英伟达正将其在AI领域的成功经验复制到量子计算
本篇文章给大家分享《英伟达正将其在AI领域的成功经验复制到量子计算》,覆盖了科技周边的常见基础知识,其实一个语言的全部知识点一篇文章是不可能说完的,但希望通过这些问题,让读者对自己的掌握程度有一定的认识(B 数),从而弥补自己的不足,更好的掌握它。
本文转自雷锋网,如需转载请至雷锋网官网申请授权。
对一些人来说,量子计算(Quantum computer)可能听上去像是科幻小说,是几十年后的情景。
实际上,全球已经有不少人已经投入这项前沿计算的研究中,有超过2100篇量子计算的研究论文发布,有超过250家量子计算初创公司,有22个国家级量子计算相关的政策。

量子计算是一种遵循量子力学规律调控量子信息单元进行计算的新型计算模式,通常与经典计算相比较。从原理看,量子计算可以拥有比经典计算更快的计算速度,这种差距有可能高达百万亿倍。
量子计算有望攻破当今面临的诸多挑战,推动从药物研发到天气预报等各项工作的发展,能够在未来的HPC中发挥巨大作用。正因为如此,大量公司和研究人员都投资资源研究量子计算。
目前,实现量子计算的物理平台有多种方案,比如超导、离子阱、中性原子、硅量子、光量子等,不过也都面临着不用的挑战。
想要加速量子计算的发展,混合量子计算有望实现量子计算的首批实际应用。
所谓混合量子计算,就是量子计算机和经典计算机协同工作,充分发挥经典计算(比如CPU和GPU)在传统作业中的优势,如电路优化、校正和纠错,以及系统级量子处理器(即QPU)作为新型加速器的优势。
相比CPU,GPU是实现混合量子计算的一个好选择,因为GPU可以缩短传统作业的执行时间,并大幅降低经典计算机和量子计算机之间的通信延迟,而这是当今混合量子作业面临的主要瓶颈。

与此同时,另一个巨大的挑战是软件工具。量子处理器作为新兴的硬件,想要对其编程实现发挥其价值,研究人员只能使用相当于低级组装代码的量子,也就是说只有量子计算专家才能对量子加速器进行编程,这也就难以推动量子计算的快速发展。
因此,量子计算领域需要统一的编程模型和编译器工具链。
编译器可以让科学家轻松地将其 HPC应用的一部分先移植到模拟版QPU,然后再移植到真正的QPU,高效找到量子计算加速工作的方法。
将GPU加速的模拟工具、编程模型和编译器工具链全部结合在一起后, HPC 研究人员就可以开始构建未来的混合量子数据中心。
拥有业界领先高性能GPU,且在HPC和AI方面有丰富经验的英伟达,能够帮助其在量子计算领域迅速建立独特的产品和优势。
英伟达确实已经开始将其在AI领域的成功经验复制到量子计算领域。从离开发者最近的软件切入,降低使用开发者的使用门槛,帮助量子计算领域的开发者能解决问题,创造价值,一旦量子计算的研究者和使用者首选英伟达的工具,自然也就能帮英伟达在量子计算领域抢占先机。
GTC 2021上,英伟达宣布推出cuQuantum SDK,目的是加速在GPU上运行的量子电路模拟。如今,已经有数十家量子组织已经在使用cuQuantum 软件开发套件,在 GPU 上加速其量子电路模拟。
近期,AWS在Braket服务中提供cuQuantum,并展示了cuQuantum在量子机器学习工作负载上实现了900倍的加速,同时减少3.5倍的成本。
cuQuantum对于推动量子计算发展的另一个重要价值在于,其能够在主要的量子软件框架上实现加速计算,包括Google的qsim、IBM的Qiskit Aer、Xanadu的PennyLane和Classiq 的Quantum Algorithm Design平台。
对于科学家和开发者而言,这些框架的用户可以访问GPU加速,而无需再进行任何编码。对于英伟达而言,将意味着其在量子计算软件框架上的重要价值,以及充分发挥其GPU在混合量子计算中的作用。
2022年7月12日,英伟达在量子计算领域继续向前迈进,发布了一个统一计算平台QODA。

量子优化设备架构 (QODA)的目标是通过创建相干的混合量子经典编程模型,使量子计算更容易使用。QODA也使HPC和AI领域的专家能够轻松将他们的应用移植到公有云、NVIDIA DGX系统或者配备了大量NVIDIA GPU的超算中心当中。
对于已经使用cuQuantum软件开发工具包的量子组织,借助NVIDIA QODA,开发者就能构建完整的量子应用程序,这些量子应用程序可以通过NVIDIA cuQuantum在GPU加速的超级计算机上进行模拟。
与AI和高性能计算一样,生态才是成功的关键,因此软硬件合作伙伴对于英伟达在量子计算领域的成功都至关重要。
Q2B 22 东京量子计算会议上,英伟达宣布与量子硬件供应商IQM quantum Computers、Pasqal、Quantum、Quantum Brilliance和Xanadu,软件供应商QC Ware和Zapata Computing, 以及超级计算中心德国尤里希研究中心、劳伦斯伯克利国家实验室和橡树岭国家实验室开展QODA方面的合作。

英伟达CEO黄仁勋一直都在强调,英伟达要做的是开创新的产品和市场,而不是去抢占已有的市场。量子计算正是这样一个全新的市场,英伟达无论在量子计算领域技术路线的选择,还是选择的切入点,都有助其抢占量子计算的先机。
但也要看到,量子计算还有很长的路要走,还难以判断谁能拥有量子霸权。
理论要掌握,实操不能落!以上关于《英伟达正将其在AI领域的成功经验复制到量子计算》的详细介绍,大家都掌握了吧!如果想要继续提升自己的能力,那么就来关注golang学习网公众号吧!
游戏玩得好的AI,已经在看病救人了
- 上一篇
- 游戏玩得好的AI,已经在看病救人了
- 下一篇
- 人工智能重塑时装设计和生产
-
- 科技周边 · 人工智能 | 1天前 |
- vLLM 连续批处理下的显存与吞吐取舍
- 209浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- Reranker 接入后如何控制检索延迟预算
- 113浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- Embedding 向量维度变化时的索引迁移方案
- 429浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- Agent 轨迹评测区分工具错误与模型错误
- 239浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- MCP 资源与工具描述的缓存更新策略
- 313浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- MCP 服务端授权范围与会话隔离的配置
- 161浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- MCP 工具结果分页与长列表截断的设计
- 486浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 | 人工智能 · chat template apply_chat_template AI tokenizer 多模型消息格式
- AI tokenizer chat template 统一多模型消息格式
- 154浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 431次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 508次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 522次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 464次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 292次使用
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览

