邁向超大型量子計算：超算-量子混合計算
2026.05.24當我們討論「超大型量子計算」時，直覺上常會想像一台擁有數十萬、甚至數百萬量子位元的巨大量子電腦。 然而，真正可用的量子計算系統並不會只是一台孤立的低溫儀器，而更接近一座結合 高效能運算（High Performance Computing, HPC）、古典控制系統、低溫量子處理器（QPU）、 即時解碼器與雲端排程軟體的「量子中心超級電腦」（Quantum-centric Supercomputer）。
在這個架構中，量子電腦不是取代傳統超級電腦，而是成為傳統高效能運算系統中的一種特殊加速器。 CPU 與 GPU 負責資料前處理、參數最佳化、誤差緩解、結果分析與工作流管理； QPU 則負責處理某些具有量子結構的子問題，例如量子化學、材料模擬、組合最佳化或特定線性代數任務。
從單機量子電腦到量子中心超級電腦
傳統電腦的擴展方式，是從單一處理器走向多核心、叢集、資料中心與超級電腦。 類似地，量子電腦的擴展也不太可能永遠停留在「單一晶片 + 單一製冷機」的模式。 因為隨著量子位元數增加，系統會同時面臨低溫空間、控制線數量、讀出頻寬、校準複雜度、 熱負載與錯誤校正解碼速度等瓶頸。
因此，未來的大型量子計算很可能採用混合式架構： 由古典超算負責龐大的資料流與控制決策，再把適合量子加速的子問題送到 QPU。 這種模式不是「量子 vs. 古典」的競爭，而是「量子 + 古典」的協同運算。
.png)
▲ IBM 繪製的架構圖，從當前的量子原型機，邁向實用化的量子計算需要加入大型古典超算機櫃整合。
Ref: https://spectrum.ieee.org/ibm-quantum-computer-2668978269
| 系統層級 | 主要角色 | 在混合量子運算中的功能 |
|---|---|---|
| CPU | 通用古典運算核心 | 負責程式排程、資料前處理、迭代控制、演算法流程管理，以及與雲端或 HPC 系統溝通。 |
| GPU | 大規模平行運算核心 | 負責張量運算、線性代數、機器學習、變分演算法中的梯度估計，以及量子電路模擬輔助。 |
| FPGA / ASIC | 即時控制與解碼硬體 | 負責低延遲回饋、脈衝控制、快速量測判讀、量子錯誤校正 syndrome decoding。 |
| QPU | 量子處理器 | 執行量子電路，處理量子疊加、糾纏與干涉所能加速的特定子問題。 |
| Runtime / Orchestrator | 運算協調層 | 在 CPU、GPU、FPGA 與 QPU 之間分配任務，決定哪些部分適合古典處理，哪些部分送入量子硬體。 |
為什麼量子電腦需要超算？
量子電腦本身並不是一台可以獨立處理所有任務的萬能機器。實際上，現在大部分量子演算法都需要大量古典運算配合。 例如在變分量子演算法（Variational Quantum Algorithms, VQA）中，QPU 負責執行參數化量子電路並輸出量測結果； 古典電腦則根據量測結果更新參數，再把新的參數送回 QPU。
這種「QPU 執行、古典電腦最佳化」的迴圈，使得量子計算天然就是一種混合計算。 當問題規模變大，古典端需要處理的資料、排程、最佳化與誤差緩解也會快速增加，因此超算系統會成為大型量子計算不可或缺的基礎設施。
| 混合計算任務 | 主要執行硬體 | 功能解說 |
|---|---|---|
| 量子電路編譯 | CPU / GPU | 將抽象量子演算法轉換成硬體可執行的閘序列，並考慮 qubit topology、coupling map 與閘誤差。 |
| 脈衝產生與控制 | AWG / FPGA / 控制電子學 | 把量子閘轉換為微波脈衝、磁通脈衝與讀出脈衝，送入低溫系統操控 QPU。 |
| 量子電路執行 | QPU | 在低溫環境中利用量子疊加、糾纏與干涉執行量子操作。 |
| 量測結果處理 | FPGA / CPU / GPU | 將微弱讀出訊號轉換為 classical bitstream，並進行分類、校正與統計分析。 |
| 誤差緩解與錯誤校正 | CPU / GPU / FPGA / ASIC | 在 NISQ 階段進行誤差緩解；在容錯量子計算階段則需要即時 syndrome decoding 與回饋控制。 |
| 工作流排程 | HPC / Cloud Runtime | 管理多個使用者、多個 QPU、多種古典資源之間的任務分配與資料流。 |
超算-量子混合架構中的關鍵概念
| 關鍵概念 | 說明 |
|---|---|
| Quantum Runtime | 負責把量子工作負載封裝成可執行任務，並協調 QPU、古典伺服器與雲端資源。 |
| Circuit Knitting | 將大型量子電路拆成多個較小電路，分別在不同 QPU 或不同時間執行，再由古典後處理將結果拼接回來。 |
| Error Mitigation | 在尚未完全容錯的量子硬體上，透過古典統計方法降低雜訊對結果的影響。 |
| Real-time Feedback | 量測結果必須在極短時間內回饋到控制系統，以支援動態電路與量子錯誤校正。 |
| Resource Orchestration | 當一個任務需要多個 QPU、多台 GPU 或多個 classical servers 時，系統必須自動管理資源配置與資料同步。 |
| Quantum Interconnect | 當 QPU 數量增加，系統需要能在模組之間傳送量子資訊的連結。 |
混合計算的典型流程
一個量子-古典混合計算通常不是單次送出量子電路就結束，而是由多次迭代構成。 古典端會根據每一輪量子量測結果調整下一輪的量子電路參數，使整體流程形成封閉回饋迴圈。
問題分解： 將原始科學或工程問題拆成古典可處理部分與量子加速部分。
量子電路產生： 由古典端產生參數化量子電路或特定 quantum kernel。
硬體編譯： 根據 QPU 拓撲、閘集合與校準資料進行 transpilation。
QPU 執行： 在低溫量子晶片上執行電路並量測輸出。
古典後處理： 使用 CPU/GPU 分析量測結果、估計期望值、更新參數。
迭代收斂： 重複執行直到能量、成本函數或目標指標收斂。
▲ 量子機器學習混合計算示意圖。
Ref: Quantum-Train: rethinking hybrid quantum-classical machine learning in the model compression perspective, DOI: 10.1007/s42484-025-00305-0
技術門檻
| 關鍵挑戰 | 說明 |
|---|---|
| 低延遲控制 | 量子錯誤校正與動態電路需要即時判讀量測結果，並在 coherence time 內完成回饋操作。 |
| 資料流瓶頸 | 大量 qubit 的重複量測會產生龐大 bitstream，需要高速資料擷取、壓縮、分類與儲存。 |
| 跨硬體排程 | CPU、GPU、FPGA、QPU 與雲端伺服器的運算節奏不同，必須透過 runtime 系統協調。 |
| 錯誤校正解碼 | 容錯量子計算需要即時處理 syndrome 資訊，解碼器可能需要 FPGA、ASIC 或 GPU 加速。 |
| 多 QPU 擴展 | 單一 QPU 的 qubit 數量有限，未來必須透過模組化 QPU 與量子連結擴大有效計算空間。 |
| 軟硬體共同設計 | 量子演算法、編譯器、控制脈衝、QPU 拓撲與低溫封裝必須一起設計，不能分開最佳化。 |
IQM與德國萊布尼茲超算中心的量子整合實驗
2025 年IQM的研究報告(arxiv:2509.12949)整理了將一台 20 量子位元超導量子電腦整合進 Leibniz Supercomputing Centre（LRZ） HPC 基礎設施的實務經驗。 這個案例很重要的說明，量子電腦若要真正成為「量子加速器」，不只需要 QPU 本身，還需要場地、冷卻、網路、排程、校準與使用者訓練的完整配合。
(上)Ref: https://thequantuminsider.com/2024/06/19/germany-launches-first-hybrid-quantum-computer-at-leibniz-supercomputing-centre/
(下)Ref: https://arxiv.org/pdf/2509.12949v1
一、環境的把控
傳統 HPC 節點通常可以被視為穩定的計算資源：安裝、接電、接冷卻系統後，便能長時間提供相對固定的運算能力。然而超導量子電腦更接近一套精密實驗設備。 它對環境振動、聲音、電磁雜訊、溫度變化都更加敏感，因為這些擾動可能影響量子位元的相干時間、閘操作準確度與讀出品質。
因此，在部署量子電腦前，資料中心必須先進行嚴格的場地調查，包括磁場、地板振動、聲壓、溫度與濕度等量測。這代表未來的量子資料中心，不只是「有電、有網路、有冷卻」即可，而是需要同時滿足低雜訊、高穩定度與可維護性的條件。
| 量測項目 | 設備 | 環境要求 |
|---|---|---|
| 直流磁場 DC magnetic field |
將三軸磁通門感測器放置於預定安裝製冷機的位置，約略位於 QPU 的高度。 | 每一軸皆需 < 100 μT。 |
| 交流磁場 AC magnetic field |
將三軸磁通門感測器放置於預定安裝製冷機的位置，約略位於 QPU 的高度。 | 在 5 Hz – 1000 Hz 的頻率範圍內，每一軸的峰對峰頻譜振幅需 < 1 μT。 |
| 地板振動 Floor vibrations |
將單軸振動感測器放置於預定安裝製冷機位置的地板上。 | 在 1 Hz – 200 Hz 的頻率範圍內，每一軸的 RMS 頻譜振幅需 < 400 μm/s；或等效地，需符合辦公室空間的 ISO 振動限制。 |
| 聲壓 Sound pressure |
將全指向性麥克風放置於製冷機所在位置。 | 在 20 Hz – 20 kHz 的頻率範圍內積分後，聲壓需 < 80 dBA。 |
| 溫度 Temperature |
將溫度計放置於預定安裝電子機櫃的位置。 | 在 20 – 25°C 的任一設定溫度附近，12 小時內的溫度變化需滿足 ΔT < ±1°C。 |
| 濕度 Humidity |
將濕度計放置於預定安裝電子機櫃的位置。 | 25 – 60%，且不可凝結。 |
二、校準與監控：量子電腦是動態系統
超導量子位元的特性會隨時間變化，它的頻率、閘保真度、讀出保真度與雜訊狀態，都可能在數小時到數天的尺度上漂移。 這是量子電腦與傳統 CPU/GPU 最大的差異之一，量子電腦需要時常進行反覆校準，而這些校準不能完全依賴人工操作。
IQM的 20-qubit 超導量子電腦具備自動化校準流程。 系統可以執行快速校準或完整校準，並由 HPC 中心根據使用者工作負載安排校準時段。 這點非常關鍵：若 QPU 要成為 HPC 資源的一部分，校準就必須被「實時」納入排程系統， 而不是被視為獨立外部維護事件。
三、備援電力與冷卻系統的重要性
超導量子電腦需要維持在極低溫環境下運作。若發生斷電或冷卻中斷， QPU 可能升溫，導致系統需要重新降溫與重新校準。這個恢復過程可能需要數天時間， 遠比重啟一般 HPC 節點更複雜。
因此，IQM強調備援電力與備援冷卻水系統的重要性。 對資料中心而言，量子電腦的可用率不只取決於 QPU 本身， 也取決於整個基礎設施是否能避免非預期停機。
四、HPC+QC 的關鍵：把 QPU 變成可排程的加速器
在 HPC+QC 架構中，量子電腦可以有兩種使用方式。第一種是遠端非同步提交： 使用者將量子任務送進佇列，等待 QPU 執行後取回結果。第二種則是更緊密的 加速器模式：QPU 被放入 classical HPC workflow 之中，與 CPU/GPU 形成 低延遲的混合計算迴圈。這對 VQE、量子化學、最佳化與混合量子-classical 演算法特別重要。
這種整合需要一套能連接多種前端框架與硬體後端的軟體堆疊。 IQM論文中提到的 Munich Quantum Software Stack（MQSS）支援 Qiskit、 CUDA-Q、PennyLane 等介面，並透過中介表示法與 JIT 編譯機制， 將高階量子程式轉換成硬體可執行的低階指令。
五、使用者導入：硬體可用不代表研究立即可行
即使量子硬體已經接入 HPC 系統，使用者仍需要學習如何有效使用它。 對量子專家而言，重點是理解特定 QPU 的拓撲、原生閘集合與雜訊特徵； 對傳統 HPC 使用者而言，則需要先理解量子電路、量子測量與混合工作流程的基本概念。
因此，成功的 HPC+QC 整合不只是技術問題，也是一個使用者教育問題。 IQM的案例透過 Jupyter notebook、硬體特性教學、mentor 制度與 FAQ， 幫助早期使用者從「可以存取量子電腦」走向「能產生實際研究成果」。
IQM的案例說明，量子電腦要進入 HPC 世界，不能只把 QPU 放進資料中心。 真正的 HPC+QC 整合需要五個層次同時成熟：
- 適合量子硬體的低雜訊場地與環境控制；
- 可由 HPC 排程系統管理的自動化校準流程；
- 穩定的電力、冷卻與備援基礎設施；
- 能支援遠端提交與低延遲混合計算的軟體堆疊；
- 面向量子專家與 HPC 使用者的訓練與導入機制。
未來的量子運算不會只是單一 QPU 的擴充， 而會是「QPU + HPC + 軟體堆疊 + 資料中心工程 + 使用者生態」的整合。
IBM Quantum System Two 可擴展量子-超算系統規劃
▲ IBM Quantum System Two 的概念圖。這類系統的重點不只是單一 QPU 的量子位元數，而是如何把低溫系統、古典控制電子學、資料中心基礎設施與多個量子處理器整合成可擴展的運算平台。
量子中心超級電腦的願景不只是單一 QPU 的放大，而是多個量子系統、古典伺服器與資料中心網路的整合。
圖中可見 classical connections 與 quantum connections 並存，代表未來大型量子運算同時需要古典資料流與量子資訊流。
Ref: IBM Quantum, 100,000-qubit quantum-centric supercomputer vision.
(上)Ref: https://www.hpcwire.com/2025/06/10/ibm-sets-2029-target-for-fault-tolerant-quantum-computing/
(中)Ref: https://newsroom.ibm.com/2023-05-21-IBM-Launches-100-Million-Partnership-with-Global-Universities-to-Develop-Novel-Technologies-Towards-a-100,000-Qubit-Quantum-Centric-Supercomputer
(下)Ref: https://www.ibm.com/quantum/blog/supercomputing-24
▲ IBM Quantum System Two的宣傳影片。
Ref: https://www.youtube.com/watch?v=AQjKUN8PORM
NVIDIA的NVQLink：模組化的量子-超算整合接口
▲ NVIDIA的NVQLink，可以很明顯看出NVQLink的角色是作為超級電腦與QPU的中介。NVQLink不只是單純的信息交換器，NVQLink還整合了量子控制儀器廠商的儀器，來操作QPU。
具體來說，NVQLink是一個高速訊號轉譯器，會將HPC的請求，轉譯成量子電腦的控制信號，交由量子晶片運算，並轉譯量子結果，回傳給HPC。此外，由於量子晶片需要複雜的QEC實時糾錯控制，NVQLink整合的量子控制儀器也會同時進行量子計算的糾錯、校正。
NVQLink的解決方案，可以詮釋成將古典高速計算與量子計算的接口模組化，古典HPC不需要負擔量子控制的算力消耗、校正優化；而量子晶片廠商只需要與NVQLink互聯做適配。
在接下來的混合計算中提供模組化的解決方案，可以在既有的HPC框架下導入NVQLink+QPU，不需要重新設計古典架構來適配量子計算。
Ref: https://developer.nvidia.com/blog/nvidia-nvqlink-architecture-integrates-accelerated-computing-with-quantum-processors/
總結來說，超大型量子計算的第一層問題，是如何讓 QPU 成為高效能運算系統中的一個可用加速器。 這需要 runtime、編譯器、古典加速器、低延遲控制與錯誤校正解碼的整合。
王培儒