quantum computing – NVIDIA 技術博客

SDK 加速行業 5.0 、數據管道、計算科學等在 GTC 2023 上亮相

Wed, 22 Mar 2023 06:45:09 +0000

在 2023 年的 NVIDIA GTC 2023 上， NVIDIA 公布了其 NVIDIA AI 軟件套件的顯著更新，供開發者加速計算。這些更新降低了幾個領域的成本，例如使用 NVIDIA RAPIDS 的數據科學工作負載、使用 NVIDIA Triton 的模型分析、使用 NVID IA CV- CUDA 的人工智能成像和計算機視覺等。為了跟上 NVIDIA 最新的 SDK 進步，請觀看首席執行官黃仁勛的 GTC keynote 。 NVIDIA RAPIDS Accelerator for Apache Spark 現已在 NVIDIA AI Enterprise 3.1 軟件套件中提供。使用 Apache Spark 3 在不更改代碼的情況下加快數據處理和分析或模型培訓，同時降低基礎設施成本。亮點：立即申請，

Source

]]>

使用 NVIDIA cuQuantum 實現基于矩陣產品狀態的量子電路仿真

Mon, 06 Mar 2023 04:36:45 +0000

量子電路模擬是設計量子就緒算法的最佳方法，因此您可以在強大的量子計算機可用時立即利用它們。 NVIDIA cuQuantum 是一個 SDK ，它使您能夠利用不同的方式來執行量子電路模擬。 cuStateVec ，一個為狀態向量量子模擬器構建的高性能庫，依賴于在 GPU 存儲器中保存量子狀態向量。它的內存需求按 O （ 2 ^ N ）進行縮放， N 表示量子位的數量。當你開始擴展到超過 40 個量子位時，這可能會非常昂貴。為了減輕使用狀態向量方法的量子電路模擬的存儲器需求的指數縮放，可以使用張量網絡作為替代方案。你可以通過用增加的計算換取減少的空間來模擬更大的量子電路。 cuTensorNet 使您可以利用 NVIDIA GPU 上的張量網絡方法，與其他替代方案相比，提供了更高的可擴展性和更好的性能。盡管最近在加速張量收縮路徑發現方面取得了進展，

Source

]]>

使用 NVIDIA cuQuantum 設備進行大規模最佳量子電路仿真

Thu, 15 Dec 2022 06:55:00 +0000

政府、企業和學術界的量子算法研究人員有興趣在越來越大的量子系統上開發和測試新的量子算法。用例包括藥物發現、網絡安全、高能物理和風險建模。然而，這些系統仍然很小，質量仍有待提高，容量有限。因此，在量子電路模擬器上開發應用程序和算法是很常見的。 NVIDIA cuQuantum 是一個軟件開發工具包（ SDK ），使用戶能夠使用 GPU 輕松加速和縮放量子電路模擬。一種計算狀態向量的自然工具，它使用戶能夠模擬比現在的量子計算機更深（更多的門）和更寬（更多的量子比特）的量子電路。 cuQuantum 包括最近發布的 NVIDIA cuQuantum Appliance ，這是一個具有多 GPU 、多節點狀態向量仿真支持的部署就緒軟件容器。 NVIDIA cuStateVec 中也提供了通用的多 GPU API ，可輕松集成到任何模擬器中。對于張量網絡模擬，

Source

]]>

用 NVIDIA DGX cuQuantum 設備實現超級計算規模的量子電路仿真

Thu, 22 Sep 2022 08:10:00 +0000

量子電路模擬對于開發量子計算機的應用程序和算法至關重要。由于已知量子計算算法和用例的破壞性，政府、企業和學術界的量子算法研究人員正在開發新的量子算法，并在更大的量子系統上進行基準測試。在沒有大規模糾錯量子計算機的情況下，開發這些算法的最佳方法是通過量子電路模擬。量子電路模擬需要大量計算， GPU 是計算量子態的天然工具. 為了模擬更大的量子系統，有必要將計算分布在多個 GPU 和多個節點上，以充分利用超級計算機的計算能力。 NVIDIA cuQuantum 是一個軟件開發工具包（ SDK ），使用戶可以使用 GPU 輕松加速和縮放量子電路模擬，為探索量子優勢提供了新的能力。此 SDK 包括最近發布的 NVIDIA DGX cuQuantum Appliance ，這是一個支持部署的軟件容器，具有多 GPU 狀態向量模擬支持。通用多 GPU API 現在也可在…

Source

]]>

介紹 QODA ：混合量子經典計算平臺

Tue, 12 Jul 2022 05:18:00 +0000

在過去的十年里，量子計算從學術實驗室躍入主流。創業公司和大公司都在努力制造更好的量子計算機。雖然目前尚不清楚我們離在常見問題上使用量子優勢還有多遠，但很明顯，現在是構建交付有價值的量子應用所需工具的時候了。首先，我們需要在理解量子算法方面取得進展。去年， NVIDIA 發布了 cuQuantum ，這是一款用于加速量子計算模擬的軟件開發工具包（ SDK ）。在 GPU 上使用 cuQuantum 模擬量子電路，使算法研究的性能和規模遠遠超過了目前在量子處理單元（ QPU ）上可以實現的性能和規模。這為在理解如何充分利用量子計算機方面取得突破鋪平了道路。除了改進量子算法外，我們還需要充分利用 QPU 以及經典計算資源 CPU 和 GPU 。如今， NVIDIA 宣布推出量子優化設備架構（ QODA ）是一個混合量子經典計算平臺，其使命是實現這一效用。

Source

]]>

用 NVIDIA cuTENSORMg 擴展多重 GPU 的塊循環張量

Fri, 08 Apr 2022 09:03:00 +0000

張量收縮是機器學習、計算化學和量子計算中許多重要工作的核心。隨著科學家和工程師們對不斷增長的問題的研究，基礎數據變得越來越大，計算時間也越來越長。當張量收縮不再適合單個 GPU 時，或者如果在單個 GPU 上花費的時間太長，自然下一步是將收縮分布到多個 GPU 上。我們一直在用這個新功能擴展 cuTENSOR ，并將其作為一個名為 cuTENSORMg （多 GPU ）的新庫發布。它在塊循環分布張量上提供單進程多 GPU 功能。 cuTENSORMg 的和操作大致分為句柄、張量描述符和描述符。在這篇文章中，我們將解釋句柄和張量描述符，以及復制操作是如何工作的，并演示如何執行張量收縮。然后，我們將展示如何測量各種工作負載和 GPU 配置下收縮操作的性能。庫句柄表示參與計算的設備集。句柄還包含跨調用重用的數據和資源。通過將設備列表傳遞給函數，可以創建庫句柄：

Source

]]>

用 NVIDIA cuStateVec 加速量子電路模擬

Wed, 09 Mar 2022 04:42:00 +0000

量子計算渴望為某些類型的經典難題提供更強大的計算能力和更快的結果。量子電路模擬對于理解量子計算和量子算法的發展至關重要。在量子電路中，量子器件由 N 量子位組成，通過對量子位應用一系列量子門和測量來執行計算。從數學上來說， N 量子比特系統的量子態可以描述為一個復雜的 2 N – 維向量。在經典計算機上模擬量子電路最直觀的方法是狀態向量模擬，它將這個向量與其 2 N 復雜值直接存儲在內存中。該電路通過將向量乘以一系列矩陣來執行，這些矩陣對應于構成該電路的門序列。然而，隨著狀態向量的維數隨著量子位的數量呈指數增長，完整描述狀態的內存需求將這種方法限制在 30 – 50 量子位的電路中。基于張量網絡的替代方法可以模擬更多的量子位，但通常在能夠有效模擬的電路的深度和復雜性方面受到限制。 NVIDIA cuQuantum SDK 具有用于狀態向量和張量網絡方法的庫。在本文中，

Source

]]>

利用 NVIDIA cuTensorNet 進行量子電路模擬

Wed, 02 Mar 2022 04:12:00 +0000

量子計算渴望在更快的時間內為目前無法用經典計算解決的問題提供更強大的計算能力。 NVIDIA 最近發布了 cuQuantum SDK ，這是一個用于加速量子信息科學發展的高性能庫。 cuQuantum 最近被用于打破在 DGX SuperPOD 上運行 MaxCut 量子算法模擬的世界紀錄，比以前的工作多了 8 倍的量子位。 cuQuantum 的初始目標應用程序是量子電路模擬，的加速，它由兩個主要庫組成：在本文中，我們將對這兩個庫進行概述，并對 cuTensorNet 進行更詳細的討論。 cuQuantum SDK 中的 cuStateVec 庫通過針對模擬器中出現的大多數用例優化 GPU 內核，為基于狀態向量的模擬提供了高性能解決方案。雖然狀態向量法非常適合運行深度量子電路，但即使在當今最大的超級計算機上，也不可能對具有大量量子比特的量子電路進行模擬，

Source

]]>