CUDA-Q – NVIDIA 技術博客

NVIDIA CUDA-Q 助力量子應用研究

Thu, 20 Mar 2025 08:01:08 +0000

source-zh.html NVIDIA CUDA-Q 平臺旨在簡化混合式加速量子超級計算機的軟件和硬件開發。用戶可以編寫一次代碼，在任何 QPU 或模擬器上進行測試，并加速工作流程的所有部分。這為實現科學突破騰出了時間，而無需等待結果。 CUDA-Q v0.10 具有更多功能和更高的性能，比以往任何時候都更加不可或缺和靈活。例如，用戶現在可以在 Pasqal 的中立原子 QPU 上運行作業，總計四個不同量子比特模式的八個 QPU 后端。CUDA-Q v0.10 現在還支持先進的 NVIDIA Blackwell GPU 。憑借 v0.10 對 NVIDIA GB200 NVL72 及其第五代多節點 NVLink 功能的支持，CUDA-Q 性能現在可以比以往得到進一步提升。基于多個標準化 Quantum Economic Development…

Source

]]>

NVIDIA CUDA-Q 在 Infleqtion QPU 上運行突破性邏輯 Qubit 應用

Tue, 10 Dec 2024 06:51:26 +0000

Infleqtion 是中性原子量子計算領域的全球領導者，他們首先使用 NVIDIA CUDA-Q 平臺在其 Sqale 物理量子處理器 (QPU) 上進行模擬，然后編排邏輯量子位材料科學實驗的首次演示。量子計算的基本信息單元 Qubits 容易出錯，并且非常不可靠，無法做出有意義的預測。邏輯量子位是許多噪點物理量子位的集合，它們對量子信息進行編碼以糾正錯誤，克服了這一限制。邏輯量子位可以執行耐環境噪聲和硬件故障的量子計算，也稱為容錯量子計算。邏輯量子位的一個關鍵測試是觀察到，與其組成部分的噪聲物理量子位相比，錯誤率有所降低。Infleqtion 的結果在一系列輸入中令人信服地證明了這一點 (圖 1)。這是邁向容錯量子計算的重要第一步，也是應用使用邏輯量子位的極少數物理演示之一。本文將探討對這項突破性工作至關重要的 CUDA-Q 功能和性能。

Source

]]>

隆重推出用于加速量子超級計算的 NVIDIA CUDA-QX 庫

Mon, 18 Nov 2024 09:35:58 +0000

加速量子超級計算將人工智能超級計算的優勢與量子處理器（QPUs）相結合，為世界上一些最棘手的問題開發解決方案。實現此類設備需要將一個或多個 QPUs 無縫集成到傳統的 CPU 和 GPU 超級計算架構中。任何加速量子超級計算機的基本組成部分都是與之交互的編程模型。這必須經過高度優化，不僅可以運行真正的混合量子經典應用，還可以同時管理對 QPU 硬件的控制。這涉及編排實時量子糾錯（QEC）等任務，這使得開發高性能和可擴展的混合應用極具挑戰性。開源 NVIDIA CUDA-Q 平臺正是提供了這樣一種編程模型，能夠幫助研究人員和開發者解決在實施加速量子超級計算方面的挑戰。在 SC24 上，NVIDIA 宣布推出 CUDA-QX ：這是 CUDA-Q 的擴展，由經過優化的庫組成，可直接提供 CUDA-Q 強大的編程模型，

Source

]]>

借助新的量子動力學功能加速 Google 的 QPU 開發

Mon, 18 Nov 2024 06:46:40 +0000

量子動力學描述了復雜的量子系統如何隨時間演變并與其周圍環境相互作用。模擬量子動力學極其困難，但對于了解和預測材料的基本特性至關重要。這在開發量子處理單元（QPUs）中尤為重要，量子動力學模擬使 QPUs 開發者能夠了解其硬件的物理特性并改進其硬件。量子動力學模擬與用于研究未來量子算法運行方式的主流電路模擬有所不同。電路模擬模擬了離散量子邏輯門應用下量子位的演變。這種簡化視圖將量子位與其周圍環境的交互方式進行了理想化，從而排除了對真實噪音和其他因素的考慮。相比之下，量子動力學模擬全面地反映了量子系統如何隨時間演變，揭示了量子過程的速度和準確性的基本限制。為進行經典類比，可以使用應用于晶體管（抽象表示為 0 和 1）的二進制邏輯（AND、OR、XOR）對經典計算機的邏輯進行建模。然而，為了設計速度更快、性能更高的晶體管，電氣工程師需要運行能夠完全模擬設備物理特性的復雜模型，

Source

]]>

利用 NVIDIA CUDA-Q，AI 編碼助手助力大規模量子應用開發

Tue, 05 Nov 2024 06:06:56 +0000

在整個軟件開發領域，AI 編碼助手已變得無處不在。開發者越來越多地使用 GitHub Copilot、Amazon CodeWhisperer 和 Cursor 等工具來提高計算任務的工作效率。這些工具使您能夠快速生成、調試和理解代碼；簡化工作流程；以及增強跨項目的協作。雖然 AI 編碼助手在經典計算領域已經風靡一時，但其在量子計算中的應用才剛剛開始受到關注。這一應用是 AI 實現量子計算的眾多方式之一。本文將探討如何利用領先的 AI 輔助集成開發環境 (IDE) 之一 Cursor 為 NVIDIA CUDA-Q (高性能混合量子應用平臺) 開發代碼。 CUDA-Q 是一個開源平臺，集成了 GPU、CPU 和 QPU，可實現可擴展的混合量子計算。從學生、量子研究人員、生命科學家到利用當今最先進的 GPU 超級計算機的 HPC 科學家，

Source

]]>

利用 NVIDIA CUDA-Q 和 NVIDIA cuDNN 加速太陽能預測的量子算法實現

Wed, 23 Oct 2024 05:24:37 +0000

改善可持續能源的來源是一個全球性問題，具有環境和經濟安全方面的影響。臺灣中原基督教大學電力系統與能源杰出教授 Ying-Yi Hong 研究混合量子經典方法，這些方法利用量子計算來解決電力系統和可持續能源方面的挑戰性問題。 Hong 教授的研究團隊重點關注太陽輻射預測，目標是利用地理和歷史數據來預測光伏發電場的發電量，使電力公司能夠以最佳方式調度傳統的基于礦物燃料的發電。 Hong 教授和他的學生 Dylan Lopez 使用 NVIDIA CUDA-Q 平臺，通過混合量子神經網絡（HQNN）運行的計算來預測太陽輻射。這項工作最近發表在論文《使用混合量子神經網絡進行太陽輻射預測：GPU-Based Workflow 開發平臺的比較》中。與其他領先的量子模擬器相比，HQNN 的這項工作利用了 CUDA-Q 與 NVIDIA cuDNN 庫的互操作性，

Source

]]>

利用 NVIDIA GPU 實現量子動力學系統模擬

Wed, 16 Oct 2024 06:45:28 +0000

量子動力學描述了遵守量子力學定律的物體如何與其周圍環境相互作用，從而實現對物質行為的預測。準確的量子動力學模擬為新材料、太陽能電池、電池、傳感器和許多其他尖端技術的開發提供信息。它們也是設計和構建有用的量子計算機（包括設計新型量子位、提高門保真度和執行設備校準）的關鍵工具。在實踐中，模擬量子系統極具挑戰性。動力學模擬的標準步驟包括準備量子態，在時間上演變，然后測量系統的某些屬性，例如系統的平均能量或其能量級別之間的過渡概率。在實踐中，這意味著要解決由薛定方程或林布萊德主方程控制的微分方程。多體量子系統由指數級大的希爾伯特空間表示，這使得傳統模擬方法難以解決精確解。為了克服這個問題，我們使用了巧妙的近似值和數值方法。我們面臨的挑戰是找到計算效率較高的近似值方法，同時保持較高的準確性。像張量網絡這樣的技術可以高效計算大規模量子系統的動力學，但難以處理高度糾結的系統。

Source

]]>

CUDA-Q 支持量子聚類算法的資源縮減

Mon, 26 Aug 2024 07:44:58 +0000

量子計算機可以利用疊加、糾結和干擾的量子屬性，從數據中推廣學習和見解。這種量子機器學習（QML）技術最終將在量子加速超級計算機上運行，這些計算機結合了CPU、GPU和QPU的處理能力，以解決世界上一些最復雜的問題。許多 QML 算法提供了理論加速，假設經典數據可以使用所謂的 Quantum Random Access Memory (QRAM) 在疊加中高效加載。缺乏任何高效的方法來實現 QRAM 意味著早期的量子計算機可能會擅長計算，而不是數據密集型任務在實踐中，在近期和中期硬件上有效的 QML 算法必須專注于計算密集型啟發式算法，以便在沒有 QRAM 的情況下分析數據。本文重點介紹了副教授 Dr. Petros Wallden 及其團隊在 Quantum Software Lab（愛丁堡大學信息學學院的一部分）的近期研究。Dr.

Source

]]>

借助 NVIDIA CUDA-Q v0.8 更輕松地進行高性能量子編程

Thu, 08 Aug 2024 02:31:13 +0000

NVIDIA CUDA-Q（以前稱為 NVIDIA CUDA Quantum）是一個開源編程模型，用于構建充分利用 CPU、GPU 和 QPU 計算能力的混合量子經典應用程序。目前開發這些應用程序具有挑戰性，需要靈活、易于使用的編碼環境以及強大的量子模擬功能，以高效地評估和提高新算法的性能。 CUDA-Q 是專門為實現這一點而構建的平臺。它能夠在模擬和各種實際 QPU 硬件后端之間輕松切換，這使其成為量子應用開發的長期解決方案。最近的 v0.8 版本進一步提高了 CUDA-Q 模擬性能、開發者體驗和靈活性。在本文中，我們將討論CUDA-Q v0.8: 量子態準備是有用的量子算法的核心組件，但它通常是最復雜、最昂貴的模擬元素之一。在內存中保留相同的狀態并對其進行重復使用，可以在使用不同參數的狀態多次或遵循經典的預處理和后處理步驟時優化模擬。

Source

]]>

NVIDIA CUDA-Q 新功能提升量子應用程序性能

Sun, 12 May 2024 07:15:11 +0000

NVIDIA CUDA-Q（前身為 NVIDIA CUDA Quantum）是一個開源編程模型，旨在構建量子加速超級計算，充分發揮 CPU、GPU 和 QPU 的計算能力。由于開發這些應用程序具有挑戰性，需要一個易于使用的編碼環境，能夠提供強大的量子模擬能力，以有效評估和提高新算法的性能。 CUDA-Q 包括許多顯著提高性能的新功能，使用戶能夠突破經典超級計算機上模擬的極限。這篇文章展示了 CUDA-Q 在量子模擬中的性能增強，并簡要解釋了這些改進。計算期望值是變分量子本征求解器（VQE）應用中的主要量子任務。您可以使用作用來確定兩個小分子（C2H2 和 C2H4）的期望值。實驗使用標準的 UCCSD 模擬，并使用 Python 進行編寫。對于每個版本（v0.6、v0.7、v0.7.1），我們測試了三個狀態向量模擬器后端：（單精度）、（雙倍精度）和（具有柵極融合）。

Source

]]>