是時候開始打造未來的混合式量子電腦了。
這個目標不只引人入勝，實現這項技術的路徑也清晰無比，NVIDIA 現在也掌握了一切的關鍵。
量子運算有潛力克服一些當今最嚴峻的挑戰，從藥物開發到天氣預測，無所不包。簡而言之，量子運算將在高效能運算的未來中扮演重要角色。
現今的量子模擬技術
開創未來不容易，但幫助您展開第一步的工具就在這裡。
作為前進的第一步，現今的超級電腦不只可以大規模模擬量子運算工作，其效能等級也超越目前相對小且容易發生錯誤的量子系統。
數十個量子組織已採用 NVIDIA cuQuantum 軟體開發者套件在 GPU 上加速量子電路模擬。
最新的一個案例是 AWS (Amazon Web Services)，他們宣佈在 Braket 服務中提供 cuQuantum，也在 Braket 上展示 cuQuantum 如何將量子機器學習作業負載加速高達 900 倍。
而 cuQuantum 現在可以在主要的量子軟體框架上支援加速運算，包括 Google 的 qsim、IBM 的 Qiskit Aer、Xanadu 的 PennyLane，以及 Classiq 的量子演算法設計平台 (Quantum Algorithm Design platform)。這表示這些框架的使用者無需額外編碼，即可使用 GPU 加速功能。
量子驅動藥物開發
如今，Menten AI 與使用 cuQuantum 的公司一起支援其量子工作。
舊金山灣區的藥物開發新創公司將使用 cuQuantum 的 Tensor 網路函式庫來模擬蛋白質互動，並最佳化新的藥物分子，其目標是利用量子運算的潛力來加速藥物設計。這個領域與化學一樣，被認為是能最先受益於量子加速的領域之一。
更特別的是，Menten AI 正在開發一套量子運算演算法，其中包括以量子機器學習突破運算需求嚴苛的療法設計問題。
Menten AI 首席科學家 Alexey Galda 表示：「雖然目前仍在開發能夠執行這些演算法的量子運算硬體，但像 NVIDIA cuQuantum 這樣的經典運算工具，對於推動量子演算法的開發至關重要。」
鍛造量子連結
隨著量子系統進化，下一個重大躍進就是遷移至混合式系統，讓量子電腦和傳統的二進位制電腦彼此合作。研究人員分享系統級量子處理器 (或稱 QPU) 的願景，這些處理器可作為功能強大的新型加速器。
因此，未來最重要的工作之一，就是將傳統系統和量子系統連接到混合式量子電腦中。此工作有兩個關鍵要素。
首先，NVIDIA 需要在 GPU 和 QPU 之間建立快速、低延遲的連結。這讓混合式系統能將 GPU 運用在其擅長的傳統運算工作，例如電路最佳化、校正與修正錯誤。
GPU 可以縮短這些步驟的執行時間，並降低傳統電腦和量子電腦之間的通訊延遲，這也是當今混合式量子作業的主要瓶頸。
再者，業界需要整合程式設計模型，並採用高效率且易用的工具。NVIDIA 在高效能運算和人工智慧領域的經驗，讓 NVIDIA 自身和我們的用戶都體會到可靠的軟體堆疊的價值所在。
適合用於量子運算的工具
為了立即編寫 QPU 程式，研究人員被迫使用與量子等效的低層級元件程式碼，這超出非量子運算專家的能力範圍。此外，開發人員缺少整合的程式設計模型和編譯器工具鏈，讓他們得以在任何 QPU 上執行工作。
這些都需要改變，也絕對會改變。在 3 月的部落格文章中，NVIDIA 分享了最初為改善程式設計模型而進行的部分工作。
為了有效率地找到加速量子電腦工作的方法，科學家得先能輕鬆地將部分高效能運算應用程式遷移到模擬 QPU，再遷移到真實的 QPU，而這需要藉由編譯器才能以高效能等級和類似的方式進行。
將 GPU 加速的模擬工具、程式設計模型和編譯器工具鏈結合在一起，高效能運算研究人員將得以開始打造未來的混合式量子資料中心。
如何入門
對某些人來說，量子運算聽起來可能就像是科幻小說，還要等上幾十年才會實現。事實上，研究人員每年都在打造越來越大規模的量子系統。
NVIDIA 正全力投入這項工作，誠摯地邀請您加入 NVIDIA 的行列，一同打造未來的混合式量子系統。
欲瞭解更多資訊，敬請觀看 GTC 演講和 ISC 教學的相關內容。若要深入瞭解目前可透過 GPU 支援的功能，請參考 NVIDIA 的 State Vector 與 Tensor 網路函式庫。