NVIDIA cuQuantum 25.06：AI赋能量子计算设计，模拟速度实现数量级飞跃
NVIDIA cuQuantum 25.06 SDK的发布，标志着量子计算模拟领域的一项重大进展。该SDK通过优化库和工具，显著加速了量子计算的仿真过程，尤其是在结合NVIDIA Tensor Core GPU时，能在量子动力学、状态向量和张量网络方法上实现数量级的性能提升。此次更新的核心亮点包括：为量子动力学工作流引入了梯度计算能力，进一步优化了对NVIDIA Grace Blackwell、GB200 NVL72及GB300 NVL72系统的支持，并为密度矩阵重整化群（DMRG）张量网络算法提供了基础构建模块。
cuDensityMat新API的引入，使得量子态演化的梯度计算更为便捷。这对于量子哈密顿动力学框架和求解器的开发者至关重要，它支持高效地对量子动力学仿真进行反向传播，从而优化可调谐的哈密顿量参数。这一能力为量子处理器单元（QPU）的理性设计开辟了高效路径，使QPU制造商能够训练大型AI模型，加速校准、控制、门和量子比特设计，从而缩短实现实用量子处理器的周期。在NVIDIA B200 GPU上，针对通用的通量量子比特系统（包括量子比特和谐振器），cuDensityMat在正向传播和反向传播计算上均实现了16-26倍的速度提升，远超基于GEMM的JAX实现。
cuStateVec针对最新的NVIDIA GPU架构进行了进一步的定制化GPU内核优化，相较于NVIDIA Hopper系统，性能提升约2-3倍。这些优化使得研究人员能够充分发挥先进NVIDIA硬件的潜力，特别是在涉及批处理、期望值计算和坍缩算子等操作时，性能表现尤为突出。cuTensorNet的最新版本则首次提供了矩阵乘积态（MPS）和密度矩阵重整化群（DMRG）的基元，使开发者和研究人员能够将DMRG应用于量子计算模拟。通过提供迭代优化MPS近似量子电路保真度的基元，cuTensorNet简化了DMRG的GPU加速应用，并支持通过MPS时间依赖变分原理（MPS-TDVP）算法进行量子动力学模拟。这些基元是未来cuQuantum支持更多新功能的基础，包括更大规模的MPS量子电路模拟和QPU设计所需的近似量子动力学模拟。
Tom Lubowe
网友讨论