Xanadu與Nvidia合作突破量子模擬瓶頸，在超級電腦加速模擬可達36量子位元

Xanadu與Nvidia合作，運用PennyLane函式庫和cuQuantum SDK加速量子模擬，而這是科學家第一次以超級電腦規模加速量子模擬，透過將量子模擬分散到256個Nvidia A100 Tensor Core GPU上，模擬高達36個量子位元的運算。

Xanadu的量子程式開發框架PennyLane，是一個開源的跨平臺量子機器學習Python函式庫，供研究人員能以機器學習函式庫，諸如PyTorch和TensorFlow來設計量子電路，而這便能夠無縫整合量子與古典運算，並使用量子運算的特性來加速機器學習工作。而cuQuantum SDK則是Nvidia所推出的軟體開發工具組，能夠加速量子運算的模擬與研究，搭配Nvidia GPU的運算能力，cuQuantum SDK可大幅提高模擬大型量子系統的效率。

PennyLane中將機器學習技術應用在量子計算上是一個新穎的想法，藉由PennyLane的擴充套件，研究人便可連接不同量子運算後端，因此PennyLane在推出之後便受到許多研究人員的關注，但是Xanadu開發人員提到，許多研究人員要求更多的量子位元。

而PennyLane在擴展模擬量子系統遇到的主要問題，便是資源使用的挑戰，因為模擬量子系統使用狀態向量模擬器（State Vector Simulator），其所需要的記憶體，隨著模擬的量子位元數呈現指數成長，Xanadu研究人員提到，在桌上型電腦的極限就是30量子位元，再增加更多的量子位元，所使用的記憶體量便會超過高效能運算執行個體的最大記憶體容量。

在2022年的時候，研究人員開始在單個GPU上使用cuQuantum加速量子模擬，運算速度提升達10倍，而雖然GPU在模擬運算的效能上具有極大的優勢，但是Xanadu研究人員提到，記憶體管理對GPU來說更為重要，雖然單一GPU的記憶體就可達96 GB，但可用裝置記憶體最多只能容納30到32量子位元系統的狀態向量儲存，為了模擬更大的系統，需要將狀態向量分散在多個GPU上，連接所有GPU一起運作。

因此為了支援分散式向量模擬，以模擬更多的量子位元，Xanadu在新版PennyLane中添加MPI（Message Passing Interface ）技術以及Nvidia cuQuantum SDK。

研究人員在美國國家能源研究科學計算中心（NERSC）的超級電腦Perlmutter，搭配使用PennyLane，在GPU叢集上高速進行量子模擬。在Perlmutter多達256個Nvidia A100 Tensor Core GPU上執行模擬程式，現可模擬約36個量子位元，達到目前其他研究模擬量子位元數的2倍。