刚刚！AI芯片巨头入局量子计算

光子盒研究院出品

继上个月谷歌将其人工智能专用芯片TPU（张量处理单元）用于量子计算模拟后，AI芯片巨头英伟达也推出了基于GPU的量子计算模拟软件开发工具包（SDK）。

众所周知，GPU是AI通用芯片，是人工智能的主要驱动力。英伟达是GPU的发明者，也是人工智能计算的引领者。今年以来，量子计算+人工智能的交叉研究越来越多，随着英伟达入局量子计算，二者融合将进一步加快。

对于那些希望开发量子程序的人来说，基于经典计算的模拟器是一个非常有用的工具，因为它可以演示量子计算机如何处理程序。尽管这种方法的缺点是仅限于经典计算机可以模拟的量子比特数，但它的优点是经典计算模拟可以在内部系统上执行，不需要向云中的某些量子计算机提交作业。

模拟也可以在一个无错误的环境中进行，这样程序就可以在最初开发时检查基本逻辑，无需程序员处理噪声量子比特，这些量子比特会在分析运行结果时导致不确定性。

虽然一台真正的完全纠错的量子计算机可以完成同样的任务，但这需要拥有数千个量子比特的机器，目前还无法达到。

为了提高模拟的性能，最近的趋势是利用GPU和其他特殊处理器比通用处理单元更有效地执行这些模拟。由于量子操作可以用矩阵数学和张量网络来描述，GPU的架构可以更好地优化处理这些类型的操作。

为此，英伟达发布了一个名为cuQuantum的SDK，它可以在英伟达最新的GPU上提供模拟功能。该工具包提供了一些API接口，允许用户在Qiskit、Cirq、ProjectQ、Q#等常见框架中创建量子程序，然后在包含最新一代英伟达GPU的平台上进行模拟。

英伟达cuQuantum

SDK目前支持两种不同的模拟方法。状态向量模拟器提供高保真度结果，但需要一个随着量子比特数指数级增长的内存空间，限制了可以模拟的量子比特总数。张量网络方法用内存占用来换取内存，稍微降低保真度来模拟具有更多量子比特的程序。英伟达将继续开发这个SDK，并将在未来发布新增的模拟功能。

这种方法的性能可能相当好。例如，英伟达与加州理工学院合作，用一个深度为20的电路模拟了谷歌的53量子比特Sycamore处理器，类似于谷歌量子优势实验中使用的电路，能够在英伟达内部的Selene超级计算机上用9.3分钟完成模拟。

谷歌的实验在Sycamore上花了3分钟多一点，估计在橡树岭的Summit超级计算机上复制它需要1万分钟。然而，公平地说，完整的谷歌实验需要运行100万次，而英伟达/加州理工9.3分钟的运行只是一次。这仍然是对Summit估计的实质性改进，而且在GPU模拟中得到一个有效的答案可能需要更少的运行次数，因为它没有噪声量子比特。

cuQuantum SDK目前正在进行最终测试，英伟达预计将在今年三季度开始提供早期访问。

参考链接

[1]https://blogs.nvidia.com/blog/2021/04/12/what-is-quantum-computing/

[2]https://quantumcomputingreport.com/nvidia-announces-sdk-for-quantum-simulation-on-gpus/

—End—

相关阅读：

#光子盒社群招募中#

进入光子盒社群，与我们近距离互动，了解量子领域更多产业、商业、科技动态，领取量子技术产业报告。

现添加社群助手微信Hordcore即可进群 ，与我们一起展望未来！

你可能会错过：