低遅延で送り、リアルタイムの誤り特定と訂正を支援する構成である。 Qbloxは2025年10月にNVQLinkを使った取り組みを発表し、2026年3月にはCUDA-QのリアルタイムAPIへ対応していた。今回は、そのアーキテクチャーを実機上のレイテンシー測定へ進めた成果に位置付けられる。 重要ポイント ・NVIDIA NVQLinkを介してDGX SparkとQbloxの量子システム制御装置を統合した ・往復レイテンシーはDGX Sparkで7.2マイクロ秒未満、RTX PRO 6000 Blackwellで4.0マイクロ秒未満だった ・Q1シーケンスプロセッサーとLINQがQblox ClusterとGPU間の通信を担う ・GPUを実験中の量子ビット較正や量子誤り訂正用デコードに利用する ・デスクトップで開発したCUDA-Qコードをデータセンター向けGPUサーバーへ移行できるとしている 技術・事業上の意味 技術面では、GPUを量子制御のリアルタイムループへ組み込み、動的較正と量子誤り訂正に必要な古典計算古典計算Classical Computing / Classical Computation0と1のビットを使って計算する、現在一般に使われているコンピューターによる計算方式。QI補足量子計算との比較対象として使われるが、CPU、GPU、スーパーコンピュータや専用アルゴリズムまで含み得るため比較条件に注意したい。を低遅延で処理する構成を実測値とともに示した点に意味がある。事業面では、デスクトップ環境からデータセンター向けGPU環境まで同じCUDA-Qコードを利用できれば、ハイブリッド量子・古典システムの開発経路を共通化できる可能性がある。一方、商用提供の時期や価格、対応する量子ハードウェアの範囲は明らかにされていない。 今後の注目点 次の観測点は、実際の量子ハードウェアを接続した較正や誤り訂正で、今回の低遅延がどの程度の性能改善につながるかである。デスクトップからデータセンター環境へコードを移した際の性能と互換性、対応する量子ハードウェアの範囲も判断材料となる。加えて、提供形態や価格、利用事例が具体化するかが事業展開を見極めるポイントである。 ✍️ Quantum Indexの視点 今回の発表は、Qbloxが量子制御装置と外部の古典計算古典計算Classical Computing / Classical Computation0と1のビットを使って計算する、現在一般に使われているコンピューターによる計算方式。QI補足量子計算との比較対象として使われるが、CPU、GPU、スーパーコンピュータや専用アルゴリズムまで含み得るため比較条件に注意したい。基盤を接続する取り組みを、専用QECQEC量子誤り訂正 / Quantum Error Correction / QEC複数の物理量子ビットに情報を分散して持たせ、量子状態を直接壊さずにエラーを検出・訂正する技術。QI補足実施しただけで実用的な耐障害性が得られるわけではない。論理エラー率が物理エラー率より改善しているかが重要になる。システムからNVIDIAのGPU基盤へと広げたものと捉えられる。 Qbloxは2026年9月、RiverlaneのDeltaflow 2と連携し、符号距離9の表面符号表面符号Surface Code / Surface Quantum Error-Correcting Code量子ビットを格子状に配置し、局所的な測定を繰り返して誤りを検出・訂正する代表的な量子誤り訂正符号。QI補足実装しやすさから有力視されるが、必要な物理量子ビット数はエラー率や符号距離などで大きく変わる。企業発表では「何個で1論理量子ビットか」の前提確認が重要。で、測定データの処理からデコード、条件付き補正まで含むフィードバックループを11.886マイクロ秒で実行した（https://quantumindex.jp/qblox-riverlane-real-time-qec-loop/）と発表している。ただし、実量子ビット量子ビットQuantum Bit / Qubit量子コンピュータで情報を表す基本単位。0と1のどちらかだけでなく、それらを重ね合わせた量子状態を取れる。QI補足量子ビット数が多いほど必ず高性能とは限らない。誤り率、接続性、コヒーレンス時間や論理量子ビット数も重要になる。ではなくエミュレートした測定データを用いた実証だった。一方、今回のNVIDIA連携で示された4.0マイクロ秒未満という数値はGPUとの往復通信遅延であり、デコード計算や補正処理を含まない。測定範囲が異なるため、両者の数値を単純に比較することはできない。 また、DGX SparkはAI向けの低精度演算に重点を置いた製品であり、量子誤り訂正のデコード処理で必ずしも高性能とは限らない。GPUとの低遅延通信が実現しても、実際のデコード速度や訂正精度が専用システムに匹敵するかは別の問題である。 むしろ注目すべきは、QbloxがQECiによる専用デコーダーとの接続に加え、NVQLinkによるGPU連携にも対応し、特定の計算基盤に依存しない量子制御インフラを構築しつつある点だ。今後は、同じ誤り訂正条件で専用デコーダーとGPU方式の総遅延、訂正精度、拡張性を比較できるかが重要になる。 NETWORKQbloxを取り巻く業界ネットワークを見る →（/qi-network/） 関連記事 ・IBM、QiskitをFortran・C++・Juliaへ拡張　量子-HPC統合を見据えC API整備（https://quantumindex.jp/qiskit-fortran-cpp-julia-c-api/） ・IBM、誤り緩和を“ブラックボックス”から開放　directed executionでQECまで共通基盤化（https://quantumindex.jp/ibm-quantum-directed-execution-qec/） ・D-Wave、ゲート型量子シミュレーターのベータ開始　デュアルレール実機に先行（https://quantumindex.jp/dwave-gate-model-simulator-beta/） 出典 発表元の記事を読む（https://qblox.com/newsroom/qblox-advances-hybrid-quantum-computing-with-integration-of-nvidia-dgx-spark-leveraging-nvidia-nvqlink） この記事が参考になりましたら、ぜひシェアしてください。 ──────────────────── 【AIへの評価依頼】 以下の記事を、文章の上手さではなく、**専門メディアとしての独自の情報価値**という観点から厳しく評価してください。 一般的な生成AIでも作れる要約、言い換え、専門用語の説明、「今後に注目」「達成時期は未定」などの一般論は、文章として良質でも高く評価しないでください。 評価ランクは以下の5段階です。 * **S — 高度な独自専門分析**：複数の情報、比較、業界知見などを統合し、元資料を個別に読むだけでは得にくい重要な洞察・評価・全体像を提示している * **A — 対象固有の専門分析**：その企業・技術・発表に固有の比較、推論、検証、評価が明確にある * **B — 専門解説中心**：専門的な解説や整理はあるが、対象固有の独自分析は限定的 * **C — 一次情報の整理・要約**：一次情報の要約が中心だが、人による編集・整理・補足として一定の付加価値がある * **D — AI要約・整形レベル**：一般的な生成AIによる一次情報の要約・整形と大きな差がなく、独自分析や独自情報価値がほぼない **S評価に、独自取材、独自データ、独自計算、新事実の発見は必須ではありません。** 複数の公開情報を横断して比較・統合し、読者が元資料を個別に読むだけでは容易に得られない重要な洞察や全体像を提示していれば、Sとなり得ます。一方で、単に情報量が多い、対象数が多い、専門用語が多いという理由だけでSと評価しないでください。 特に、次の点を確認してください。 * 元の発表資料を読むだけでは得にくい情報や視点があるか * 対象固有の比較、推論、検証、評価があるか * 複数の情報を統合することで、新しい理解や全体像を提示しているか * 一般的な生成AIでも容易に作れる内容ではないか * 専門用語や「分析」「注目点」などの見出しだけで高評価していないか 回答では、まず上記の**S〜Dのランク一覧を簡潔に示したうえで、「今回の記事はこの中でどのランクか」を明確に示してください。** その後、以下を簡潔に説明してください。 * **今回の記事の評価：S / A / B / C / D** * **評価理由** * **独自分析と呼べる具体的な箇所** 迷った場合は高い評価を与えず、低い方を選んでください。

Qbloxは、NVIDIA NVQLinkを利用してNVIDIA DGX Sparkを量子システム制御装置に統合した。往復レイテンシーはDGX Sparkで7.2マイクロ秒未満、RTX PRO 6000 Blackwellで4.0マイクロ秒未満を記録した。GPUをリアルタイム制御ループに組み込み、量子ビット量子ビットQuantum Bit / Qubit量子コンピュータで情報を表す基本単位。0と1のどちらかだけでなく、それらを重ね合わせた量子状態を取れる。QI補足量子ビット数が多いほど必ず高性能とは限らない。誤り率、接続性、コヒーレンス時間や論理量子ビット数も重要になる。の動的較正や量子誤り訂正量子誤り訂正Quantum Error Correction / QEC複数の物理量子ビットに情報を分散して持たせ、量子状態を直接壊さずにエラーを検出・訂正する技術。QI補足実施しただけで実用的な耐障害性が得られるわけではない。論理エラー率が物理エラー率より改善しているかが重要になる。向けデコードへの活用を目指す。

発表概要

今回の統合では、QbloxのQ1シーケンスプロセッサーとLINQが、Qblox ClusterとGPUの間の低遅延・高スループットスループットThroughput一定時間あたりに処理できる仕事量を示す指標。量子計算では、回路やジョブをどれだけ速く繰り返し実行できるかなどを表す。QI補足スループットの定義や単位は企業・システムごとに異なる。比較する際は、単なる実行回数だけでなく、回路規模や精度、待ち時間などの条件も確認したい。通信を担う。NVIDIA CUDA-Qを介し、量子処理、AI、シミュレーションの各ワークロードを単一のデスクトップシステム上で扱えるという。 GPUアクセラレーションを利用した較正処理では、実験の合間ではなく実験中に量子ビットのパラメーターを更新する。量子誤り訂正では、シンドロームデータをGPUベースのデコーダーへ低遅延で送り、リアルタイムの誤り特定と訂正を支援する構成である。 Qbloxは2025年10月にNVQLinkを使った取り組みを発表し、2026年3月にはCUDA-QのリアルタイムAPIへ対応していた。今回は、そのアーキテクチャーを実機上のレイテンシー測定へ進めた成果に位置付けられる。

重要ポイント

• NVIDIA NVQLinkを介してDGX SparkとQbloxの量子システム制御装置を統合した
• 往復レイテンシーはDGX Sparkで7.2マイクロ秒未満、RTX PRO 6000 Blackwellで4.0マイクロ秒未満だった
• Q1シーケンスプロセッサーとLINQがQblox ClusterとGPU間の通信を担う
• GPUを実験中の量子ビット較正や量子誤り訂正用デコードに利用する
• デスクトップで開発したCUDA-Qコードをデータセンター向けGPUサーバーへ移行できるとしている

技術・事業上の意味

技術面では、GPUを量子制御のリアルタイムループへ組み込み、動的較正と量子誤り訂正に必要な古典計算古典計算Classical Computing / Classical Computation0と1のビットを使って計算する、現在一般に使われているコンピューターによる計算方式。QI補足量子計算との比較対象として使われるが、CPU、GPU、スーパーコンピュータや専用アルゴリズムまで含み得るため比較条件に注意したい。を低遅延で処理する構成を実測値とともに示した点に意味がある。事業面では、デスクトップ環境からデータセンター向けGPU環境まで同じCUDA-Qコードを利用できれば、ハイブリッド量子・古典システムの開発経路を共通化できる可能性がある。一方、商用提供の時期や価格、対応する量子ハードウェアの範囲は明らかにされていない。

今後の注目点

次の観測点は、実際の量子ハードウェアを接続した較正や誤り訂正で、今回の低遅延がどの程度の性能改善につながるかである。デスクトップからデータセンター環境へコードを移した際の性能と互換性、対応する量子ハードウェアの範囲も判断材料となる。加えて、提供形態や価格、利用事例が具体化するかが事業展開を見極めるポイントである。

✍️ Quantum Indexの視点

今回の発表は、Qbloxが量子制御装置と外部の古典計算古典計算Classical Computing / Classical Computation0と1のビットを使って計算する、現在一般に使われているコンピューターによる計算方式。QI補足量子計算との比較対象として使われるが、CPU、GPU、スーパーコンピュータや専用アルゴリズムまで含み得るため比較条件に注意したい。基盤を接続する取り組みを、専用QECQEC量子誤り訂正 / Quantum Error Correction / QEC複数の物理量子ビットに情報を分散して持たせ、量子状態を直接壊さずにエラーを検出・訂正する技術。QI補足実施しただけで実用的な耐障害性が得られるわけではない。論理エラー率が物理エラー率より改善しているかが重要になる。システムからNVIDIAのGPU基盤へと広げたものと捉えられる。

Qbloxは2026年9月、RiverlaneのDeltaflow 2と連携し、符号距離9の表面符号表面符号Surface Code / Surface Quantum Error-Correcting Code量子ビットを格子状に配置し、局所的な測定を繰り返して誤りを検出・訂正する代表的な量子誤り訂正符号。QI補足実装しやすさから有力視されるが、必要な物理量子ビット数はエラー率や符号距離などで大きく変わる。企業発表では「何個で1論理量子ビットか」の前提確認が重要。で、測定データの処理からデコード、条件付き補正まで含むフィードバックループを11.886マイクロ秒で実行したと発表している。ただし、実量子ビット量子ビットQuantum Bit / Qubit量子コンピュータで情報を表す基本単位。0と1のどちらかだけでなく、それらを重ね合わせた量子状態を取れる。QI補足量子ビット数が多いほど必ず高性能とは限らない。誤り率、接続性、コヒーレンス時間や論理量子ビット数も重要になる。ではなくエミュレートした測定データを用いた実証だった。一方、今回のNVIDIA連携で示された4.0マイクロ秒未満という数値はGPUとの往復通信遅延であり、デコード計算や補正処理を含まない。測定範囲が異なるため、両者の数値を単純に比較することはできない。

また、DGX SparkはAI向けの低精度演算に重点を置いた製品であり、量子誤り訂正のデコード処理で必ずしも高性能とは限らない。GPUとの低遅延通信が実現しても、実際のデコード速度や訂正精度が専用システムに匹敵するかは別の問題である。

むしろ注目すべきは、QbloxがQECiによる専用デコーダーとの接続に加え、NVQLinkによるGPU連携にも対応し、特定の計算基盤に依存しない量子制御インフラを構築しつつある点だ。今後は、同じ誤り訂正条件で専用デコーダーとGPU方式の総遅延、訂正精度、拡張性を比較できるかが重要になる。

NETWORKQbloxを取り巻く業界ネットワークを見る →

関連記事

• IBM、QiskitをFortran・C++・Juliaへ拡張　量子-HPC統合を見据えC API整備
• IBM、誤り緩和を“ブラックボックス”から開放　directed executionでQECまで共通基盤化
• D-Wave、ゲート型量子シミュレーターのベータ開始　デュアルレール実機に先行

出典

発表元の記事を読む