Nvidia：通往混合Quantum-HPC数据中心之路从这里开始

C114讯 北京时间5月31日消息（余予）是时候开始构建明天的混合量子计算机了。动机是令人信服的，路径是明确的，并且今天可以使用这项工作的关键组件。

量子计算有可能克服当今一些最严峻的挑战，推进从药物发现到天气预报的一切。简而言之，量子计算将在HPC的未来发挥巨大作用。

今天的量子模拟

创造这样的未来并不容易，但开始的工具就在这里。

迈出第一步，今天的超级计算机正在模拟量子计算工作，其规模和性能水平超出了当今相对较小、容易出错的量子系统的范围。

数十个量子组织已经在使用NVIDIA cuQuantum软件开发工具包来加速他们在GPU上的量子电路模拟。

最近，AWS宣布在其Braket服务中提供cuQuantum。它还在Braket上展示了cuQuantum如何为量子机器学习工作负载提供高达900倍的加速。

cuQuantum现在可以在主要的量子软件框架上实现加速计算，包括Google的qsim、IBM的Qiskit Aer、Xanadu的PennyLane和Classiq的量子算法设计平台。这意味着这些框架的用户无需任何额外编码即可访问GPU加速。

量子动力药物发现

今天，Menten AI 加入了使用cuQuantum的公司来支持其量子工作。

这家位于湾区的药物发现初创公司将使用cuQuantum的张量网络库来模拟蛋白质相互作用并优化新的药物分子。它旨在利用量子计算的潜力来加速药物设计，这一领域与化学本身一样，被认为是最先受益于量子加速的领域之一。

具体来说，Menten AI正在开发一套包括量子机器学习在内的量子计算算法，以突破治疗设计中计算要求高的问题。

“虽然能够运行这些算法的量子计算硬件仍在开发中，但像NVIDIA cuQuantum这样的经典计算工具对于推进量子算法的开发至关重要”Menten AI首席科学家Alexey Galda表示。

打造量子链路

随着量子系统的发展，下一个重大飞跃是向混合系统的迈进：量子计算机和经典计算机协同工作。研究人员对系统级量子处理器或QPU有着共同的愿景，它可以作为一种新型的、功能强大的加速器。

因此，未来最大的工作之一是将经典系统和量子系统连接到混合量子计算机中。这项工作有两个主要组成部分。

首先，我们需要在GPU和QPU之间建立快速、低延迟的连接。这将使混合系统能够将GPU用于它们擅长的经典工作，例如电路优化、校准和纠错。GPU可以加快这些步骤的执行时间，并减少经典计算机和量子计算机之间的通信延迟，这是当今混合量子作业的主要瓶颈。

其次，行业需要一个统一的编程模型以及高效且易于使用的工具。我们在HPC和AI方面的经验教会了我们和我们的用户一个可靠的软件堆栈的价值。

适合工作的工具

如今，为了对QPU进行编程，研究人员被迫使用与量子等效的低级汇编代码，这超出了非量子计算专家科学家的能力范围。此外，开发人员缺乏统一的编程模型和编译器工具链，无法让他们在任何QPU上运行他们的工作。

这需要改变，也会改变。在3月的博客中，我们讨论了我们为更好的编程模型所做的一些初步工作。

为了有效地找到量子计算机加速其工作的方法，科学家们需要先轻松地将部分HPC应用程序移植到模拟QPU，然后再移植到真实QPU。这需要一个编译器使它们能够以高性能水平和熟悉的方式工作。

通过将GPU加速的模拟工具与编程模型和编译器工具链结合起来，HPC研究人员将能够开始构建未来的混合量子数据中心。

如何开始

对某些人来说，量子计算听起来像是未来几十年的科幻小说。事实是，每年研究人员都在构建更多更大的量子系统。

NVIDIA全力投入到这项工作中，我们诚邀您加入我们，共同构建明天的混合量子系统。