NVIDIA 于今日宣布将通过开源的 NVIDIA CUDA-Q™ 量子计算平台,助力全球各地的国家级超算中心加快量子计算的研究发展。
全球多个超算中心采用NVIDIA CUDA-Q 平台,加速量子计算与AI的融合。德国、日本和波兰的超算中心将使用该平台来赋能他们由 NVIDIA 加速的高性能计算系统中的量子处理器(QPU)。
QPU 是量子计算机的大脑,通过利用电子或光子等粒子行为进行计算,计算方式与传统处理器不同,有可能使某些类型的计算速度更快。
德国于利希研究中心的于利希超算中心(JSC)正在安装一颗由 IQM Quantum Computers 公司制造的 QPU,以支持其配备 NVIDIA Grace Hopper™ 超级芯片的 JUPITER 超级计算机。
日本产业技术综合研究所(AIST)的 ABCI-Q 超级计算机采用了 NVIDIA Hopper 架构,也将增加一颗来自 QuEra 的 QPU。
波兰的波兹南超级计算与网络中心(PSNC)近期安装了两颗由 ORCA Computing 公司制造的光子 QPU,并且连接到了一个由 NVIDIA Hopper 加速的全新超级计算分区。
NVIDIA HPC 和量子计算总监 Tim Costa 表示:“量子与 GPU 超级计算的紧密集成将实现可用的量子计算。NVIDIA 的量子计算平台正在为诸如 AIST、JSC 和 PSNC 这样的先行者提供支持,助力其拓展科学发现的边界,并推进量子集成的超级计算的前沿发展。”
ABCI-Q 超级计算机集成的这颗 QPU 将使 AIST 的研究人员能够利用激光控制的铷原子作为量子比特进行计算,用以研究 AI、能源和生物学领域的量子应用。这些原子与精密原子钟中使用的原子类型相同。每个原子都是完全相同的,这为实现大规模高保真量子处理器提供了一种非常有前景的方法。
AIST 的量子与人工智能融合技术业务发展全球研究中心副主任 Masahiro Horibe 表示:“借助 ABCI-Q 量子-经典加速超级计算机,日本的研究人员将在实用量子计算应用方面取得进展。NVIDIA 正在帮助这一领域的先行者们推动量子计算研究的边界。”
PSNC 的 QPU 将使研究人员能够使用两个 PT-1 量子光子系统来探索生物学、化学和机器学习。这两个系统使用电信频率下的单个光子或光包用作量子比特。由此即可使用标准的现成电信组件实现分布式、可扩展和模块化的量子架构。
PSNC CTO 兼副主任 Krzysztof Kurowski 表示:“通过与 ORCA 和 NVIDIA 合作,使得我们能够创造一个独特的环境,构建一个全新的量子-经典混合系统。在以用户为中心服务的高效管理的多 QPU 和 GPU 系统上,开放、简便的集成和编程对于开发者和用户来说至关重要。这种密切的合作当下即为新一代量子加速超级计算机铺平了发展之路, 使其适用于很多创新的应用领域。”
JUPITER 超级计算机集成的 QPU 让 JSC 的研究人员能够开发针对化学模拟和优化问题的量子应用,并展示量子计算机如何加速经典超级计算机。该 QPU 是使用超导量子比特或电子谐振电路制造的,在低温下的行为像人造原子。
JSC 量子信息处理小组主管 Kristel Michielsen 表示:“混合量子-经典加速超级计算让量子计算更接近成为现实。通过与 NVIDIA 的持续合作,JSC 的研究人员将推进量子计算在化学和材料科学等各个领域的发展。”
通过将量子计算机与超级计算机紧密集成,CUDA-Q 还能够使 AI 与量子计算相结合,以解决有噪声的量子比特等问题,并开发高效的算法。
CUDA-Q 是一个开源的 QPU 无关的量子-经典加速超算平台。因其提供的一流性能而被大多数部署了 QPU 的公司所使用。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。