從復雜系統的數值模擬和優化到機器學習 (ML)，量子計算有可能徹底改變行業的各個方面。汽車行業的許多計算挑戰非常適合量子計算，包括新型材料的開發、高效的部件設計、優化制造流程和準確的風險預測。
NVIDIA Omniverse GPU 的優勢在于NVIDIA cuQuantum，這是一個用于加速量子電路模擬的 SDK。而寶馬集團最近發表了一項關于面向應用的量子機器學習基準測試的研究。
目前，該小組正在研究量子計算如何增強生成建模中的算法。他們觀察到，使用 cuQuantum 時，模擬性能提高了 300 倍，從每次迭代 8 小時提高到幾分鐘。
對量子計算系統進行基準測試
生成式 AI 是一種 ML 技術，其中算法被訓練以創建類似于其訓練數據的新數據樣本。它常用于圖像生成、文本轉語音等任務，以及旨在生成新內容的其他應用。ML 中的量子方法可以幫助生成針對特定參數優化的設計，從而實現更快、更高效的設計探索。
生成式 AI 還可應用于整個汽車價值鏈。例如，電池技術開發可以通過幫助探索新型燃料電池材料、優化充電和放電方法以及預測電池壽命，從量子 ML 中受益。
然而，對量子計算機實際應用潛力的系統評估很少，因此量子計算在行業中的確切優勢和應用難以區分。因此，從硬件到模擬器，對量子計算系統進行基準測試的需求對于評估量子算法的擴展性能和改進量子計算機的開發至關重要。
夸克
QUARK 是一個基準測試框架，旨在適應量子計算不同領域的應用程序，例如量子機器學習、優化和數值模擬。它提供了一個標準化且可擴展的平臺，用于評估和比較量子算法與硬件實現。QUARK 評估了寶馬集團量子計算算法的效率，并能夠比較從量子模擬器和量子硬件獲得的性能。
模擬量子電路
當前 量子處理器 (QPU) 由于存在噪聲且只能小規模使用，這限制了算法研究的進展。此外，與真正的量子硬件不同，模擬器可以直接訪問代表量子系統的信息。因此，電路模擬技術是推動量子計算領域發展的關鍵工具。
尤其是在量子 ML 中，經驗驗證算法的輸出至關重要。雖然許多量子算法已針對小型系統提出并實施，但隨著系統規模的擴大，評估這些算法的可靠性仍然是一個嚴峻的挑戰。
這就產生了對加速大規模量子模擬的迫切需求。有許多量子電路模擬器可用。QUARK 基準測試框架有助于為特定量子工作負載或研究目標確定模擬器的最佳選擇。
支持各行各業的量子應用
NVIDIA cuQuantum 是一個用于加速量子計算工作流程的優化庫和工具集 SDK。借助 NVIDIA Tensor Core GPU，開發者可以利用 cuQuantum 將基于狀態向量和張量網絡方法的量子電路模擬速度提升一個數量級。
寶馬集團的科學家僅對其代碼庫進行了細微更改，就能夠釋放 cuQuantum SDK 的強大功能，實現高達 30 量子位的模擬。通過利用 cuQuantum SDK 中的 cuStateVec 在量子電路模擬方面的強大功能，他們發現使用 NVIDIA A100 Tensor Core GPU 的 40 GB 版本，與雙 AMD EPYC 7742 CPU 上的性能相比，GPU 提供了顯著的加速。
汽車用例的量子應用
由寶馬集團展示并由 NVIDIA 加速的開發成果展示了用于量子應用基準測試的寶貴高性能框架。借助 NVIDIA cuQuantum，寶馬集團能夠顯著縮短使用 QUARK 的量子生成模型的訓練時間和基準測試，從而在處理有用的量子 ML 工作負載方面消除了相當大的計算瓶頸。這項工作共同實現了量子應用從理論探索過渡到實用、有影響力的解決方案的重要步驟，從而在各行各業中實現更廣泛的量子應用。
?
