使用NVIDIA cuQuantum等工具，立即開啟高性能計(jì)算的未來之旅。

是時(shí)候開始打造未來的混合量子計(jì)算機(jī)了。

如今，我們擁有可不抗拒的動(dòng)機(jī)、清晰明確的道路，并且打造混合量子計(jì)算機(jī)所需的關(guān)鍵組件也已備齊。

量子計(jì)算有望攻破當(dāng)今面臨的一些嚴(yán)峻挑戰(zhàn)，推動(dòng)從藥物研發(fā)到天氣預(yù)報(bào)等各項(xiàng)工作的發(fā)展。簡言之，量子計(jì)算將在未來的HPC中發(fā)揮巨大作用。

當(dāng)今的量子模擬

創(chuàng)造未來并非易事，但開啟這條道路所需的工具已經(jīng)準(zhǔn)備就緒。

當(dāng)今的超級(jí)計(jì)算機(jī)模擬量子計(jì)算作業(yè)，其規(guī)模和性能水平是現(xiàn)有的相對(duì)較小且易出錯(cuò)的量子系統(tǒng)無法達(dá)到的，這是我們向前邁出的第一步。

數(shù)十家量子組織已經(jīng)在使用NVIDIA cuQuantum軟件開發(fā)套件，在GPU上加速其量子電路模擬。

最近，AWS宣布在其Braket服務(wù)中提供cuQuantum。它還在Braket上展示了cuQuantum如何在量子機(jī)器學(xué)習(xí)工作負(fù)載上實(shí)現(xiàn)高達(dá)900倍的加速。

cuQuantum現(xiàn)已能夠在主要的量子軟件框架上實(shí)現(xiàn)加速計(jì)算，包括Google的qsim、IBM的Qiskit Aer、Xanadu的PennyLane和Classiq的Quantum Algorithm Design平臺(tái)。這意味著這些框架的用戶可以訪問GPU加速，而無需再進(jìn)行任何編碼。

量子驅(qū)動(dòng)藥物發(fā)現(xiàn)

如今，Menten AI開始使用cuQuantum來支持其量子工作。

這家灣區(qū)藥物研發(fā)初創(chuàng)公司將使用cuQuantum的Tensor網(wǎng)絡(luò)庫來模擬蛋白質(zhì)相互作用并優(yōu)化新的藥物分子。這樣做旨在利用量子計(jì)算的潛力來加速藥物設(shè)計(jì)，該領(lǐng)域與化學(xué)類似，是公認(rèn)的率先受益于量子加速的領(lǐng)域。

具體而言，Menten AI正在開發(fā)一套量子計(jì)算算法（包括量子機(jī)器學(xué)習(xí)），以解決治療設(shè)計(jì)中需要進(jìn)行大量計(jì)算的問題。

Menten AI的首席科學(xué)家Alexey Galda表示：“雖然能夠運(yùn)行這些算法的量子計(jì)算硬件仍處于開發(fā)階段，但NVIDIA cuQuantum等經(jīng)典計(jì)算工具對(duì)于推進(jìn)量子算法的開發(fā)至關(guān)重要。”

構(gòu)建量子鏈路

隨著量子系統(tǒng)的發(fā)展，下一個(gè)重大飛躍是朝混合系統(tǒng)邁進(jìn)：量子計(jì)算機(jī)和經(jīng)典計(jì)算機(jī)協(xié)同工作。研究人員都希望這些系統(tǒng)級(jí)量子處理器（即QPU）成為功能強(qiáng)大的新型加速器。

因此，擺在面前的一個(gè)重要任務(wù)就是將傳統(tǒng)系統(tǒng)和量子系統(tǒng)橋接到混合量子計(jì)算機(jī)中。這項(xiàng)任務(wù)包括兩個(gè)主要部分。

首先，我們需要在GPU和QPU之間建立快速、低延遲的連接。這樣一來，混合系統(tǒng)可使用GPU完成其擅長的傳統(tǒng)作業(yè)，例如電路優(yōu)化、校正和糾錯(cuò)。

GPU可以縮短這些步驟的執(zhí)行時(shí)間，并大幅降低經(jīng)典計(jì)算機(jī)和量子計(jì)算機(jī)之間的通信延遲，而這是當(dāng)今混合量子作業(yè)面臨的主要瓶頸。

其次，該行業(yè)需要一個(gè)統(tǒng)一的編程模型，其中包含高效易用的工具。我們在HPC和AI方面的經(jīng)驗(yàn)使我們和用戶了解到了固態(tài)軟件棧的價(jià)值。

適合作業(yè)的工具

當(dāng)前，為了對(duì)QPU進(jìn)行編程，研究人員只能使用相當(dāng)于低級(jí)組裝代碼的量子，不是量子計(jì)算專家的科學(xué)家無法使用這種代碼。此外，開發(fā)者缺乏統(tǒng)一的編程模型和編譯器工具鏈，因此無法在任何QPU上運(yùn)行工作。

這種現(xiàn)象亟待改變，而且我們相信將會(huì)有所改變。在3月份的一篇博客中，我們討論了為構(gòu)建更出色的編程模型而開展的一些初步工作。

為了高效地找到量子計(jì)算機(jī)加速工作的方法，科學(xué)家需要輕松地將其HPC應(yīng)用的一部分先移植到模擬版QPU，然后再移植到真正的QPU。這個(gè)過程需要一個(gè)編譯器，使科學(xué)家們能夠以熟悉的方式高效工作。

將GPU加速的模擬工具、編程模型和編譯器工具鏈全部結(jié)合在一起后，HPC研究人員就可以開始構(gòu)建未來的混合量子數(shù)據(jù)中心。

入門指南

對(duì)部分人來說，量子計(jì)算可能聽上去像是科幻小說，是幾十年后的未來情景。而事實(shí)上，研究人員每年都在構(gòu)建數(shù)量更多、規(guī)模更龐大的量子系統(tǒng)。

NVIDIA正全力參與這項(xiàng)工作，并邀請您加入我們，立即開始共同構(gòu)建未來的混合量子系統(tǒng)。

如需了解詳情，您可以觀看GTC大會(huì)會(huì)議，并參加關(guān)于該主題的ISC教程。要深入了解當(dāng)今GPU的使用方式，請查看我們的State Vector和Tensor網(wǎng)絡(luò)庫。