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，推動從藥物研發到天氣預報等各項工作的發展。簡言之，量子計算將在未來的HPC中發揮巨大作用。

當今的量子模擬

創造未來并非易事，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，其規模和性能水平是現有的相對較小且易出錯的量子系統無法達到的，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。

量子驅動藥物發現

如今，Menten AI開始使用cuQuantum來支持其量子工作。

這家灣區藥物研發初創公司將使用cuQuantum的Tensor網絡庫來模擬蛋白質相互作用并優化新的藥物分子。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階段，但NVIDIA cuQuantum等經典計算工具對于推進量子算法的開發至關重要。”

構建量子鏈路

隨著量子系統的發展，下一個重大飛躍是朝混合系統邁進：量子計算機和經典計算機協同工作。研究人員都希望這些系統級量子處理器（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系統和量子系統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，混合系統可使用GPU完成其擅長的傳統作業，例如電路優化、校正和糾錯。

GPU可以縮短這些步驟的執行時間，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面臨的主要瓶頸。

其次，該行業需要一個統一的編程模型，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軟件棧的價值。

適合作業的工具

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，開發者缺乏統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、規模更龐大的量子系統。

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。

如需了解詳情，您可以觀看GTC大會會議，并參加關于該主題的ISC教程。要深入了解當今GPU的使用方式，請查看我們的State Vector和Tensor網絡庫。