一摞九百份卷子分给八个人改,理想里能快八倍。真动手要多出三段工夫:发卷前把卷子分成八叠,改完之后把八个分数收回来,再把它们抄进一张总表。八个人各自伏案的那段时间可以压到接近八倍,从分卷到总表落地这一段压不到。十一月十二日提交的一篇论文把这两段都量了,两个答案分开写在摘要里。
论文叫 Scaling Pêlagos: Multi-GPU Orchestration for Relay Belief-Propagation Decoding,arXiv:2611.16285v1,十位作者来自 AMD 与 IBM Research 的联合团队,v1 提交时间 2026 年 11 月 12 日 04:36:35 UTC。摘要里连着出现六个倍数:5.68、6.23、6.92、7.01、7.58、7.45。十一月十五日的中文量子日报只搬走了最后两个,写成「吞吐扩展达 7.58 倍与 7.45 倍,接近线性」,码也只剩 [[288,12,18]] 一种。六个数字分属两种计法,日报把其中一种的名字省掉了。
🧮 六个数,两本账
先看摘要原文的分工。两种码都在 R=50 的继电器深度下测:one-gross 是 [[144,12,12]],two-gross 是 [[288,12,18]]。八张 AMD Instinct MI300X 与八张 MI355X 各跑一遍。
For the one-gross circuit at R=50, eight AMD Instinct MI300X GPUs and eight AMD Instinct MI355X GPUs achieve optimized end-to-end speedups of 5.68× and 6.23×, respectively. For the two-gross circuit, the corresponding speedups are 6.92× and 7.01×. When throughput is calculated using GPU decoding time, the corresponding two-gross speedups are 7.58× and 7.45×, indicating near-linear GPU scaling.
前四个带 end-to-end,后两个带 when throughput is calculated using GPU decoding time。端到端把主机侧预处理、数据搬运与输出收集都算进去;按 GPU 解码时间算的吞吐,只计解码核在卡上跑的那一段。八张卡的线性上限是 8,7.58 离它还差 0.42,端到端的 6.92 差 1.08。差的那一截正是发卷与收卷。
四组倍率分属两种计法,列在一起才看得出差的那一截有多大。
| 码 | 硬件 | 端到端倍数 | 按 GPU 解码时间算的吞吐倍数 | 与 8 张卡线性上限的差 |
|---|---|---|---|---|
| [[144,12,12]] | 8 × MI300X | 5.68 | 摘要未给 | 2.32 |
| [[144,12,12]] | 8 × MI355X | 6.23 | 摘要未给 | 1.77 |
| [[288,12,18]] | 8 × MI300X | 6.92 | 7.58 | 1.08 与 0.42 |
| [[288,12,18]] | 8 × MI355X | 7.01 | 7.45 | 0.99 与 0.55 |
表里的空格不是漏填。摘要只给了 two-gross 的 GPU 时间口径,one-gross 那一组没有对应数字,不能拿 5.68 或 6.23 去补。另一个容易滑过去的地方:MI300X 在 GPU 时间口径下是 7.58,MI355X 是 7.45,端到端却是 MI355X 的 7.01 高于 MI300X 的 6.92。两张卡的先后在两种计法里换了位置,谁都没写错,量的东西变了。
图里那条虚线是口径的分界。虚线以下只数卡上那段,虚线以上还要把主机侧与回传算进来。论文说的是近线性 GPU 扩展,措辞限定在 GPU scaling,中文日报写成「吞吐扩展达 7.58 倍」,把限定词丢了。
🧱 三处开销,三处改动
改卷的比喻还能往下走三步,正好对上论文的三项改动。
原先的 Pêlagos 在一个 Python 进程里创建多个 GPU 解码器,用主机线程派活。论文列出三处会随卡数变大的开销:一个进程同时持有多个 HIP 上下文并协调它们的运行时;主机侧的综合征与 observable 预处理随总批量增长;跨卡收集纠错输出时的序列化与拷贝也在涨。
第一处对应「每张卡一张桌」。改造后每卡一个独立进程,各持自己的 HIP 上下文,进程之间不共享运行时。第二处对应「发卷前先分好」,主机侧并发准备各自的数据分片,论文把一段连续的分片范围叫 shard。第三处对应「收分不用逐个抄」,纠错数组经共享内存回传。
论文特别说明优化只动外围:单卡内核与布局保留,改的是节点内的预处理、进程归属与输出收集。评估脚手架也只覆盖与扩展有关的执行设置,包括吞吐模式选择、逻辑 GPU 列表与批量大小。这让倍率能干净地归因到编排层,也意味着这些数字不能读成解码算法本身变强了。
前代 Pêlagos 的规模可以当背景。论文引言提到,在一项 312 个实验、1024 张 GPU 的研究里,分布式运行时把估计约 45 年的单 GPU 解码压到 20 天以内。这一篇处理的是互补问题:一台主机协调八张卡时,综合征怎么分片。两篇的尺度差着两个数量级,一个是跨节点,一个是节点内。
📐 这份吞吐买的是什么
摘要第一句把范围钉住了:容错量子计算需要在实时约束下拿到低逻辑错误率,这促使人们用启发式解码算法,而这类算法在电路级噪声下的表现无法解析推导,只能靠大规模仿真来定。高通量解码加速的是仿真与解码器参数的探索。
这笔吞吐用来扩大设计空间。机器本身的速度没有改变。论文引言给了两条 compounding 的理由。要分辨一个逻辑错误率 ε,直接蒙特卡洛采样需要约 1/ε 条已解码综合征,实践中大约只能到 10 的负六次方量级;更低的错误率得换稀有事件技术,用大量解码器评估去替代一次不可能完成的采样。另一头,码与码距要扫,噪声强度要扫,继电器深度与记忆强度区间也要扫,每个工作点单独一组仿真。解码吞吐决定了这套参数空间能扫多宽。
规模也摆在那。二手整理给的检测器误差模型读数:one-gross 有 1872 个 check、71280 个错误机制、419904 个非零校验矩阵元、13 层检测器层;two-gross 是 5472、213408、1257984、19 层。这些数我按二手技术解读抄录,未在 arXiv 摘要里逐字核对,故只作量级示意。IBM 与 AMD 的联合团队把改造后的 Pêlagos 部署到橡树岭国家实验室的 Lux 超算上,那是一套基于 MI355X 的系统,定位是高通量 QEC 仿真的 pathfinding 应用,服务于 Genesis Mission 的科学发现目标。论文还给了公开仓库的 commit 号 0127224,便于复现。
🔍 同一周的三本解码账
这一周站内已经出现过两本与解码有关的账,把它们摆开,边界会更清楚。
十一月六日有一篇讲 IBM 发起的 QEC 协同设计平台,逐字核的是官方通稿里的时态:IBM 原稿写 will connect with the Oak Ridge Leadership Computing Facility,AMD 稿写 Plans call for connecting,那是平台剪彩与将来时,Umbra 机柜共置到 IBM 场地,AMD Versal 自适应 SoC 与 FPGA 负责贴近量子机的低延迟解码,Umbra 的 GPU 用于解码研发。十一月十四日另有一篇量的是同一颗 FPGA 上 6.59 微秒与 10.11 微秒两个时钟,属于单次解码延迟,还留着 10 微秒预算略超的问题。
三本账的量纲与对象都不重叠。
延迟那一列以微秒计,吞吐这一列以倍数计。平台那一列记的是设备有没有接上。把 7.58 倍读成「实时解码器快了七倍半」,跨过的不只是单位,还有用途:论文从摘要到引言都在说 simulation,没有给出实时回路里的解码延迟,也没有报告接上量子处理器之后的闭环前馈。
🧾 数字怎么被吞掉的
中文日报那条可以当一份现成的转述样本。它写「解码 [[288,12,18]] 码时吞吐扩展达 7.58 倍与 7.45 倍,接近线性」,三项编排改动也逐项列了:每卡独立进程,独立 HIP 上下文,主机侧并发准备数据分片,共享内存回传纠错数组。丢掉的也有三样。one-gross 那组数据没了,端到端那四个数没了,GPU decoding time 这个定语也没了。
定语一丢,7.58 就从「卡上那段的倍数」变成了「整套系统的倍数」。这类省略不需要改数字,只删一个状语就够,下游读者却会拿它去和实时解码的延迟谈同一件事。摘要自己把 end-to-end 与 indicating near-linear GPU scaling 都写上了,回一手能救回来。
还有一处量化词值得留个记号:论文写 optimized end-to-end speedups,optimized 指的是改造之后的最优配置,不是随手一跑就有的数。中文简报里的「优化后」三个字若被省掉,倍率就成了默认表现。
🛑 收在能查的地方
论文把边界写在摘要里:高通量 QEC 仿真,解码器参数探索,部署于 Lux 作 pathfinding 应用。八张卡换来的 7.58 倍属于那一项用途。要把它接进实时纠错回路,还得先回答延迟那一列的数从哪来,以及主机侧那三段开销在真实综合征流里还剩多少。这两个数论文没给。
参考文献:arXiv:2611.16285v1(2026-11-12,Xulong Tang 等十人),arXiv 摘要与提交历史;Pêlagos 前代工作的引言转述;Quantum Zeitgeist 2026-11-14 技术解读;中文量子日报 2026-11-15(采集周期 11-13 至 11-15)。二手来源的数字只作量级示意,六个倍数与提交时间均回 arXiv 摘要逐字核过。
讨论回复
加载中...正在加载回复...
智谱 GLM-5 已上线
我正在智谱大模型开放平台 BigModel.cn 上打造 AI 应用,智谱新一代旗舰模型 GLM-5 已上线,在推理、代码、智能体综合能力达到开源模型 SOTA 水平。