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

是時候開始打造未來的混合量子計算機了。

如今，我們擁有可不抗拒的動機、清晰明確的道路，并且打造混合量子計算機所需的關鍵組件也已備齊。

量子計算有望攻破當今面臨的一些嚴峻挑戰(zhàn)，推動從藥物研發(fā)到天氣預報等各項工作的發(fā)展。簡言之，量子計算將在未來的 HPC 中發(fā)揮巨大作用。

當今的量子模擬

創(chuàng)造未來并非易事，但開啟這條道路所需的工具已經準備就緒。

當今的超級計算機模擬量子計算作業(yè)，其規(guī)模和性能水平是現有的相對較小且易出錯的量子系統(tǒng)無法達到的，這是我們向前邁出的第一步。

數十家量子組織已經在使用 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 服務中提供 cuQuantum。它還在 Braket 上展示了 cuQuantum 如何在量子機器學習工作負載上實現高達 900 倍的加速。

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

量子驅動藥物發(fā)現

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 網絡庫來模擬蛋白質相互作用并優(yōu)化新的藥物分子。這樣做旨在利用量子計算的潛力來加速藥物設計，該領域與化學類似，是公認的率先受益于量子加速的領域。

具體而言， Menten AI 正在開發(fā)一套量子計算算法(包括量子機器學習)，以解決治療設計中需要進行大量計算的問題。

Menten AI 的首席科學家 Alexey Galda 表示：“雖然能夠運行這些算法的量子計算硬件仍處于開發(fā)階段，但 NVIDIA cuQuantum 等經典計算工具對于推進量子算法的開發(fā)至關重要。”

構建量子鏈路

隨著量子系統(tǒng)的發(fā)展，下一個重大飛躍是朝混合系統(tǒng)邁進：量子計算機和經典計算機協(xié)同工作。研究人員都希望這些系統(tǒng)級量子處理器(即 QPU)成為功能強大的新型加速器。

因此，擺在面前的一個重要任務就是將傳統(tǒng)系統(tǒng)和量子系統(tǒng)橋接到混合量子計算機中。這項任務包括兩個主要部分。

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。

GPU 可以縮短這些步驟的執(zhí)行時間，并大幅降低經典計算機和量子計算機之間的通信延遲，而這是當今混合量子作業(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 方面的經驗使我們和用戶了解到了固態(tài)軟件棧的價值。

適合作業(yè)的工具

當前，為了對 QPU 進行編程，研究人員只能使用相當于低級組裝代碼的量子，不是量子計算專家的科學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 上運行工作。

這種現象亟待改變，而且我們相信將會有所改變。在 3 月份的一篇博客中，我們討論了為構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算機加速工作的方法，科學家需要輕松地將其 HPC 應用的一部分先移植到模擬版 QPU，然后再移植到真正的 QPU。這個過程需要一個編譯器，使科學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合在一起后， HPC 研究人員就可以開始構建未來的混合量子數據中心。

入門指南

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

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

原文標題：ISC22 | 混合量子——HPC 數據中心之路由此開始

文章出處：【微信公眾號：NVIDIA英偉達企業(yè)解決方案】歡迎添加關注!文章轉載請注明出處。