宝马集团利用英伟达cuQuantum对量子计算应用进行基准测试
量子计算有望为工业的各个方面带来变革,这包括数值模拟、复杂系统的优化以及机器学习等领域。汽车行业的许多计算挑战都非常适合量子计算,这些挑战包括新型材料的开发、零部件的高效设计、制造流程的优化以及准确的风险预测等。
宝马集团在其最近发布的一项面向应用的量子机器学习基准测试研究中,展示了英伟达cuQuantum SDK在加速量子电路模拟方面的优势。目前,该集团正在研究如何利用量子计算来增强生成模型。他们观察到,通过使用cuQuantum工具,可以使模拟的性能提高300倍,并且其每次迭代所需的时间从8小时缩短到了几分钟。
生成式人工智能是一种基于机器学习的技术,它的算法能从现有的数据中学习,并生成与训练数据类似的新数据。该技术通常用于图像生成、文本转语音等任务,以及其他以生成新内容为目标的应用。机器学习中的量子方法可以帮助生成针对特定参数而进行了优化的设计方案,能实现更快、更高效的设计探索。生成式人工智能还可应用于整个汽车价值链。例如,电池技术开发就可通过利用量子机器学习,来帮助探索用于燃料电池的新型材料、优化充电和放电方法以及预测电池寿命等。
QUARK是一个基准测试框架,它旨在适应量子计算在不同领域的应用,如量子机器学习、优化和数值模拟等。它为评估和比较量子算法与硬件实现提供了一个标准化和可扩展的平台。QUARK评估了宝马集团编写的量子算法的效率,同时还能比较量子模拟器和量子硬件的性能。
但是,目前的量子处理器(QPU)存在噪声问题,而且它仅能在小规模上使用,因此这阻碍了量子算法研究的进展。此外,与真正的量子硬件不同,模拟器可以直接访问代表量子系统的信息。因此,电路模拟技术是推动量子计算领域发展的重要工具。这就迫切需要加快对大规模量子模拟的研究。目前已有许多量子电路模拟器。QUARK基准测试框架有助于为特定的量子工作负载或研究目标来确定可作为最佳选择的模拟器。
由宝马集团演示并由英伟达提供加速的这一开发成果,展示了一个有价值的、高性能的用于量子应用基准测试的框架。通过借助于英伟达cuQuantum这一工具,宝马集团能够利用QUARK显著改善量子生成模型的训练时间和基准测试,从而为实现有用的量子机器学习工作负载消除了相当大的计算瓶颈。这项工作使量子应用从理论探索向实用、有影响力的解决方案过渡迈出了重要的一步,有望使量子在各行各业得到更广泛的应用。(编译:Tmac)