在過去的十年里，量子計算從學術(shù)實驗室躍入主流。創(chuàng)業(yè)公司和大公司都在努力制造更好的量子計算機。雖然目前尚不清楚我們離在常見問題上使用量子優(yōu)勢還有多遠，但很明顯，現(xiàn)在是構(gòu)建交付有價值的量子應(yīng)用所需工具的時候了。

首先，我們需要在理解量子算法方面取得進展。去年， NVIDIA 發(fā)布了 cuQuantum ，這是一款用于加速量子計算模擬的軟件開發(fā)工具包（ SDK ）。在 GPU 上使用 cuQuantum 模擬量子電路，使算法研究的性能和規(guī)模遠遠超過了目前在量子處理單元（ QPU ）上可以實現(xiàn)的性能和規(guī)模。這為在理解如何充分利用量子計算機方面取得突破鋪平了道路。

除了改進量子算法外，我們還需要充分利用 QPU 以及經(jīng)典計算資源 CPU 和 GPU 。如今， NVIDIA 宣布推出 量子優(yōu)化設(shè)備架構(gòu)（ QODA ） 是一個混合量子經(jīng)典計算平臺，其使命是實現(xiàn)這一效用。

隨著量子計算的發(fā)展，所有有價值的量子應(yīng)用都將是混合的，量子計算機將與高性能經(jīng)典計算一起工作。 GPU 純粹為圖形而創(chuàng)建，并轉(zhuǎn)化為 high-performance computing （ HPC ）的基本硬件。這需要新的軟件來實現(xiàn)強大而直接的編程。量子計算機從科學實驗向有用加速器的轉(zhuǎn)變也需要新的軟件。

量子軟件的這一新時代將實現(xiàn)性能混合計算，并為更廣泛的科學家和創(chuàng)新者群體增加量子計算機的可訪問性。

量子編程景觀

在過去五年中，針對小規(guī)模、噪聲量子計算架構(gòu)的量子編程方法得到了發(fā)展。這一發(fā)展對算法開發(fā)人員來說意義重大，并使標準量子算法以及混合變分方法的早期原型化成為可能。

由于缺乏量子資源和硬件實現(xiàn)的實用性，大多數(shù)編程方法都處于純 Python 級別，支持遠程、基于云的執(zhí)行模型。

隨著量子體系結(jié)構(gòu)的改進和算法開發(fā)人員考慮現(xiàn)有經(jīng)典異構(gòu)計算的真正量子加速，問題出現(xiàn)了：我們應(yīng)該如何在傳統(tǒng)高性能計算環(huán)境中支持量子協(xié)處理？

NVIDIA 是開發(fā)高性能計算編程模型、異構(gòu)編譯器平臺和高級應(yīng)用程序庫的真正先驅(qū)，這些應(yīng)用程序庫可以通過一個或多個應(yīng)用程序加速傳統(tǒng)的科學計算工作流 NVIDIA GPU 。

我們將量子計算視為異構(gòu)高性能計算系統(tǒng)架構(gòu)的另一個元素，并設(shè)想了一種編程模型，該模型將量子協(xié)處理無縫地結(jié)合到我們現(xiàn)有的系統(tǒng)中 CUDA 生態(tài)系統(tǒng) 。 在這方面，目前從 Python 語言級別開始的方法是不夠的，最終將限制經(jīng)典和量子計算資源的性能集成。

QODA 用于高性能計算

NVIDIA 正在開發(fā)一個開放規(guī)范，用于在高性能計算環(huán)境中編程混合量子經(jīng)典計算架構(gòu)。我們宣布 QODA 編程模型規(guī)范和相應(yīng)的 NVQ ++編譯器平臺，支持后端不可知（物理、模擬）、單源、現(xiàn)代 C ++方法來實現(xiàn)量子加速高性能計算。

QODA 與現(xiàn)有的經(jīng)典并行編程模型（如 CUDA 、 OpenMP 和 OpenACC ）具有內(nèi)在的互操作性。該編譯器實現(xiàn)還將量子經(jīng)典 C ++源代碼表示降低為二進制可執(zhí)行文件，這些二進制可執(zhí)行文件本機以支持量子的模擬后端為目標。

該編程和編譯工作流程通過與 GPU 處理和電路模擬的標準互操作性，實現(xiàn)了一個性能良好的編程環(huán)境，用于加速混合算法的研究和開發(fā)活動，這些處理和電路模擬可以從筆記本電腦擴展到分布式多節(jié)點、多 GPU 架構(gòu)。

auto ghz = [](const int N) __qpu__ {
  qoda::qreg q(N);
  h(q[0]);
  for (auto i : qoda::irange(N-1)) {
    cnot(q[i], q[i+1]);
  }
  mz(q);
};

// Sample a GHZ state on 30 qubits
auto counts = qoda::sample(ghz, 30);
counts.dump();

如代碼示例所示， QODA 提供了一種類似 CUDA 的基于內(nèi)核的編程方法，以現(xiàn)代 C ++為中心。您可以將量子設(shè)備代碼定義為獨立的函數(shù)對象或帶有 _uqpu_uu 注釋的 lambda ，以指示將編譯到量子設(shè)備并在其上執(zhí)行。

通過依賴自由函數(shù)上的函數(shù)對象（ ZCK0 內(nèi)核方法），您可以實現(xiàn)一種高效的方法來構(gòu)建通用標準量子庫函數(shù)，該函數(shù)可以將任何量子內(nèi)核表達式作為輸入。

這方面的一個簡單示例是標準采樣 QODA 函數(shù)（qoda：：sample（。..）），它將量子內(nèi)核實例和任何具體參數(shù)作為輸入，并將觀察到的量子比特測量位字符串的熟悉映射返回到相應(yīng)的觀察次數(shù)。

QODA 內(nèi)核程序員可以訪問與量子計算相關(guān)的某些內(nèi)置類型（qoda：：qubit、qoda：：qreg、qoda：：spin_op等）、量子門操作以及從 C ++繼承的所有傳統(tǒng)經(jīng)典控制流。

前面詳細介紹的語言編譯方法的一個有趣方面是能夠編譯包含 CUDA 內(nèi)核、 OpenMP 和 OpenACC pragmas 以及更高級別的 CUDA 庫 API 調(diào)用的 QODA 代碼。此功能將使混合量子經(jīng)典應(yīng)用程序開發(fā)人員能夠真正利用多 GPU 處理與量子計算。

未來的量子計算用例將需要經(jīng)典的并行處理，例如數(shù)據(jù)預(yù)處理和后處理、標準量子編譯任務(wù)和量子糾錯的綜合征解碼。

量子經(jīng)典應(yīng)用的早期展望

針對噪聲、短期量子計算架構(gòu)的典型混合量子經(jīng)典算法是變分量子特征解算器（ VQE ）。矢量量化方程的目標是根據(jù)量子力學的變分原理，計算給定量子力學算子（如哈密頓量）相對于參數(shù)化狀態(tài)制備電路的最小特征值。

為給定的一組柵極旋轉(zhuǎn)參數(shù)執(zhí)行狀態(tài)準備電路，并執(zhí)行一組由量子力學算子的結(jié)構(gòu)決定的測量，以計算這些具體參數(shù)的期望值。然后使用用戶指定的經(jīng)典優(yōu)化器通過改變這些參數(shù)來迭代搜索最小期望值。

您可以在 QODA 編程模型中看到類似 VQE 的通用算法的樣子：

// Define your state prep ansatz…
auto ansatz = [](std::vector thetas) __qpu__ {
  … Use C++ control flow and quantum intrinsic ops …
};

// Define the Hamiltonian
qoda::spin_op H = … use x, y, z to build up Hamiltonian … ;

// Create a specific function optimization strategy
int n_params = …;
qoda::nlopt::lbfgs optimizer;
optimizer.initial_parameters = qoda::random_vector(-1, 1, n_params);

// Run the VQE algorithm with QODA
auto [opt_val, opt_params] =
    qoda::vqe(ansatz, H, optimizer, n_params);
printf("Optimal  = %lf\n", opt_val);

所需的主要組件是參數(shù)化的 ansatz-QODA 內(nèi)核表達式，在代碼示例中顯示為采用std：：vector《double》的 lambda 。

這個 lambda 的實際主體取決于當前的問題，但您可以自由地使用標準 C ++控制流、作用域內(nèi)量子內(nèi)核調(diào)用和量子內(nèi)在操作的邏輯集來構(gòu)建這個函數(shù)。

下一個需要的組件是您需要計算其期望值的運算符。 QODA 將它們表示為內(nèi)置的spin_op類型，您可以通過 Pauli x（int）、y（int）和z（int）函數(shù)調(diào)用以編程方式構(gòu)建它們。

接下來，您需要一個經(jīng)典的函數(shù)優(yōu)化器，這是 QODA 語言規(guī)范中的一個一般概念，用于將子類化為特定的優(yōu)化策略，基于梯度或無梯度。

最后，該語言公開了用于調(diào)用整個 VQE 工作流的標準庫函數(shù)。它在 QODA 內(nèi)核實例上參數(shù)化，該實例建模狀態(tài)準備 ansatz ，該運算符需要以下值：

最小特征值

經(jīng)典優(yōu)化實例

變分參數(shù)的總數(shù)

然后返回一個結(jié)構(gòu)化綁定，該綁定對狀態(tài)準備電路的最優(yōu)特征值和相應(yīng)的最優(yōu)參數(shù)進行編碼。

前面的工作流非常通用，有助于開發(fā)變分算法，這些算法最終在量子核表達式、感興趣的自旋算子和經(jīng)典優(yōu)化例程方面是通用的。

但它也展示了 QODA 編程模型的基本原理：提供描述量子代碼表達式的核心概念，然后促進通用函數(shù)標準庫的實用性，從而實現(xiàn)混合量子經(jīng)典算法的可組合性。

QODA 早期興趣計劃

量子計算機有望幫助我們解決一些最重要的問題。我們正在向高性能計算和人工智能已經(jīng)發(fā)揮關(guān)鍵作用的領(lǐng)域的科學家和專家開放量子計算，并實現(xiàn)當今最好的現(xiàn)有軟件與量子軟件的輕松集成。這將大大加速量子計算機實現(xiàn)其潛力。

關(guān)于作者

Alex McCaskey 是 NVIDIA 的高級量子計算軟件架構(gòu)師。他的工作重點是異構(gòu)量子經(jīng)典計算的編程模型、編譯器和語言。在過去，他領(lǐng)導了許多開源量子軟件項目，包括 XACC 系統(tǒng)級量子框架和 QCOR 量子經(jīng)典 C ++編譯器平臺。他于 2010 年獲得田納西大學物理學和數(shù)學學士學位，并于 2014 年獲得弗吉尼亞理工大學和州立大學物理學碩士學位。

審核編輯：郭婷