NVIDIA CUDA-Q公司 （前身为NVIDIA CUDA Quantum）是一个用于构建 量子加速超级计算 充分利用CPU、GPU和 QPU公司 计算能力。 今天开发这些应用程序具有挑战性，需要一个易于使用的编码环境，再加上强大的量子模拟功能，才能有效评估和改进新算法的性能。
CUDA-Q包含许多显著提高性能的新功能，使用户能够突破经典超级计算机上模拟的极限。 本文演示了CUDA-Q在量子模拟中的性能增强，并简要解释了这些改进。
计算期望值是变分量子特征值（VQE）应用程序中的主要量子任务。 您可以使用 观察 功能。 最近三次CUDA-Q释放的性能通过24和28量子比特VQE问题进行测试，目的是确定两个小分子（C 2 H（H） 2 和C 2 H（H） 4 ). 实验使用了标准的UCCSD ansatz，并且是用Python编写的。
对于每个版本（v0.6、v0.7、v07.1），测试了三个状态向量模拟器后端： 英维迪亚 （单精度）， nvidia-fp64型 （双精度），以及 nvidia-mgpu公司 ( 英伟达fp64 带有门融合）。 以下数字 nvidia-mgpu公司 指定门融合电平，以前硬编码为6，但现在是v0.7.1中的可调参数。
门融合是一种优化技术，将连续的量子门组合或合并为单个门，以降低总体计算成本并提高电路效率。 组合的门的数量（门融合级别）会显著影响模拟性能，需要针对每个应用程序进行优化。 现在可以调整 CUDAQ_MGPU_FUSE卡 参数 并指定不同于v0.7.1默认值4的自定义门融合级别
图1。 10的执行时间 观察 调用24和28比特UCCSD-VQE实验
图1显示了使用NVIDIA H100 GPU的每个模拟器和CUDA-Q版本的运行时。 没有门融合的两个模拟器从v0.6到v0.7.1至少经历了2倍的加速
这个 nvidia-mgpu-6 对于24和28量子比特实验，v0.7.1模拟结果分别比v0.6结果快3.2倍和4.7倍。 调整门融合级别将性能分别提高了12倍和1.2倍，这表明此参数的重要性和系统依赖性。
这个 nvidia-mgpu公司 simulator将是v0.8（尚未发布）中的新默认版本，提供最佳的整体性能，并支持立即使用多个GPU进行多量子位模拟。
加速代码 CUDA-Q v0.7包括许多增强功能，可以改进编译并加快连续执行所需的时间 观察 调用（图2）。
首先，改进了实时（JIT）编译路径，以更高效地编译内核。 以前，此过程与电路中的门数成二次缩放，但被简化为线性缩放。
图2。 CUDA-Q v0.7和v0.7.1中包含的更改以及对四个版本的运行时改进的表示 观察 电话
其次，对JIT更改检测检查的散列进行了改进，减少了检查是否由于环境更改需要重新编译任何代码所需的时间。 这实际上消除了每次检查所需的时间 观察 呼叫。
最后，v0.6将对每个调用执行所有日志处理，而不考虑指定的日志级别。 在v0.7中进行了更改，只对指定的日志级别执行必要的处理。
除了门融合之外，0.7.1引入了自动哈密顿分批（图3），这进一步减少了 观察 调用，通过在单个GPU上启用成批哈密尔顿计算。
图3。 哈密顿分批加速比的表示
为了进一步提高性能，未来的版本将包括对状态准备、泡利算符处理和幺正合成的更多增强。
CUDA-Q入门 当前和预期的CUDA-Q改进为开发人员提供了一个更高性能的平台，以构建量子加速的超级计算应用程序。 今天，不仅开发速度加快，而且基于CUDA-Q构建的应用程序可以部署在实际量子计算所需的混合CPU、GPU和QPU环境中。
CUDA-Q 快速入门指南 将帮助您快速设置环境，而 基础 部分将指导您完成第一次写作 CUDA-Q公司 应用程序。 探索 代码示例 和 应用 为您自己的量子应用程序开发获取灵感。 要提供反馈和建议，请访问 NVIDIA/cuda-量子 GitHub回购。
