什么是量子计算？
量子计算机仍处于起步阶段，正在影响已经在经典计算机上运行的新一代模拟，现在使用 NVIDIA cuQuantum SDK 进行加速。
在史蒂夫·乔布斯 (Steve Jobs) 推出可以放入口袋的计算机之前 27 年，物理学家保罗·贝尼奥夫 (Paul Benioff) 发表了一篇论文，表明理论上可以构建一个可以隐藏在顶针中的更强大的系统——量子计算机。
以其旨在利用的亚原子物理学命名，贝尼奥夫在 1980 年描述的概念至今仍在推动研究，包括努力构建计算领域的下一件大事：一个可以使 PC 在某些方面看起来像算盘一样古怪的系统。
理查德·费曼 (Richard Feynman) 是一位诺贝尔奖获得者，他的机智演讲将物理学带给了广大听众，他帮助建立了该领域，勾勒出此类系统如何比传统计算机更有效地模拟古怪的量子现象。 所以，…
什么是量子计算？
量子计算是一种进行并行计算的复杂方法，它使用支配亚原子粒子的物理学来取代当今计算机中更简单的晶体管。
量子计算机使用量子位进行计算，计算单元可以是开、关或任何介于两者之间的值，而不是传统计算机中开或关、一或零的位。 量子位处于中间状态的能力——称为叠加——为计算方程增加了强大的能力，使量子计算机在某些数学方面更胜一筹。
量子计算机有什么作用？
使用量子位，量子计算机可以快速完成经典计算机需要很长时间才能完成的计算——如果它们能够完成的话。
例如，今天的计算机使用八位来表示 0 到 255 之间的任何数字。由于叠加等特性，量子计算机可以同时使用八个量子位来表示 0 到 255 之间的每个数字。
这是一个类似于计算中的并行性的特性：所有的可能性都是一次性计算的，而不是顺序计算的，从而提供了巨大的加速。
因此，虽然经典计算机一次通过一个长除法计算来分解一个巨大的数字，但量子计算机可以一步得到答案。
这意味着量子计算机可以重塑整个领域，比如密码学，这些领域是基于对今天大得不可能的数字进行分解的。
微型模拟的重要作用
那可能只是一个开始。 一些专家认为，量子计算机将突破现在阻碍化学、材料科学和任何涉及建立在量子力学纳米砖块上的世界的模拟的限制。
量子计算机甚至可以通过帮助工程师对他们开始在当今最小的晶体管中发现的量子效应进行更精细的模拟来延长半导体的寿命。
事实上，专家表示，量子计算机最终不会取代经典计算机，它们会补充它们。 一些人预测量子计算机将被用作加速器，就像 GPU 加速当今的计算机一样。
量子计算如何工作？
不要指望像 DIY PC 那样用从当地电子商店的折扣箱中捡来的零件来构建自己的量子计算机。
今天运行的少数系统通常需要制冷，以创建刚好在绝对零的工作环境。 他们需要计算北极来处理为这些系统提供动力的脆弱量子态。
一个迹象表明构建量子计算机有多么困难，一个原型将一个原子悬浮在两个激光之间以创建一个量子位。 在您的家庭作坊中尝试一下！
量子计算需要纳米大力士的肌肉来创造一种叫做纠缠的东西。 那是当两个或多个量子位存在于一个量子态时，这种情况有时可以用只有一毫米宽的电磁波来测量。
用过多的能量来加速波浪，你就会失去纠缠或叠加，或两者兼而有之。 结果是一种称为退相干的嘈杂状态，相当于死亡蓝屏的量子计算。
量子计算的前景如何？
阿里巴巴、谷歌、霍尼韦尔、IBM、IonQ 和 Xanadu 等少数公司如今都在运行早期版本的量子计算机。
今天，他们提供了数十个量子比特。 但是量子位可能很嘈杂，使它们有时不可靠。 为了可靠地解决现实世界的问题，系统需要数万或数十万个量子比特。
专家认为，我们可能还需要几十年时间才能进入量子计算机真正有用的高保真时代。
加速当今的量子电路仿真
好消息是 AI 和机器学习的世界将焦点放在了 GPU 等加速器上，它可以执行量子计算机使用量子位计算的许多类型的操作。
因此，如今经典计算机已经在寻找使用 GPU 进行量子模拟的方法。 例如，NVIDIA 在我们的内部 AI 超级计算机 Selene 上运行了前沿的量子模拟。
NVIDIA 在 GTC 主题演讲中宣布了 cuQuantum SDK，以加速在 GPU 上运行的量子电路模拟。 早期工作表明 cuQuantum 将能够提供数量级的加速。
SDK 采用不可知论的方法，提供用户可以选择最适合他们方法的工具选择。 例如，状态向量方法提供了高保真度的结果，但其内存需求会随着量子位的数量呈指数增长。
这对当今最大的经典超级计算机造成了大约 50 个量子位的实际限制。 尽管如此，我们已经看到使用 cuQuantum 加速使用此方法的量子电路模拟的出色结果（如下）。
一种更新的方法，张量网络模拟，使用更少的内存和更多的计算来执行类似的工作。
使用这种方法，NVIDIA 和加州理工学院使用在 NVIDIA A100 Tensor Core GPU 上运行的 cuQuantum 加速了最先进的量子电路模拟器。 它在 Selene 上用了 9.3 分钟从 Google Sycamore 电路的全电路仿真中生成了一个样本，而在 18 个月前，专家认为使用数百万个 CPU 内核需要数天才能完成这项任务。
