量子计算有可能加速模拟、优化和机器学习算法的使用案例。现在，越来越多的客户表达了一种需求，由于合规性、政策和隐私问题，他们希望在私有的本地环境中使用数据和执行经典工作负载。

探索量子计算的一种统一方式是通过利用虚拟量子处理单元(vQPU)进行模拟的端到端混合经典量子解决方案。混合量子经典算法将量子计算机与经典计算机相结合。预计它们将为第一类有用的量子计算应用提供动力，无论是在机器学习、优化、量子化学还是其他用例中。这反过来又使发现用例的方法具有成本效益，

Dell科技和IonQ最近合作测试了一个混合经典量子的平台，该平台利用Dell EMC PowerEdge R740xd服务器与IonQ的模拟引擎和量子处理单元(QPU)，这种配对能更好地实现混合经典量子解决方案的旅程。

借助该平台，经典和量子模拟的工作负载可以在本地执行，而量子工作负载，例如为药理开发建模更大且复杂的分子，可以在IonQ的QPU上远程执行。此外，IonQ的预留API显着减少了每个量子电路执行的等待时间。

将Dell科技在经典基础架构方面的优势与IonQ的相干时间、门保真度和规模相结合，使QPU能够解决更复杂的问题，它允许更好的纠错以减少使用QPU解决问题所花费的时间，并允许IonQ以室温放置在已建立的数据中心内，无需特殊冷却。反过来，这些特定的优势使客户能够评估哪种方法最适合开始他们的量子之旅。

测试的主要结论包括：

• 戴尔混合经典量子平台与IonQ量子模拟和量子处理单元无缝集成。量子工作负载可以使用在戴尔基础架构上运行的vQPU进行开发，然后无缝迁移到IonQ的远程QPU上，且只需要付出最少的努力。
• 使用IonQ的预留API，从戴尔混合经典量子平台执行的每个量子电路不需要在作业队列中等待，可以直接注入到IonQ的远程QPU中。此功能极大地提高了性能以利用真实的QPU硬件。
• 通过本地基础设施解决方案利用该功能可以提供增量成本效率和数据隐私。因此，组织可以更有效地培训量子程序员，并更快地推动关键业务用例。

这一对IonQ的测试展示了端到端混合经典量子解决方案的强大功能。研究人员发现，随着量子硬件、算法和硬件的不断发展，对经典基础设施的需求将相应加速和扩展。这只是QPU经典基础设施的开始，但它创造了无限的可能性。（编译:Qtech）