Pourquoi NVIDIA et IBM étendent Slurm afin de limiter la dette technique des centres de calcul hybrides

NVIDIA et IBM intègrent désormais les processeurs quantiques dans le gestionnaire de charges de travail open source Slurm. Ce dispositif associe des serveurs DGX B200 aux systèmes Quantum Nighthawk au sein du Fermilab américain. L’algorithme TCBP-JOBS rejoint également la bibliothèque CUDA-Q QEC 0.9.0 pour accélérer le décodage d’erreurs.

Le raccordement d’un processeur quantique à un supercalculateur exigeait des passerelles logicielles propres à chaque matériel. Pour les responsables d’infrastructures, cette fragmentation génère une maintenance lourde dès que plusieurs générations d’accélérateurs cohabitent. Mais la collaboration entre NVIDIA et IBM apporte une réponse concrète sur le terrain de l’exploitation système. En partenariat avec le Fermilab du département de l’Énergie américain, les deux groupes unifient l’ordonnancement des tâches. Les centres de calcul pilotent ainsi leurs ressources quantiques avec leurs outils d’administration habituels.

L’extension de Slurm comme standard d’ordonnancement entre CPU, GPU et QPU

Dans un centre de calcul classique, les administrateurs utilisent Slurm pour répartir les tâches entre CPU et GPU. Or, l’ajout d’un processeur quantique oblige habituellement les équipes à coder des scripts dédiés pour synchroniser les ressources. L’architecture déployée par NVIDIA avec IBM supprime cette couche intermédiaire grâce à une interface quantique native. Celle-ci dialogue directement avec le module de gestion des ressources quantiques d’IBM (QRMI).

Cette intégration exploite l’ordonnancement des ressources hiérarchiques (HRES) et génériques (GRES) de SchedMD. Les administrateurs déclarent chaque processeur via un fichier qrmi_config.json et un plugin SPANK. Ensuite, les chercheurs soumettent leurs calculs hybrides avec la directive standardisée #SBATCH –qpu. 

Les gestionnaires évitent alors de développer une pile logicielle spécifique pour chaque nouveau processeur ajouté au cluster. Les directions informatiques appliquent leurs politiques habituelles de quotas sans multiplier les consoles propriétaires. Comme le souligne Krysta Svore, vice-présidente de la recherche quantique chez NVIDIA, les scientifiques obtiennent des outils unifiés.

Une plateforme de co-conception portée par NVIDIA et IBM pour tester les architectures modulaires

Par ailleurs, cet accord se concrétise par le déploiement d’une plateforme de co-conception au Fermilab. Des serveurs NVIDIA DGX B200 y côtoient des ordinateurs quantiques d’IBM dotés du processeur Quantum Nighthawk. Cette proximité physique réduit au minimum la latence réseau entre les deux machines. Puisque les processeurs quantiques actuels souffrent d’un taux d’erreur élevé qui limite la durée des calculs. Un algorithme classique appelé décodeur analyse les mesures en temps réel pour corriger ces erreurs.

Pour accélérer ces boucles, NVIDIA intègre le décodeur TCBP-JOBS dans la bibliothèque logicielle NVIDIA CUDA-Q. Le code source correspondant est d’ailleurs accessible sur le dépôt GitHub CUDA-Q QEC. Selon les mesures internes de l’éditeur, cet outil accélère jusqu’à 13 000 fois les calculs de recherche. Le temps d’une simulation passe ainsi de 12 semaines à seulement 45 minutes. 

Ce banc d’essai aide donc NVIDIA à évaluer avec IBM l’interconnexion parallèle de plusieurs processeurs quantiques. D’après Jerry Chow, directeur technique quantique chez IBM, cette approche prépare “les architectures modulaires de prochaine génération”.

Dimension techniqueIntégration hybride historiqueArchitecture unifiée
OrdonnancementScripts propriétaires par QPUNatif dans Slurm via SPANK et QRMI
Couplage matérielRéseau distant ou liaisons dédiéesProximité DGX B200 et Quantum Nighthawk
Décodage d’erreursCalculs CPU sur cycles longsAlgorithme TCBP-JOBS sur GPU via CUDA-Q

Les contraintes matérielles et financières qui encadrent ce déploiement hybride

Toutefois, la standardisation logicielle via Slurm ne supprime pas les coûts d’acquisition des infrastructures matérielles. Le dispositif testé par NVIDIA et IBM exige des serveurs DGX B200 et des processeurs Quantum Nighthawk très onéreux. En plus, ces équipements imposent une installation sur site à très faible distance pour limiter la latence. 

Par conséquent, les gains de l’algorithme TCBP-JOBS restent circonscrits à des benchmarks internes sur des codes correcteurs. Anna Grassellino, directrice technique du Fermilab, rappelle d’ailleurs que “le calcul accéléré reste indispensable pour coordonner ces systèmes”.

Pour l’instant, les usages documentés se limitent encore à la recherche scientifique de pointe en physique ou en chimie. Au Japon, le centre RIKEN associe un processeur IBM au supercalculateur ROQUO équipé de puces NVIDIA GB200. Cette infrastructure reliée par réseau Quantum-X800 InfiniBand modélise des molécules de 12 635 atomes contre 303 auparavant. Ces travaux de chimie moléculaire figurent parmi les finalistes du prix Gordon Bell de l’ACM 2026. Ils illustrent néanmoins des protocoles expérimentaux soutenus par des fonds publics plutôt que des déploiements industriels courants.

La bibliothèque CUDA-Q QEC demeure en version 0.9.0 avant toute validation industrielle à grande échelle. Mais l’adoption de standards ouverts comme Slurm aide les équipes IT à préparer ces flux hybrides sans verrouillage.

ARTICLES SIMILAIRES