美国量子计算公司Infleqtion宣布，其Q4Bio项目在生物标志物发现方面取得进展，成功在Sqale中性原子量子计算机上使用12个逻辑量子比特执行相关算法。该项目由Wellcome Leap提供的200万美元第三阶段合同支持，并与芝加哥大学和麻省理工学院的学术伙伴合作，整合了量子-经典混合工作流，从复杂的多模态癌症数据中识别关键特征集。
该平台通过捕捉经典系统难以处理的高阶相关性，旨在推进精准诊断。这一成果在NVIDIA GTC 2026上展示，代表了目前较复杂的逻辑量子比特应用之一，相对于最优数学解，实现了0.04%的相对误差。
技术框架采用瞬时量子多项式（IQP）模型，这是一种量子神经网络，针对GPU训练和QPU采样进行了优化。Infleqtion利用IQPOpt库和JAX，在NERSC Perlmutter超级计算机的NVIDIA A100节点上训练模型，处理可扩展到数十个逻辑量子比特的实例。这种“分离硬件”方法使用GPU进行线性代数计算，使用Sqale QPU实现推理加速，使系统能通过超图结构选择多量子比特相关性。
为在物理执行前验证模型，Infleqtion使用NVIDIA CUDA-Q平台进行高保真度模拟。团队建立了“无噪声上限”，并利用设备校准的噪声模型进行“噪声验证”，相比仅CPU后端，模拟加速超过50倍。这种无缝代码路径允许相同核心在部署到中性原子硬件前，在NVIDIA GH200 Grace Hopper超级芯片的虚拟环境中测试，降低了大尺度生物标志物特征集实验的风险。
Sqale平台容错路线图的关键部分是集成NVIDIA NVQLink，促进QPU和经典加速器之间的实时控制循环。往返延迟低至3.96微秒，NVQLink使测量数据直接传输到GPU内存，用于即时症状解码和参数更新。这种微秒级反馈对维持逻辑量子比特的主动纠错很重要，使Infleqtion的脉冲处理单元能在原子相干窗口内执行自适应操作。
未来，Infleqtion将在GTC 2026展示Sqale与NVQLink集成，突出向生产级量子-GPU超级计算的过渡。12个逻辑量子比特的成功运行为Q4Bio计划提供了概念验证，该计划正进入最后阶段。公司计划在2026年晚些时候扩展架构以支持超过30个逻辑量子比特，目标是处理更复杂的基因组和蛋白质组数据分析任务，这些任务需要容错量子硬件的错误抑制能力。
