在德國漢堡舉行的 ISC 高性能 HPC 活動期間，NVIDIA 提供的眾多教程之一側重於量子計算，或者更具體地說，是混合量子計算機。 NVIDIA 專注於量子計算，並於 XNUMX 月在 GTC 上發布了幾項公告。 他們在 ISC 延續了這一趨勢，展示了 cuQuantum。
在德國漢堡舉行的 ISC 高性能 HPC 活動期間，NVIDIA 提供的眾多教程之一側重於量子計算，或者更具體地說，是混合量子計算機。 NVIDIA 專注於量子計算，並於 XNUMX 月在 GTC 上發布了幾項公告。 他們在 ISC 延續了這一趨勢，展示了 cuQuantum。
量子計算有可能突破嚴峻的挑戰，在從藥物發現到天氣預報的各個領域取得進步。 HPC 的未來在很大程度上取決於量子計算所扮演的角色。
量子模擬
今天的超級計算機正在大規模模擬量子計算工作，其性能水平超出了當今相對較小、容易出錯的量子系統的範圍。 許多量子組織使用 NVIDIA cuQuantum 軟件開發套件來加速他們在 GPU 上的量子電路模擬。
最近，AWS 宣佈在其 Braket 服務中提供 cuQuantum，並展示了 cuQuantum 如何在量子機器學習工作負載上提供高達 900 倍的加速。
cuQuantum 支持在主要量子框架上加速通勤，包括谷歌的 qsim、IBM 的 Qiskit Aer、Xanadu 的 Penny Lane 和 Classiq 的量子算法設計平台。 這些框架的用戶無需額外編碼即可訪問 GPU 加速。
作為一個實際示例，藥物發現初創公司 Menten AI 將使用 cuQuantum 的張量網絡庫來模擬蛋白質相互作用並優化新藥物分子。 Menten AI 旨在利用量子計算的潛力來加速藥物設計，並正在開發一套量子計算算法，包括量子機器學習，以突破治療設計中的計算要求高的問題。
打造量子鏈接
量子系統發展的下一步是轉向混合系統，開發協同工作的量子計算機和經典計算機。 研究人員對系統級量子處理器 (QPU) 有著共同的願景，它可以充當一類功能強大的新型加速器。
將經典系統和量子系統連接成混合量子計算機包括兩個主要部分。
首先是開發 GPU 和 QPU 之間的低延遲、快速連接，讓混合系統使用 GPU 進行電路優化、校準和糾錯等經典工作。 GPU 在這方面表現出色，可以加快這些步驟的執行時間，並減少經典計算機和量子計算機之間的通信延遲。
其次，行業需要一個統一的編程模型和高效易用的工具。 HPC 和 AI 方面的經驗表明了可靠軟件堆棧的價值。
適合工作的工具
目前，對 QPU 進行編程意味著使用低級彙編代碼的量子等價物，這通常是科學家無法企及的。 此外，開發人員缺乏統一的編程模型和編譯器工具鏈來讓他們在任何 QPU 上運行他們的工作。
NVIDIA 在 XNUMX 月份的博客中討論了其為更好的編程模型所做的初步工作。
科學家需要能夠首先將部分 HPC 應用程序移植到模擬 QPU，然後再移植到真實 QPU。 這將需要一個編譯器來使它們能夠以高性能水平和熟悉的方式工作。 結合 GPU 加速模擬工具、編程模型和編譯器工具鏈，HPC 研究人員將能夠開始構建面向未來的混合量子數據中心。
如果您有興趣了解更多信息，NVIDIA 提供了教程和視頻。 看一個 GTC 會議 並參加 國際學習中心教程
關於這個話題。 閱讀有關 NVIDIA 的信息 狀態向量 張量網絡 庫，深入了解您可以使用 GPU 做什麼。
參與 StorageReview
電子報 | YouTube | 播客 iTunes/Spotify | Instagram | Twitter | Facebook | 的TikTok | RSS訂閱
