英伟达通过动态梯度和DMRG原语增强cuQuantum
realtime news Jul 07, 2025 14:52
英伟达的cuQuantum SDK引入了动态梯度、DMRG原语和性能改进，加强了在Tensor Core GPU上的量子计算仿真能力。
英伟达宣布对其cuQuantum SDK进行重大更新，提升其在量子计算仿真方面的能力。根据英伟达，最新的升级包括引入动态梯度、密度矩阵重标化群(DMRG)原语，以及针对英伟达最新GPU架构的优化。
cuQuantum 25.06的高级特性
cuQuantum 25.06更新为其所有库带来了新特性，包括cuDensityMat、cuStateVec和cuTensorNet。开发人员现在可以利用量子动力学工作流中的梯度，使量子动力学仿真能够对可优化的哈密顿量参数进行有效的反向传播。这是量子处理器单元（QPU）设计的重要一步，有助于大规模人工智能模型在校准、控制和量子比特设计等领域的训练。
通过英伟达Blackwell实现性能增强
cuStateVec现在包括定制的GPU内核，以优化在英伟达最新GPU架构上的操作。这些改进承诺比之前的系统提高2-3倍的性能，使研究人员能够充分发挥先进硬件的性能。这些改进支持批处理、期望值计算和坍缩算子等操作，推动了人工智能超算硬件的边界。
引入DMRG原语
在cuTensorNet中添加矩阵积态DMRG原语标志着量子计算仿真的一大进步。这些原语允许研究人员迭代优化MPS在量子电路上的逼近精度。这一开发促进了DMRG和量子动力学仿真的GPU加速，为更快和更大规模的仿真铺平了道路。
量子计算的意义
cuQuantum SDK的增强能力可以显著缩短开发有用量子处理器的时间表。通过允许进行更准确和高效的量子仿真，开发人员和研究人员可以更好地设计当前和近期量子设备的算法和硬件。此进展对推进量子计算领域至关重要，有可能在量子处理器的设计和使用方式上取得突破。
对于有兴趣探索这些新功能的开发人员，可以通过pip install cuquantum-cu12下载cuQuantum。提供了全面的文档供希望将这些能力整合到他们的框架和模拟器中的人使用。
.jpg)
