Uno de los muchos tutoriales ofrecidos por NVIDIA durante el evento HPC de alto rendimiento de ISC en Hamburgo, Alemania, se centra en la computación cuántica o, más específicamente, en las computadoras cuánticas híbridas. NVIDIA se ha centrado en la computación cuántica y realizó varios anuncios en GTC en marzo. Continuaron la tendencia en ISC, demostrando cuQuantum.
Uno de los muchos tutoriales ofrecidos por NVIDIA durante el evento HPC de alto rendimiento de ISC en Hamburgo, Alemania, se centra en la computación cuántica o, más específicamente, en las computadoras cuánticas híbridas. NVIDIA se ha centrado en la computación cuántica y realizó varios anuncios en GTC en marzo. Continuaron la tendencia en ISC, demostrando cuQuantum.
La computación cuántica tiene el potencial de superar desafíos difíciles y lograr avances en todo, desde el descubrimiento de fármacos hasta el pronóstico del tiempo. El futuro de HPC depende, en gran medida, del papel que juegue la computación cuántica.
Simulaciones cuánticas
Las supercomputadoras de hoy están simulando trabajos de computación cuántica a escala con niveles de rendimiento más allá del alcance de los sistemas cuánticos relativamente pequeños y propensos a errores de la actualidad. Muchas organizaciones cuánticas utilizan el kit de desarrollo de software NVIDIA cuQuantum para acelerar sus simulaciones de circuitos cuánticos en GPU.
Recientemente, AWS anunció la disponibilidad de cuQuantum en su servicio Braket y demostró cómo cuQuantum podría acelerar hasta 900 veces las cargas de trabajo de aprendizaje automático cuántico.
cuQuantum permite desplazamientos acelerados en los principales marcos cuánticos, incluidos qsim de Google, Qiskit Aer de IBM, Penny Lane de Xanadu y la plataforma de diseño de algoritmo cuántico de Classiq. Los usuarios de esos marcos pueden acceder a la aceleración de GPU sin codificación adicional.
Como ejemplo práctico, la startup de descubrimiento de fármacos Menten AI utilizará la biblioteca de redes de tensores de cuQuantum para simular interacciones de proteínas y optimizar nuevas moléculas de fármacos. Menten AI tiene como objetivo aprovechar el potencial de la computación cuántica para acelerar el diseño de fármacos y está desarrollando un conjunto de algoritmos de computación cuántica, incluido el aprendizaje automático cuántico para superar problemas computacionalmente exigentes en el diseño terapéutico.
Forjando un vínculo cuántico
El siguiente paso en la evolución de los sistemas cuánticos es pasar a sistemas híbridos que desarrollen computadoras cuánticas y clásicas que funcionen juntas. Los investigadores comparten una visión de los procesadores cuánticos a nivel de sistemas, o QPU, que actúan como una nueva y poderosa clase de aceleradores.
Unir los sistemas clásicos y cuánticos en una computadora cuántica híbrida consta de dos componentes principales.
En primer lugar, se está desarrollando una conexión rápida y de baja latencia entre las GPU y las QPU, lo que permite que los sistemas híbridos utilicen las GPU para tareas clásicas como la optimización de circuitos, la calibración y la corrección de errores. Las GPU se destacan en esto y pueden acelerar el tiempo de ejecución de estos pasos y reducir la latencia de comunicación entre las computadoras clásicas y cuánticas.
En segundo lugar, la industria necesita un modelo de programación unificado con herramientas que sean eficientes y fáciles de usar. La experiencia con HPC e IA apunta al valor de una pila de software sólida.
Herramientas adecuadas para el trabajo
Actualmente, programar QPU significa usar el equivalente cuántico del código ensamblador de bajo nivel, normalmente fuera del alcance de los científicos. Además, los desarrolladores carecen de un modelo de programación unificado y una cadena de herramientas de compilación que les permita ejecutar su trabajo en cualquier QPU.
NVIDIA habló sobre su trabajo inicial hacia un mejor modelo de programación en un blog de marzo.
Los científicos deben tener la capacidad de trasladar partes de sus aplicaciones de HPC primero a una QPU simulada y luego a una real. Eso requerirá un compilador que les permita trabajar a niveles de alto rendimiento y de manera familiar. Al combinar herramientas de simulación aceleradas por GPU, un modelo de programación y una cadena de herramientas de compilación, los investigadores de HPC estarán capacitados para comenzar a construir centros de datos cuánticos híbridos para el futuro.
NVIDIA tiene tutoriales y videos si está interesado en obtener más información. ver un Sesión GTC y asistir a un Tutorial de CAI
en el tema. Lea acerca de NVIDIA Vector de estado y Red de tensores bibliotecas para profundizar en lo que puede hacer con las GPU.
Interactuar con StorageReview
Boletín | YouTube | Podcast iTunes/Spotify | Instagram | Twitter | Facebook | TikTok | RSS Feed
