英伟达正将其在AI领域的成功经验复制到量子计算

发布: 2022-07-13 08:00 | 作者: MSCBSC | 来源: 移动通信网 | 字体: 小中大

对一些人来说，量子计算（Quantum computer）可能听上去像是科幻小说，是几十年后的情景。

实际上，全球已经有不少人已经投入这项前沿计算的研究中，有超过2100篇量子计算的研究论文发布，有超过250家量子计算初创公司，有22个国家级量子计算相关的政策。

量子计算是一种遵循量子力学规律调控量子信息单元进行计算的新型计算模式，通常与经典计算相比较。从原理看，量子计算可以拥有比经典计算更快的计算速度，这种差距有可能高达百万亿倍。

量子计算有望攻破当今面临的诸多挑战，推动从药物研发到天气预报等各项工作的发展，能够在未来的HPC中发挥巨大作用。正因为如此，大量公司和研究人员都投资资源研究量子计算。

目前，实现量子计算的物理平台有多种方案，比如超导、离子阱、中性原子、硅量子、光量子等，不过也都面临着不用的挑战。

想要加速量子计算的发展，混合量子计算有望实现量子计算的首批实际应用。

所谓混合量子计算，就是量子计算机和经典计算机协同工作，充分发挥经典计算（比如CPU和GPU）在传统作业中的优势，如电路优化、校正和纠错，以及系统级量子处理器（即QPU）作为新型加速器的优势。

相比CPU，GPU是实现混合量子计算的一个好选择，因为GPU可以缩短传统作业的执行时间，并大幅降低经典计算机和量子计算机之间的通信延迟，而这是当今混合量子作业面临的主要瓶颈。

与此同时，另一个巨大的挑战是软件工具。量子处理器作为新兴的硬件，想要对其编程实现发挥其价值，研究人员只能使用相当于低级组装代码的量子，也就是说只有量子计算专家才能对量子加速器进行编程，这也就难以推动量子计算的快速发展。

因此，量子计算领域需要统一的编程模型和编译器工具链。

编译器可以让科学家轻松地将其 HPC应用的一部分先移植到模拟版QPU，然后再移植到真正的QPU，高效找到量子计算加速工作的方法。

将GPU加速的模拟工具、编程模型和编译器工具链全部结合在一起后， HPC 研究人员就可以开始构建未来的混合量子数据中心。

拥有业界领先高性能GPU，且在HPC和AI方面有丰富经验的英伟达，能够帮助其在量子计算领域迅速建立独特的产品和优势。

英伟达确实已经开始将其在AI领域的成功经验复制到量子计算领域。从离开发者最近的软件切入，降低使用开发者的使用门槛，帮助量子计算领域的开发者能解决问题，创造价值，一旦量子计算的研究者和使用者首选英伟达的工具，自然也就能帮英伟达在量子计算领域抢占先机。

GTC 2021上，英伟达宣布推出cuQuantum SDK，目的是加速在GPU上运行的量子电路模拟。如今，已经有数十家量子组织已经在使用cuQuantum 软件开发套件，在 GPU 上加速其量子电路模拟。

近期，AWS在Braket服务中提供cuQuantum，并展示了cuQuantum在量子机器学习工作负载上实现了900倍的加速，同时减少3.5倍的成本。

cuQuantum对于推动量子计算发展的另一个重要价值在于，其能够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Quantum Algorithm Design平台。

对于科学家和开发者而言，这些框架的用户可以访问GPU加速，而无需再进行任何编码。对于英伟达而言，将意味着其在量子计算软件框架上的重要价值，以及充分发挥其GPU在混合量子计算中的作用。

2022年7月12日，英伟达在量子计算领域继续向前迈进，发布了一个统一计算平台QODA。

量子优化设备架构（QODA）的目标是通过创建相干的混合量子经典编程模型，使量子计算更容易使用。QODA也使HPC和AI领域的专家能够轻松将他们的应用移植到公有云、NVIDIA DGX系统或者配备了大量NVIDIA GPU的超算中心当中。

对于已经使用cuQuantum软件开发工具包在GPU上模拟量子线路的量子组织，通过QODA，量子研究人员还可以在相同的cuQuantum模拟环境中开发量子线路。

与AI和高性能计算一样，生态才是成功的关键，因此软硬件合作伙伴对于英伟达在量子计算领域的成功都至关重要。

Q2B 22 东京量子计算会议上，英伟达宣布与量子硬件供应商IQM quantum Computers、Pasqal、Quantum、Quantum Brilliance和Xanadu，软件供应商QC Ware和Zapata Computing，以及超级计算中心德国尤里希研究中心、劳伦斯伯克利国家实验室和橡树岭国家实验室开展QODA方面的合作。