NVIDIA überträgt seine erfolgreichen Erfahrungen im Bereich KI auf Quantencomputing

Dieser Artikel stammt von Lei Feng.com. Wenn Sie ihn erneut drucken möchten, besuchen Sie bitte die offizielle Website von Lei Feng.com, um eine Genehmigung zu beantragen.

Für manche Menschen mag Quantencomputing (Quantencomputer) wie Science-Fiction klingen, ein Szenario in Jahrzehnten.

Tatsächlich haben bereits viele Menschen auf der ganzen Welt in diese hochmoderne Computerforschung investiert. Mehr als 2.100 Quantencomputer-Forschungsarbeiten wurden veröffentlicht, es gibt mehr als 250 Quantencomputer-Start-up-Unternehmen und es gibt 22 nationale -Richtlinie für Projekte im Zusammenhang mit Quantencomputing.

Quantencomputing ist ein neues Computermodell, das den Gesetzen der Quantenmechanik folgt, um Quanteninformationseinheiten für die Berechnung zu regulieren. Es wird normalerweise mit klassischem Computing verglichen. Prinzipiell kann Quantencomputing schnellere Rechengeschwindigkeiten aufweisen als klassisches Computing, und dieser Unterschied kann bis zu einer Billion Mal betragen.

Quantencomputing wird voraussichtlich viele Herausforderungen der heutigen Zeit bewältigen, die Entwicklung verschiedener Aufgaben von der Arzneimittelforschung und -entwicklung bis hin zur Wettervorhersage fördern und im zukünftigen HPC eine große Rolle spielen. Aus diesem Grund investieren viele Unternehmen und Forscher Ressourcen in die Erforschung des Quantencomputings.

Derzeit gibt es viele Optionen für physikalische Plattformen, um Quantencomputing zu implementieren, wie Supraleiter, Ionenfallen, neutrale Atome, Siliziumquanten, Lichtquanten usw. Sie stehen jedoch alle vor unterschiedlichen Herausforderungen.

Um die Entwicklung des Quantencomputings zu beschleunigen, Hybrides Quantencomputing soll die ersten praktischen Anwendungen des Quantencomputings realisieren.

Das sogenannte Hybrid-Quantencomputing bedeutet, dass Quantencomputer und klassische Computer zusammenarbeiten, um die Vorteile des klassischen Computings (wie CPU und GPU) bei traditionellen Vorgängen wie Schaltungsoptimierung, Korrektur und Fehlerkorrektur voll auszuschöpfen. und Quantenprozessoren auf Systemebene (das heißt QPU) als neuer Beschleuniger.

Im Vergleich zur CPU ist die GPU eine gute Wahl für die Implementierung von hybridem Quantencomputing, da die GPU die Ausführungszeit herkömmlicher Jobs verkürzen und die Kommunikationsverzögerung zwischen klassischen Computern und Quantencomputern erheblich reduzieren kann, was beim heutigen hybriden Quantencomputer der Fall ist Arbeitsplätze Der größte Engpass steht bevor.

Eine weitere große Herausforderung sind inzwischen Softwaretools. Als aufstrebende Hardware müssen Quantenprozessoren programmiert werden, um ihren Wert zu realisieren. Mit anderen Worten: Nur Quantencomputer-Experten können Quantenbeschleuniger programmieren Experten können Quantenbeschleuniger programmieren. Es ist schwierig, die schnelle Entwicklung des Quantencomputings voranzutreiben. Daher

Der Bereich Quantencomputing benötigt ein einheitliches Programmiermodell und eine Compiler-Toolkette.

Der Compiler ermöglicht es Wissenschaftlern, einen Teil ihrer HPC-Anwendungen einfach zuerst auf die simulierte QPU und dann auf die reale QPU zu portieren und so effizient Wege zu finden, die Quantencomputing-Arbeit zu beschleunigen.

Mit der Zusammenführung von GPU-beschleunigten Simulationstools, Programmiermodellen und Compiler-Toolchains können HPC-Forscher mit dem Aufbau des hybriden Quantendatenzentrums der Zukunft beginnen.

Mit branchenführenden Hochleistungs-GPUs und umfangreicher Erfahrung in HPC und KI kann NVIDIA dabei helfen, schnell einzigartige Produkte und Vorteile im Bereich Quantencomputing zu etablieren.

NVIDIA hat tatsächlich damit begonnen, seine erfolgreichen Erfahrungen im Bereich der KI auf den Bereich des Quantencomputings zu übertragen. Ausgehend von der Software, die den Entwicklern am nächsten ist, wird die Schwelle für Entwickler gesenkt, sie zu nutzen, und Entwicklern im Bereich Quantencomputing dabei geholfen, Probleme zu lösen und Mehrwert zu schaffen. Sobald Quantencomputing-Forscher und -Benutzer sich für die Tools von NVIDIA entscheiden, können sie NVIDIA natürlich dabei helfen, sie zu nutzen die Chance im Bereich Quantencomputing.

Auf der GTC 2021 kündigte NVIDIA die Einführung des cuQuantum SDK an, das darauf abzielt, Quantenschaltungssimulationen auf GPUs zu beschleunigen. Heute nutzen bereits Dutzende Quantenorganisationen das Softwareentwicklungskit cuQuantum, um ihre Quantenschaltungssimulationen auf GPUs zu beschleunigen.

Vor kurzem stellte AWS cuQuantum im Braket-Service bereit und demonstrierte, dass

cuQuantum eine 900-fache Beschleunigung bei Quanten-Machine-Learning-Workloads erreichte und gleichzeitig die Kosten um das 3,5-fache senkte.

Ein weiterer wichtiger Wert von cuQuantum bei der Förderung der Entwicklung des Quantencomputings ist seine Fähigkeit, beschleunigtes Computing auf wichtigen Quantensoftware-Frameworks zu implementieren,

einschließlich Googles qsim, IBMs Qiskit Aer, Xanadus PennyLane und Classiqs Quantum Algorithm Design-Plattform.

Für Wissenschaftler und Entwickler können Benutzer dieser Frameworks ohne weitere Codierung auf die GPU-Beschleunigung zugreifen. Für Nvidia bedeutet dies seinen wichtigen Wert im Quantencomputing-Software-Framework und ermöglicht es, die Rolle seiner GPUs im hybriden Quantencomputing voll auszuschöpfen.

Am 12. Juli 2022 machte NVIDIA seine Fortschritte im Bereich Quantencomputing weiter und veröffentlichte QODA, eine einheitliche Computing-Plattform.

Das Ziel der Quantum Optimized Device Architecture (QODA) besteht darin, Quantencomputing durch die Schaffung eines kohärenten hybriden klassischen Quantenprogrammiermodells zugänglicher zu machen. QODA ermöglicht Experten in den Bereichen HPC und KI außerdem die einfache Portierung ihrer Anwendungen auf öffentliche Clouds, NVIDIA DGX-Systeme oder Supercomputing-Zentren, die mit einer großen Anzahl von NVIDIA-GPUs ausgestattet sind.

Für Quantenorganisationen, die bereits das cuQuantum Software Development Kit verwenden, ermöglicht NVIDIA QODA Entwicklern die Erstellung vollständiger Quantenanwendungen, die auf GPU-beschleunigten Supercomputern mit NVIDIA cuQuantum simuliert werden können.

Wie KI und Hochleistungsrechnen ist Ökologie der Schlüssel zum Erfolg, daher sind Software- und Hardwarepartner entscheidend für den Erfolg von NVIDIA im Bereich Quantencomputing.

Q2B 22 Auf der Tokyo Quantum Computing Conference kündigte Nvidia Partnerschaften mit den Quantenhardware-Anbietern IQM Quantum Computers, Pasqal, Quantum, Quantum Brilliance und Xanadu, den Softwareanbietern QC Ware und Zapata Computing sowie dem deutschen Supercomputing Center Jurich Research Center, Lawrence Berkeley, an National Laboratory und Oak Ridge National Laboratory kooperieren bei QODA.

Jensen Huang, CEO von NVIDIA, hat immer betont, dass NVIDIA neue Produkte und Märkte schaffen muss, anstatt bestehende Märkte zu erobern. Quantencomputing ist ein völlig neuer Markt. NVIDIAs Wahl des technischen Weges und Einstiegspunkts im Bereich Quantencomputing wird dazu beitragen, die Chancen des Quantencomputings zu nutzen.

Aber wir müssen uns auch darüber im Klaren sein, dass Quantencomputing noch einen langen Weg vor sich hat und es immer noch schwierig ist zu bestimmen, wer die Quantenhegemonie haben kann.

Das obige ist der detaillierte Inhalt vonNVIDIA überträgt seine erfolgreichen Erfahrungen im Bereich KI auf Quantencomputing. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!