NVIDIA CUDA-Q：開創量子計算新紀元的混合平台

隨著量子計算技術日趨成熟，研究人員和企業迫切需要一個能夠有效整合量子處理器（QPU）、圖形處理器（GPU）和中央處理器（CPU）的統一開發平台。NVIDIA CUDA-Q™ 正是為了滿足這一需求而誕生的革命性解決方案，它不僅打破了傳統量子計算的技術壁壘，更為全球量子研究開啟了全新的發展篇章。

什麼是 NVIDIA CUDA-Q

NVIDIA CUDA-Q 是一個開源且「QPU-模組無關」的混合量子–經典加速超級運算開發平台。這個創新平台讓開發者能在同一程式中同時運用 GPU、CPU 和 QPU 資源，並在缺乏量子硬體時利用 GPU 加速模擬，為量子計算研究提供了前所未有的靈活性和效能。

核心功能與技術優勢

CUDA-Q 平台的設計理念圍繞著幾個關鍵特點：統一混合程式模型簡化了量子與經典運算的整合流程，大幅提升研發生產力。其 QPU-模組無關的特性確保與各種量子處理器和量子位元技術相容，並可無縫切換硬體與模擬環境。

在效能表現方面，CUDA-Q 在 GPU 上進行大規模量子電路模擬時，最高可達到相較於 CPU 2500 倍的速度提升，並支援多 GPU 擴展。作為開放生態系統，它可整合現有 AI、HPC 工作流程，並與其他量子工具鏈互操作。此外，該平台還支援量子硬體設計，能夠設計並模擬未來加速量子超級運算系統，並加速結合 AI 的量子應用開發。

量子計算百家爭鳴！黃仁勳的下一步棋在哪

量子計算市場超亂！黃仁勳一句話，改變遊戲規則？揭密這個「戰國時代」，還有哪些量子新希望

Tenten AI: 探索人工智慧的無限可能，科技新聞深度解析Ewan Mak

性能數據一覽

CUDA-Q 推動全球量子超級運算中心發展

NVIDIA CUDA-Q 平台正在全球範圍內推動量子超級運算中心的突破性發展。這個平台實現了 QPU 與 CPU、GPU 混合運算的統一程式模型，讓全球頂級超級運算中心能夠無縫串接各種硬體與模擬環境，加速研究與開發進程。

國際合作典範

在德國，Jülich Supercomputing Centre 的 JUPITER 超級電腦與 IQM 超導 QPU 結合，使用 GH200 Grace Hopper 架構，專注於強化化學模擬與最佳化應用開發，展示了超級電腦與量子融合的巨大潛力。

日本 AIST 的 ABCI-Q 被譽為世界最大量子研究超級電腦，搭載 QuEra 中性原子 QPU 和 H100 Hopper ×2,020，支援多種量子處理器類型，全力推動量子糾錯與應用研究。

波蘭 PSNC 分區則結合 ORCA Computing 光子 QPU 與 Hopper 新超算分區，專門探索生物、化學與機器學習領域的量子混合工作負載。

高效能模擬與擴展能力突破

CUDA-Q 在 GPU 上的量子電路模擬可達最高 2500 倍 CPU 加速，並透過多 GPU 記憶體聚合突破單卡容量限制。這使得研究人員能在現有超算上模擬超過 165 量子位元的電路，並支援跨節點、跨 GPU 的並行運算，為大規模量子模擬開闢了新的可能性。

實現 2500 倍量子模擬加速的技術奧秘

CUDA-Q 令人矚目的效能提升並非偶然，而是來自於多項精密的技術優化和創新架構設計。

多層次優化策略

在單一 NVIDIA GPU 上，CUDA-Q 即可提供高達 425 倍的加速效果。當使用多 GPU 時，透過記憶體聚合與並行運算，可支援超過 165 qubit 的電路模擬，並將整體加速推升至 2500 倍。

單卡加速主要利用 cuQuantum 庫實現高效矩陣操作，加速量子門演算與狀態向量更新。多卡擴展則使用 nvidia-mgpu 後端，透過 NVLink 聚合多 GPU 記憶體並行計算，突破單卡記憶體限制，提升 qubit 規模。

關鍵優化技術解析

門融合技術：將多個相鄰量子門合併為單一運算步驟，以減少記憶體存取與運算次數。v0.7.1 版本允許自訂融合層級，優化後可再額外獲得 1.3 至 10 倍的速度提升。

自動哈密頓量批次處理：針對 VQE 類應用，CUDA-Q 會將多個哈密頓算符批次送入同一 GPU 處理，降低呼叫次數並提升吞吐量。

改進 JIT 編譯路徑：由原先與量子電路長度二次成長的編譯時間，優化為線性複雜度，顯著縮短內核編譯延遲。

智慧變更檢測：減少每次觀測前的環境變更檢查時間，消除不必要的重編譯開銷，幾乎不再影響觀測呼叫效能。

實際效能驗證

量子糾錯與系統設計的最新突破

隨著量子計算規模的不斷擴大，量子糾錯（QEC）技術成為實現實用量子計算的關鍵環節。CUDA-Q 在這一領域也展現出強大的創新能力。

CUDA-Q QEC 庫的全面增強

NVIDIA 推出的 cudaq-qec 庫為量子糾錯研究提供了靈活的擴展框架，支援自定義糾錯代碼與解碼器，便於科研人員快速迭代新型 QEC 演算法。該庫已內建 Steane 碼、重複碼等多種經典 QEC 方案，並提供 C++ 與 Python 接口，大幅降低開發門檻。

AI 驅動的即時解碼革新

與 QuEra Computing 合作開發的基於 Transformer 的 AI 解碼器，利用圖神經網路和注意力機制高效捕捉糾錯資訊間的關聯，顯著提升了 MLE（最可能錯誤）解碼器在高距離碼中的擴展性與準確度。

Quantum Machines 與 NVIDIA 共同推出 DGX Quantum 系統，將 OPX1000 控制器與 Grace Hopper GPU 伺服器以低於 4 微秒的延遲緊密耦合，透過高速光纖互連，實現多解碼單元間的跨節點同步與自適應通信，解決了大規模 Surface 碼在即時糾錯中的「解碼瓶頸」難題。

多 GPU 多 QPU 系統協同

CUDA-Q 的 nvidia-mgpu 與 nvidia-mqpu 後端，可在單節點或叢集環境中聚合多 GPU 與多 QPU 資源，突破單卡顯存限制，支援超過 165 量子位元的聯機模擬。結合 MPI 插件，可靈活接入現有 HPC 設施，提供透明的量子–古典混合加速能力。

產業生態與企業採用狀況

CUDA-Q 平台已經吸引了眾多量子計算領域的重要參與者，形成了一個蓬勃發展的生態系統。

硬體供應商的積極響應

Anyon Technologies 的超導量子處理器已與 CUDA-Q 完整整合，提供企業混合量子–古典雲端解決方案，初期部署於新加坡與韓國資料中心。

ORCA Computing 的光子量子系統整合至波蘭 PSNC 超級運算中心，並使用 CUDA-Q 平台進行模擬與混合運算。

Pasqal 的中性原子量子系統接入 CUDA-Q，為客戶提供 Pulser 程式庫與 CUDA-Q Python/C++ 介面。

軟體生態的蓬勃發展

Fermioniq 的 Ava 張量網路模擬器成為首家第三方 CUDA-Q 後端，支援 50–100 qubit 高效模擬。

Classiq 平台採用 CUDA-Q 來優化量子演算法效能，而 QC Ware 的量子程式庫也可與 CUDA-Q 整合，用於加速量子研究與應用開發。

最新大型量子糾錯與系統設計進展概覽

CUDA-Q QEC 庫的增強功能

NVIDIA 推出的 cudaq-qec 庫為量子糾錯研究提供了靈活的擴展框架，支援自定義糾錯代碼與解碼器，讓科研人員能夠快速迭代新型量子糾錯演算法。該庫已內建 Steane 碼、重複碼等多種經典量子糾錯方案，並提供 C++ 與 Python 介面，大幅降低了開發門檻。

這種模組化設計讓研究團隊能夠專注於核心演算法的開發，而不需要花費大量時間處理底層系統整合問題。

GPU 加速的實時解碼技術

AI 驅動的 Transformer 解碼器
與 QuEra 合作開發的基於 Transformer 的 AI 解碼器，巧妙運用圖神經網路和注意力機制，高效捕捉糾錯資訊間的關聯性。這項創新顯著提升了最大似然錯誤（MLE）解碼器在高距離碼中的擴展性與準確度。在 QuEra 距離-3 MSD 電路測試中，該解碼器在提高 Magic 態保真度的同時，成功保持了更低的延遲表現。

低延遲並行解碼架構
Quantum Machines 與 NVIDIA 共同推出的 DGX Quantum 系統，將 OPX1000 控制器與 Grace Hopper GPU 服務器以低於 4 微秒的延遲緊密耦合。透過高速光纖互連技術，系統實現了多解碼單元間的跨節點同步與自適應通信，有效解決了大規模 Surface 碼在實時糾錯中的「解碼瓶頸」難題。

多GPU多QPU系統協同運作

CUDA-Q 的 nvidia-mgpu 與 nvidia-mqpu 後端能在單節點或集群環境中聚合多 GPU 與多 QPU 資源，突破單卡顯存限制，支援超過 165 量子位元的聯機模擬。結合 MPI 插件，系統可靈活接入現有高效能運算設施，提供透明的量子–古典混合加速能力。

這種架構設計讓研究機構能夠充分利用現有的運算資源，無需大規模重建基礎設施即可獲得量子運算能力。

高距離LDPC與Floquet碼的探索

在高距離量子低密度奇偶校驗（QLDPC）碼方面，CUDA-Q 已整合 GPU 加速的置信傳播解碼器與後處理選項，適用於大規模邏輯位元架構。同時，學術界對動態 Floquet 碼的研究也正在納入 CUDA-Q 實驗流水線，為下一代低開銷糾錯方案奠定堅實基礎。

系統級協同設計要點

閉環延遲控制
從測量到糾錯操作的閉環延遲必須保持在數十微秒以內，否則會導致錯誤累積失效，這對系統設計提出了極高要求。

多級解碼協作
大規模邏輯操作（如晶格外科手術）需要跨解碼器實時通訊，以處理相互關聯的穩定子測量結果，這考驗著系統的協調能力。

實時校準與頻率追蹤
結合實時脈衝級控制與 CUDA-Q 加速的經典計算流水線，系統可動態補償量子位元頻率漂移，確保量子糾錯操作的高保真度。

透過這些技術與系統層面的創新，NVIDIA CUDA-Q 與其生態夥伴正不斷推動大規模、容錯量子計算從理論走向實踐，為未來數百萬量子位元規模的商用量子超算鋪平道路。

已採用 NVIDIA CUDA-Q 的量子計算公司

未來發展趨勢與挑戰

CUDA-Q 平台的成功不僅體現在技術創新上，更在於其對整個量子計算產業發展方向的深遠影響。

技術發展方向

隨著量子位元數量的增加和量子糾錯技術的成熟，CUDA-Q 平台將持續優化其多 GPU 擴展能力和即時糾錯功能。高距離 QLDPC（量子低密度奇偶校驗）碼和動態 Floquet 碼的研究也將進一步納入 CUDA-Q 實驗流水線。

產業化進程加速

通過與 AWS、Azure 等雲端服務整合，CUDA-Q 正在降低量子計算的進入門檻，讓更多研究機構和企業能夠參與量子應用的開發。這種開放策略將有助於加速量子計算從實驗室走向實際應用的進程。

挑戰與機遇並存

儘管 CUDA-Q 平台展現出巨大潛力，但量子計算領域仍面臨著諸多技術挑戰，包括量子位元的穩定性、量子糾錯的效率，以及量子演算法的實用性等。然而，正是這些挑戰為創新提供了無限可能，也為相關企業和研究機構帶來了前所未有的發展機遇。

結語

NVIDIA CUDA-Q 平台的出現標誌著量子計算進入了一個全新的發展階段。通過統一的混合程式模型、強大的 GPU 加速能力，以及開放的生態系統，CUDA-Q 正在為全球量子計算研究和產業化應用奠定堅實基礎。

隨著越來越多的研究機構、企業和開發者加入這個生態系統，我們有理由相信，量子計算將在不久的將來從理論走向實踐，為人類社會帶來革命性的變革。在這個充滿無限可能的量子時代，每一個技術突破都可能成為改變世界的關鍵力量。

Supports the account team by managing daily client communications and coordinating project tasks.

Loading...