NVIDIA meldete am 19. Oktober 2026 eine Simulation von Quantenberechnungen mit 104 Qubits auf dem JUPITER-Supercomputer am Jülich Supercomputing Centre. Zum Einsatz kamen laut Unternehmen 8.192 GH200-GPUs. Die Qubits gehörten zu einem klassischen GPU-Modell: Ein physischer Quantenprozessor führte die Berechnung nicht aus.
Was auf JUPITER simuliert wurde
Modelliert wurde die Magic-State-Kultivierung, ein Verfahren zur Vorbereitung spezieller Zustände für fehlertolerante Quantenberechnungen. NVIDIA zufolge berücksichtigte die Simulation realistische Hardwarefehler. Quantum Computing Report nennt als modellierte Effekte kohärente Phasenfehler und das sogenannte Leakage: Dabei verlässt ein Qubit seine üblichen zwei Rechenzustände und gelangt in ein drittes Energieniveau.
Für die Simulation verwendete NVIDIA nach eigenen Angaben cuQuantum. Die logische Schicht für fehlertolerantes Rechnen wurde in CUDA-Q beschrieben. NVIDIA zufolge begann die Entwicklung auf einem GB200 NVL72 im Accelerated Quantum Research Center des Unternehmens. Dort wurde die Arbeit zunächst von vier GPUs auf Hunderte skaliert, bevor sie auf JUPITER lief.
Der Rechenaufwand hinter den 104 Qubits
Quantum Computing Report beschreibt eine 45-Bit-kodierte Zustandsdarstellung mit rund 35,2 Billionen komplexen Amplituden. Für die Konfiguration mit 8.192 GPUs beziffert der Bericht den verteilten GPU-Speicher auf 512 TiB. Diese Werte veranschaulichen die Rechen- und Speicherarbeit, die hinter der Simulation steckt; die 104 Qubits allein beschreiben sie nicht.
Was der Rekordanspruch und der Vergleich aussagen
NVIDIA bezeichnete den Lauf als bislang größte umfassende Simulation eines fehlertoleranten Quantenprozessors. Data Phoenix stufte diesen Rekordanspruch am 19. Oktober 2026 als nicht unabhängig bestätigt ein.
Als Vergleich nannte NVIDIA eine frühere Simulation aus Jülich mit 50 Qubits unter idealen, rauschfreien Bedingungen. Der neue Lauf modellierte dagegen realistische Hardwarefehler. Die unterschiedlichen Bedingungen machen die Qubit-Zahlen nicht zu einem direkten Leistungsvergleich.
Unite.AI berichtete außerdem über Prüfungen kleiner, gepackter Schaltkreise: Berechnungen mit Zustandsvektoren und Tensor-Netzwerken ergaben demnach Messwahrscheinlichkeiten mit einer Übereinstimmung von ungefähr 10⁻¹³, nachdem der Abschneideschwellenwert des Tensor-Netzwerks verschärft worden war. Diese Prüfungen bezogen sich auf kleine Schaltkreise, nicht auf eine unabhängige Wiederholung des vollständigen JUPITER-Laufs.
