De acordo com pt.wedoany.com-A Aegiq, empresa britânica de computação quântica fotônica, anunciou uma série de marcos tecnológicos ao integrar inteligência artificial e matemática de redes tensorais em suas operações de hardware e pilha de software de computação de alto desempenho (HPC). Esses resultados foram implantados na primeira unidade de processamento quântico (QPU) da empresa e em sua biblioteca de software híbrido, resolvendo gargalos críticos de escalabilidade na estabilidade de hardware e na dinâmica de fluidos computacional (CFD). Ao utilizar os frameworks de IA especializados e a arquitetura acelerada da NVIDIA, a empresa demonstrou otimização automática do sistema e modelos de escala logarítmica capazes de processar dados de engenharia em escala extrema.
As plataformas de computação quântica são estruturalmente suscetíveis a ruídos ambientais e deriva de hardware, exigindo tradicionalmente ajustes manuais por engenheiros especializados para manter a linha de base de desempenho. Para automatizar a manutenção do hardware, a Aegiq integrou a série de modelos de IA de código aberto NVIDIA Ising ao fluxo operacional diário de seu computador quântico fotônico Artemis, instalado no Centro Nacional de Computação Quântica (NQCC) do Reino Unido. Sob uma arquitetura baseada em agentes, a plataforma utiliza modelos de linguagem visual (VLM) pré-treinados para calibração, executados em sistemas NVIDIA locais, para explorar o espaço de parâmetros do hardware. A configuração multiagente é capaz de interpretar prompts em linguagem natural, coordenando ajustes de hardware em tempo real para equilibrar métricas críticas de pontos quânticos, como brilho, pureza e indistinguibilidade dos fótons, ao mesmo tempo que reduz os custos operacionais semanais de engenharia em 3 vezes.
No lado do software, a Aegiq colaborou com o EPCC da Universidade de Edimburgo, a Universidade de Massachusetts Amherst e o Laboratório Nacional de Oak Ridge (ORNL) para enfrentar os limites de armazenamento de dados em simulações de fluidos em escala extrema. Programas modernos de CFD de alta fidelidade geram centenas de terabytes de dados, com requisitos de memória de até 275 GB para um único instantâneo de fluxo. Em um artigo publicado no arXiv, a equipe apresentou um método de compressão inspirado na computação quântica, mapeando dados de fluidos de alta dimensão para redes tensorais unidimensionais, especificamente estados de produto de matriz. Este arcabouço matemático explora a estrutura física da dinâmica de fluidos turbulentos: de forma análoga aos efeitos de emaranhamento quântico de curto alcance, as principais trocas de energia durante a cascata turbulenta ocorrem entre escalas de vórtices adjacentes, alcançando uma taxa de compressão de dados sem perdas de 10 vezes em hardware clássico.
Para traduzir essas vantagens teóricas de escala em aplicações de nível industrial, a Aegiq integrou a biblioteca NVIDIA cuTensorNet (componente central do SDK NVIDIA cuQuantum) para impulsionar seus algoritmos de CFD prontos para computação quântica. Um dos principais obstáculos ao aplicar métodos de redes tensorais a geometrias reais é a configuração da malha computacional subjacente. A Aegiq desenvolveu um esquema proprietário de geração de malhas, projetado para alinhar os limites físicos com a estrutura tensorial. Quando implantada em GPUs NVIDIA L40S, essa arquitetura de malha especializada permite que o sistema exiba tempo de execução e consumo de memória com variação logarítmica, ao mesmo tempo que gera malhas computacionais com mais de um bilhão de nós, atendendo aos requisitos padrão de projeto industrial em hardware clássico existente.
A principal vantagem operacional do arcabouço tensorial da Aegiq é sua capacidade de executar equações complexas de fluidos não lineares diretamente no formato de dados comprimidos, sem a necessidade de descompressão completa do estado. A equipe de pesquisa demonstrou que operações de alta intensidade computacional, como as convoluções espaciais empregadas por resolvedores clássicos de Navier-Stokes, podem ser executadas dentro do arcabouço de representação de estado de produto de matriz. Ao lidar com conjuntos de dados de grande escala, esse processamento no domínio comprimido alcança acelerações significativas em relação aos métodos tradicionais de Transformada Rápida de Fourier (FFT). Como a vantagem computacional é proporcional à escala e complexidade da simulação, o arcabouço altera fundamentalmente as características de escala de equações diferenciais parciais de alta dimensão, tornando problemas de engenharia anteriormente intratáveis em problemas controláveis.
A fusão da calibração automatizada por IA com bibliotecas tensorais prontas para computação quântica forma um caminho de evolução contínua, conectando os supercomputadores GPU atuais ao futuro hardware quântico tolerante a falhas. A arquitetura algorítmica acelerada pelas plataformas NVIDIA é inerentemente pronta para computação quântica, o que significa que os estados de fluidos comprimidos podem ser mapeados diretamente para registradores quânticos por meio de protocolos estabelecidos de preparação de estado. Isso permite que usuários corporativos em áreas como engenharia aeroespacial, pesquisa em energia limpa e modelagem climática obtenham ganhos de desempenho imediatos em clusters clássicos de GPU (como o sistema Frontier do ORNL), ao mesmo tempo que garante que seus pipelines de software possam fazer a transição para operar em QPUs fotônicos de grande escala e com correção de erros, à medida que o hardware subjacente evolui. Detalhes técnicos e resultados acadêmicos podem ser consultados através dos seguintes canais: Relatório de Calibração de IA Aegiq Artemis, Briefing de CFD Aegiq cuQuantum, Portal de Redes Tensorais Aegiq e o repositório abrangente de derivações revisadas por pares arXiv:2606.17064.
Este texto foi elaborado por Wedoany. Qualquer citação por IA deve indicar a fonte “Wedoany”. Em caso de infração ou outros problemas, informe-nos prontamente, por favor. O conteúdo será corrigido ou removido. E-mail: news@wedoany.com
