Eines der vielen Tutorials, die NVIDIA während des ISC High Performance HPC Events in Hamburg, Deutschland, anbietet, konzentriert sich auf Quantencomputing oder genauer gesagt auf hybride Quantencomputer. NVIDIA hat sich auf Quantencomputing konzentriert und auf der GTC im März mehrere Ankündigungen gemacht. Sie setzten den Trend auf der ISC fort und stellten cuQuantum vor.
Quantencomputing hat das Potenzial, schwierige Herausforderungen zu meistern und Fortschritte in allen Bereichen zu erzielen, von der Arzneimittelforschung bis zur Wettervorhersage. Die Zukunft von HPC hängt zu einem großen Teil von der Rolle des Quantencomputings ab.
Quantensimulationen
Heutzutage simulieren Supercomputer Quantencomputeraufgaben in großem Maßstab mit Leistungsniveaus, die über die Reichweite heutiger relativ kleiner, fehleranfälliger Quantensysteme hinausgehen. Viele Quantenorganisationen nutzen das NVIDIA cuQuantum Software Development Kit, um ihre Quantenschaltungssimulationen auf GPUs zu beschleunigen.
Kürzlich gab AWS die Verfügbarkeit von cuQuantum in seinem Braket-Service bekannt und demonstrierte, wie cuQuantum eine bis zu 900-fache Beschleunigung von Quanten-Machine-Learning-Workloads ermöglichen kann.
cuQuantum ermöglicht beschleunigtes Pendeln auf wichtigen Quanten-Frameworks, darunter Googles qsim, IBMs Qiskit Aer, Xanadus Penny Lane und Classiqs Quantum Algorithm Design-Plattform. Benutzer dieser Frameworks können ohne zusätzliche Codierung auf die GPU-Beschleunigung zugreifen.
Als praktisches Beispiel wird das Arzneimittelentwicklungs-Startup Menten AI die Tensor-Netzwerkbibliothek von cuQuantum nutzen, um Proteininteraktionen zu simulieren und neue Arzneimittelmoleküle zu optimieren. Menten AI zielt darauf ab, das Potenzial des Quantencomputings zu nutzen, um die Arzneimittelentwicklung zu beschleunigen, und entwickelt eine Reihe von Quantencomputing-Algorithmen, einschließlich Quantenmaschinelles Lernen, um rechenintensive Probleme bei der Therapieentwicklung zu lösen.
Eine Quantenverbindung schmieden
Der nächste Schritt in der Entwicklung von Quantensystemen ist der Übergang zu Hybridsystemen, die Quanten- und klassische Computer entwickeln, die zusammenarbeiten. Forscher teilen die Vision von Quantenprozessoren (QPUs) auf Systemebene, die als neue und leistungsstarke Klasse von Beschleunigern fungieren.
Die Verbindung klassischer und Quantensysteme zu einem hybriden Quantencomputer besteht aus zwei Hauptkomponenten.
Erstens wird eine schnelle Verbindung mit geringer Latenz zwischen GPUs und QPUs entwickelt, sodass die Hybridsysteme GPUs für klassische Aufgaben wie Schaltungsoptimierung, Kalibrierung und Fehlerkorrektur nutzen können. GPUs zeichnen sich dabei aus und können die Ausführungszeit dieser Schritte verkürzen und die Kommunikationslatenz zwischen klassischen und Quantencomputern verkürzen.
Zweitens benötigt die Branche ein einheitliches Programmiermodell mit effizienten und benutzerfreundlichen Tools. Erfahrungen mit HPC und KI zeigen den Wert eines soliden Software-Stacks.
Richtige Werkzeuge für den Job
Derzeit bedeutet die Programmierung von QPUs die Verwendung des Quantenäquivalents von Assemblercode auf niedriger Ebene, der normalerweise außerhalb der Reichweite von Wissenschaftlern liegt. Darüber hinaus fehlt Entwicklern ein einheitliches Programmiermodell und eine Compiler-Toolchain, um ihre Arbeit auf jeder QPU ausführen zu können.
NVIDIA hat in einem März-Blog seine ersten Arbeiten an einem besseren Programmiermodell besprochen.
Wissenschaftler müssen in der Lage sein, Teile ihrer HPC-Apps zunächst auf eine simulierte und dann auf eine echte QPU zu portieren. Dafür ist ein Compiler erforderlich, der es ihnen ermöglicht, auf hohem Leistungsniveau und auf vertraute Weise zu arbeiten. Durch die Kombination von GPU-beschleunigten Simulationstools, einem Programmiermodell und einer Compiler-Toolchain werden HPC-Forscher in die Lage versetzt, mit dem Aufbau hybrider Quantendatenzentren für die Zukunft zu beginnen.
NVIDIA bietet Tutorials und Videos, wenn Sie mehr erfahren möchten. Sehen Sie sich a an AGB-Sitzung und an einem teilnehmen ISC-Tutorial
zum Thema. Lesen Sie mehr über NVIDIA Zustandsvektor und Tensor-Netzwerk Bibliotheken für einen tiefen Einblick in die Möglichkeiten, die Sie mit GPUs machen können.
Amazon