量子计算有望在不久的将来实现大的科学飞跃，例如模拟用于药物发现的原子分子。与当今的电子计算机相比，量子计算机能处理的信息呈指数级增长，它利用支配亚原级粒子的量子物理进行并行计算。

全球学术界、工业界和国家级实验室的团队正在研究量子计算机和量子算法。许多人利用量子电路模拟来加快他们的研究时间进度表。

英伟达在它的GTC 2021大会上宣布了cuQuantum软件开发套件，以期用它加速在GPU上运行的量子电路模拟。早期的工作表明，cuQuantum为电路模拟提供了数量级的加速，为明天的诺贝尔奖获得者进行的突破铺平了道路。

然而，量子霸权的到来预期——当量子计算机能在合理的时间内解决经典计算机无法解决的问题时——仍然是一个公开的争论。仍有待解决的是退相干或量子态消失，这是破坏量子电路功能的限制因素。

此外，量子计算依赖于可以为0态、1态或两个态叠加的量子比特（或称量子位），并且需要更多的物理量子比特来纠正退相干造成的错误。

cuQuantum SDK可实现量子电路模拟器加速，以帮助研究人员设计更好的量子计算并验证结果、对混合经典系统进行建模并发现更优的量子算法。

它还为开发人员提供了多种方法的工具供他们使用，例如支持状态向量法、张量网络法等不同的方法。

状态向量法

Jülich超级计算中心的研究人员利用状态向量法来模拟GPU上量子计算机的物理实现。他们在GTC大会上讨论的基准测试表明，与基于CPU的系统相比，使用GPU集群的速度提高了25倍。

一家名为QCWare的私营公司一直在发表有关量子计算模拟和应用的论文。英伟达和QCWare携手合作，展示了令人信服的证据，他们证明对于20个量子比特的量子近似优化算法，性能差异非常显着。

有八个A100 GPU的NVIDIA DGX-A100产品能够模拟多达36个量子比特，在状态向量法的模拟上比双插槽的CPU服务器提供了领先的数量级加速。

除了Jülich和QCWare，使用英伟达GPU平台运行状态向量模拟器的组织包括IBM、牛津纳米孔公司、亚马逊云科技和英伟达AI技术中心。

张量网络法

张量网络模拟是一种较新的方法，与状态向量法相比，它使用的内存更少但计算量要更多。

利用张量网络法，英伟达和加州理工学院利用在A100 GPU平台上运行的cuQuantum，实现了领先的量子电路模拟器加速。在9.3分钟内利用英伟达的Selene超级计算机生成了Google Sycamore全电路仿真样本。这一壮举如果在数百万个CPU内核上进行，则需要几天时间。

除了加州理工学院，使用张量网络模拟器的还有阿里巴巴、亚马逊云科技、美国阿贡国家实验室和橡树岭国家实验室。

密度矩阵模拟

来自美国太平洋西北国家实验室、里海大学和华盛顿州立大学的研究人员开发了一种新的多GPU编程方法，他们称为 MG-BSP。可以用它来构建密度矩阵量子模拟器。

该研究小组称，他们在英伟达DGX-2平台上演示了在94分钟内对100万个通用门的模拟，比之前展示的电路要更深。

根据他们的论文，结果表明，他们的密度矩阵模拟器比GPU和其他平台上的状态向量量子模拟器快了10倍以上。（编译:Qtech）