在過去的十年里，量子計算從學術實驗室躍入主流。初創公司和大型公司都在加大努力構建更好的量子計算機。雖然我們還不清楚還有多久才可以利用量子優勢處理常見問題，但很明顯，現在是時候構建有價值的量子應用所需要的工具了。?

首先，我們需要在理解量子算法方面取得進展。去年，NVIDIA 宣布推出 cuQuantum，這是一款用于加速量子計算模擬的軟件開發套件 (SDK)。在 GPU 上使用 cuQuantum 模擬量子電路，使算法研究的性能和規模遠遠超過了目前在量子處理單元 (QPU) 上可以實現的性能和規模。這為理解如何充分利用量子計算機取得突破性進展鋪平了道路。

除了改進量子算法之外，我們還需要充分利用 QPU 以及經典計算資源：CPU 和 GPU。7 月 13 日，NVIDIA ?宣布推出量子優化設備架構 (QODA)，這是一個混合量子-經典計算平臺，其使命是實現這一效用。?

隨著量子計算的發展，所有有價值的量子應用都將采用混合形式，量子計算機將與高性能經典計算協同工作。GPU 純粹為圖形而打造，并已轉變為高性能計算 (HPC) 的必備硬件。這需要使用新軟件來實現功能強大且直接的編程。量子計算機從科學實驗向實用加速器的轉變也需要新的軟件。

量子軟件的新時代將助力實現高性能混合計算，并為更廣泛的科學家和創新者增加量子計算機的可訪問性。

NVIDIA QODA 是率先用于混合量子-經典計算的平臺，其應用涵蓋藥物研發、化學、天氣、金融、物流等領域

量子編程概況

在過去五年中，針對小規模、噪聲量子計算架構的量子編程方法得到了發展。這一發展對算法開發者來說意義重大，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施的實用性不足，大多數編程方法都處于純 Python 級別，支持基于云的遠程執行模型。

隨著量子架構的改進，以及算法開發者開始考慮現有經典異構計算的真正量子加速，一個問題出現了：我們應該如何在傳統的高性能計算環境中支持量子協同處理？

在開發高性能計算編程模型、異構編譯器平臺和高級應用庫方面，NVIDIA 一直是真正的先行者，這些高級應用庫使用一個或多個 NVIDIA GPU 加速傳統的科學計算工作流。

NVIDIA 將量子計算視為異構高性能計算系統架構的另一個元素，并設想了一種編程模型，將量子協同處理無縫整合到現有的 CUDA 生態系統中。在這方面，目前從 Python 語言層面開始的方法是不夠的，最終將限制經典計算資源和量子計算資源的性能集成。

適用于高性能計算的 QODA

NVIDIA 正在開發一個開放性規范，用于在高性能計算環境中對混合量子-經典計算架構進行編程。NVIDIA 將宣布推出 QODA 編程模型規范和相應的 NVQ++ 編譯器平臺，以實現與后端無關（物理、模擬）、來源單一且使用現代 C++ 的方法，以助力量子加速的高性能計算。

QODA 在本質上可以與現有的經典并行編程模型（例如 CUDA、OpenMP 和 OpenACC）互操作。此編譯器實施還可將量子-經典 C++ 源代碼表征降級為二進制可執行文件，這些二進制可執行文件原本就面向支持? cuQuantum 的模擬后端。

這種編程和編譯工作流通過與 GPU 處理和電路模擬的標準互操作性，為加速混合算法的研究和開發活動提供了一個高性能的編程環境，這些 GPU 處理和電路模擬可從筆記本電腦擴展到分布式多節點、多 GPU 架構。

如代碼示例所示，QODA 提供了一種基于核的類 CUDA 編程方法，并將重點放在現代 C++ 上。? 你可以將量子設備代碼定義為獨立的函數對象或帶有 __qpu__ 標注的 lambda，以表明將在量子設備上編譯和執行這些代碼。

通過依靠函數對象而不是自由函數（CUDA 核方法），你可以實現一種構建通用標準量子庫函數的高效方法，可以將任何量子核表達作為輸入。

這方面的一個簡單示例是，標準采樣 QODA 函數 (qoda::sample(...))，它采用一個量子核實例和任何要為其評估核的任何具體參數作為輸入，并將觀察到的量子位測量位字符串的熟悉映射返回到相應的觀察次數。

QODA 核程序員可以訪問與量子計算相關的某些內置類型（qoda::qubit、qoda::qreg、qoda::spin_op等）、量子門運算以及所有繼承自 C++ 的傳統經典控制流。

之前我們詳細介紹了語言編譯方法的一個有趣的方面，即能夠編譯包含 CUDA 核、OpenMP 和 OpenACC 雜注的 QODA 代碼，以及更高級別的 CUDA 庫 API 調用。這一功能將使混合量子-經典應用開發者能夠真正協同利用多 GPU 處理與量子計算。

未來的量子計算用例將需要進行經典的并行處理，比如數據預處理和后處理、標準量子編譯任務和用于量子糾錯的校驗子譯碼等。

搶先了解量子-經典應用

變分量子特征求解算法 (VQE) 是一種原型混合量子經典算法，面向嘈雜的短期量子計算架構。VQE 的目標是依靠量子力學的變分原理，計算給定量子力學運算符（如哈密頓算符）對參數化狀態制備電路的最低特征值。

你需要使用給定的一組門旋轉參數來執行狀態制備電路，并執行由量子力學運算符結構決定的一組測量，以計算這些具體參數的期望值。然后，使用用戶指定的經典優化器，通過改變這些參數來迭代搜索較低期望值。

借助 QODA 編程，你可以看到通用的類 VQE 算法的外觀模型:

所需的主要組件是參數化的 ansatz QODA 核表達式，代碼示例中所示為 lambda，采用 std::vector。

這個 lambda 的實際主體取決于當前要處理的問題，但你可以自由地使用標準的 C++ 控制流、范圍內的量子核調用和量子內部運算的邏輯集來構建此函數。

你需要的下一個組件是在計算期望值時所需的運算符。QODA 使用內置 spin_op 類型表示這些內容，你可以使用 Pauli x(int)、y(int) 和 z(int） 函數調用，以編程的方式來構建這些內容。

接下來，你需要一個經典函數優化器，這是 QODA 語言規范中的一個通用概念，意思是將基于梯度或無梯度的特定優化策略歸入子類。

最后，該語言公開了一個標準庫函數，用于調用整個 VQE 工作流。它會在 QODA 核實例上進行參數化，該實例對狀態準備 ansatz 進行建模，以下值是你需要的運算符：

最小特征值

經典優化實例

變分參數總數

然后，你會返回一個結構化綁定，用于編碼狀態準備電路的最佳特征值和相應的優化參數。

前面的工作流非常普遍，有助于開發變分算法，這些算法最終在量子核表達式、感興趣的旋轉運算符和經典優化例程方面是通用的。

但它也展示了 QODA 編程模型的基本理念：提供用于描述量子代碼表達式的核心概念，然后促進通用標準函數庫的實用性，從而實現混合量子經典算法組合。?

QODA 早期興趣計劃

量子計算機有望幫助我們解決一些非常重要的問題。我們正在向高性能計算和 AI 已經發揮關鍵作用的領域中的科學家和專家開放量子計算，并支持將目前較為出色的現有軟件與量子軟件輕松集成。這將顯著加速量子計算機發揮其潛力。

QODA 提供了一個開放平臺來實現這一目標，NVIDIA ?也很高興能與整個量子社區合作，使實用的量子計算成為現實。申請參加 QODA 早期興趣計劃，隨時了解? NVIDIA 量子計算發展新動態。

審核編輯：湯梓紅