2025 年 3 月 24 日 — 去年秋天，谷歌宣布在其 105 量子比特超导设备 Willow 上进行一项实验，该实验演示了一个经过纠错的逻辑量子比特。虽然这项工作是一个技术里程碑，但它也向我们展示了该行业还有多远的路要走——材料科学和化学等实际应用的资源估计表明，研究人员将需要数千万个量子比特。要达到实用规模，现在的重点必须是如何从数百个量子比特发展到数百万个量子比特。

第一步是明确列出扩展的所有技术挑战。这不仅要解决量子硬件开发问题，还要解决系统集成和软件问题。这方面的一个明显问题是单个量子处理器 (QPU) 的大小有限，很可能比一百万个量子比特小得多。然后，研究人员必须想办法将许多（可能数百个）QPU 联网成一个更大的系统。这将需要与高性能计算 (HPC) 紧密集成，并最终实现量子互连以在 QPU 之间共享信息。

领导惠普实验室量子计算团队的杰出技术专家 Masoud Mohseni 表示：“实现可扩展性需要分布式量子计算，并与堆栈中多个层面的 HPC 紧密集成。”

量子互连尚处于开发初期，可能在一段时间内无法使用。为了在短期内将多个 QPU 联网，研究人员可以使用 Slingshot 等 HPC 互连 - 只要存在可扩展的方法，仅使用传统通信即可分配量子工作负载。

但划分量子工作负载是一项具有挑战性的问题。量子纠缠（即物理空间中不一定相近的量子位之间的长程关联）是存在的，并且实际上是量子计算能力的基础。但这些量子关联可能难以表征，并且对于给定的问题，可能事先不知道哪些关联是重要的（即哪些量子位应该位于同一个 QPU 上），哪些关联可以安全忽略（划分的好位置）。

这就是问题选择在塑造量子高性能计算系统整体协同设计中发挥作用的地方。虽然我们可以想象未来的通用量子计算机，其中每个量子位都可以可靠地与其他量子位交互，但在物理和化学的实际问题中，纠缠并不均匀。有一种固有的结构可以利用，这样就可以在最佳可用量子硬件上解决问题中最难的部分。也许在未来，我们将能够对量子位进行基本的算术运算，但在此之前，我们希望将经典高性能计算和量子计算结合起来使用。

基于这一想法，HPE 正在开发一套称为“自适应电路编织”的技术，该技术可以在执行量子计算时实时确定划分量子工作负载的有效位置。与简单的划分方案相比，这些方法在计算开销方面表现出 1-3 个数量级的改进，并且可以为仅使用 QPU 之间的传统 HPC 互连进行可扩展的分布式量子模拟铺平道路。

HPE 团队与 NVIDIA 合作，利用 NVIDIA CUDA-Q 平台支持的 GPU 加速量子电路模拟大规模测试其算法。CUDA-Q 不仅允许通过运行世界上最快的量子工作负载模拟来开发创意，这些工作负载足以保证自适应电路编织，而且还提供了一个为实现电路编织所需的混合工作流程构建的平台 - 运行快速经典计算以及主动确定在何处进行电路分区的 QPU。

上周，在 GTC 量子开发者日上，HPE 和 NVIDIA 展示了他们对量子自旋系统 40 量子比特模拟的最新成果。为了验证自适应电路编织方法，他们使用 NVIDIA CUDA-Q 平台在 HPE Cray EX 超级计算机 Perlmutter 上进行参考模拟。这些模拟平均仅需 24 分钟，但运行了 256 个节点，使用了 1,024 个 NVIDIA A100 GPU。由于模拟量子电路的成本呈指数级增长，这些模拟接近传统超级计算所能执行的最大模拟。

NVIDIA 量子算法工程总监 Elica Kyoseva 表示：“扩展量子硬件是当今量子计算社区面临的核心挑战。HPE 和 NVIDIA 正在合作开发解决这一挑战的新型算法方法。自适应电路编织通过在较小的量子设备上分配量子工作负载，为大规模、有用的量子计算提供了一条有希望的途径，类似于传统计算中的并行化。如今，理解和实现这些有希望的方法从根本上取决于快速的 AI 超级计算。”

HPE 和 NVIDIA 的联合工作展示了使用 CUDA-Q 和经典 HPC 模拟量子系统的强大功能，尤其是在短期内，因为 QPU 的大小有限。但借助自适应电路编织技术，它还提供了一条使用当今已有的高性能硬件扩展量子计算机的途径，也就是说，无需依赖未来的量子互连。通过开发这些技术，研究人员正在为包括经典和量子互连的大规模分布式量子计算系统奠定基础。

      【公司名称】四川旭辉星创科技有限公司

• 【代理级别】成都惠普HPE服务器工作站代理商

• 【销售经理】李经理

• 【联系方式】座机：028-85596747    手机：13438344046

• 【公司地址】成都市武侯区二环路南一段13号4层403