英伟达与于利希超算中心合作，利用欧洲首台百亿亿次级超算 JUPITER 用 8,192 块 GH200 GPU 完成对 104 物理量子比特的容错量子计算“魔态培养”规模化数值模拟，为量子纠错方案和资源评估提供大规模参考，但这仍是经典模拟而非真实量子硬件运行。
英伟达表示，研究人员与德国于利希超算中心（Jülich Supercomputing Centre）合作，利用欧洲首台百亿亿次级超级计算机 JUPITER，对容错量子计算中的“魔态培养”（magic-state cultivation）进行了迄今规模最大的完整模拟。
这项工作使用了 8,192 块 NVIDIA GH200 GPU，模拟一个包含 104 个物理量子比特的魔态制备协议。英伟达称，研究在更接近真实硬件的噪声条件下，考察了相干相位误差和量子泄漏等机制，为量子处理器设计者评估纠错方案提供了一个大规模参考。
但这并不意味着 JUPITER 已经运行了一台真实的量子计算机，也不代表商业化容错量子计算已经实现。此次运行是在经典超级计算机上对量子系统进行数值模拟，目标是帮助研究人员在建造硬件之前，了解错误如何传播以及不同设计需要多少计算资源。
模拟量子计算中最昂贵的环节
容错量子计算的核心难题，不只是保存量子信息，还包括如何可靠地执行通用量子算法。量子纠错通常能够处理一部分克利福德操作，但要支持完整的通用计算，还需要非克利福德操作。“魔态”正是实现这类操作所需的特殊量子资源。
魔态在使用过程中会被消耗，因此未来的容错量子处理器必须持续制备高质量魔态。传统的魔态蒸馏方案需要大量物理量子比特和重复纠错操作。英伟达称，此次研究的魔态培养路线相较此前方法可能减少约 90% 的物理量子比特需求。不过，这一比例是针对相关方法和假设条件的技术说明，不应理解为所有量子计算架构都能获得同样幅度的资源节省。
2024 年发表的 《Magic state cultivation: growing T states as cheap as CNOT gates》提出，魔态培养可以通过逐步扩大一个特殊量子态来降低资源开销。随后研究人员又针对培养过程中的故障距离问题设计了额外的标记测量，相关工作见 2026 年的预印本。这些研究构成了本次大规模模拟所处的技术背景。
AIFluxNews此前报道过谷歌在 Willow 芯片上实现“魔态培养”，那项工作是在真实超导量子处理器上验证魔态培养；英伟达和于利希的工作则是在经典 GPU 超级计算机上研究更大规模、更加细致的噪声模型。两者属于不同层面的进展，不能混为同一项硬件演示。
为什么需要 8,192 块 GPU
魔态制备协议的模拟难度会随着量子比特数量增加而快速上升。英伟达 CUDA-Q 技术博客称，研究团队使用了包含相干相位误差的噪声模型，并对部分超导量子比特引入第三能级，以模拟量子泄漏。相比只处理随机比特翻转或相位翻转，这些机制更接近真实硬件，但也显著增加了内存和计算需求。
该协议从距离为 3 的颜色码开始，经过检查后逐步扩展到距离为 7 的颜色码与表面码混合配置。104 个量子比特包括数据量子比特和协议过程中使用的辅助量子比特。
为了在分布式 GPU 系统上运行，研究人员重新组织了电路表示，并在量子比特被测量和释放后复用存储空间。技术博客称，在 8,192 块 GPU 的配置中，一个 45 位编码寄存器约代表 35.2 万亿个复振幅；仅状态本身在双精度下就需要约 512 TiB 的分布式 GPU 内存，平均每块 GPU 约 64 GiB，此外还要为通信和数值分析保留空间。
英伟达表示，研究团队先在 NVIDIA Accelerated Quantum Research Center（NVAQC）的 GB200 NVL72 系统上开发和验证软件，再将测试从少数 GPU 扩展到数百块，最后迁移到 JUPITER。这样的流程可以在占用大型超算资源之前，先检查模拟方法、内存预算和结果是否可靠。
项目使用 NVIDIA cuQuantum 进行 GPU 加速，并通过 CUDA-Q 表达容错量子计算中的逻辑层和魔态电路。AIFluxNews此前也报道过英伟达推出 CUDA-Q Logical，这显示该公司正把量子编程、资源估算和 GPU 加速模拟放进同一套软件路线中。
JUPITER把量子研究带入百亿亿次级计算
JUPITER 由于利希超算中心负责运行，是欧洲首台达到百亿亿次级的超级计算机。于利希研究中心在官方介绍中称，JUPITER 在 64 位 Linpack 基准测试中达到 1 ExaFLOP/s，系统的 JUPITER Booster 模块配备约 24,000 块 NVIDIA GH200 Grace Hopper 超级芯片。
在这次合作中，JUPITER并不是量子处理器的替代品，而是用来建立一个更详细的“参照系”。研究人员可以先在经典系统中测试不同的纠错协议、噪声机制和电路安排，再判断哪些设计值得投入真实量子硬件进行验证。
于利希超算中心此前已经利用 JUPITER 模拟过 50 个量子比特的通用量子计算系统。此次工作把目标推进到更复杂的魔态制备流程，但模拟规模的扩大本身也说明，经典计算仍然需要付出极高的资源成本，才能近似描述量子硬件中的有限部分行为。
从模拟结果到实用量子计算仍有距离
英伟达表示，这类模拟可以帮助研究人员在硬件建造前评估噪声传播、资源需求和逻辑操作质量，并为未来的量子处理器设计提供依据。对于量子计算行业而言，这种“先模拟、再建造”的方法有望减少完全依赖硬件试错的成本。
不过，目前能够确认的是一次经典超级计算机上的研究模拟，而不是一台可用于药物发现、金融建模或材料科学的通用量子计算机。英伟达在新闻稿中提到的相关应用，是容错量子计算可能服务的长期方向，并非此次项目已经完成的商业应用。
下一步仍有几个关键问题：魔态培养在更大编码距离下能否保持优势；包含泄漏和相干误差的模拟结果能否在不同量子比特架构之间复现；以及模拟中得到的资源估算，能否在真实量子处理器上经受控制延迟、解码可靠性和长期稳定性的检验。
从这个角度看，JUPITER 的意义不在于它“运行了量子计算机”，而在于经典超级计算机正在成为量子硬件设计的一部分。量子处理器、GPU 集群、纠错协议和编译软件之间的协同，可能会成为容错量子计算从实验室演示走向系统工程的必要环节。