量子計算有望重塑各行各業(yè)，但其發(fā)展進程取決于能否攻克諸多關鍵難題，例如糾錯、量子比特設計的模擬、電路編譯優(yōu)化任務等。加速計算的出現為解決這些難題提供了可能，其并行處理能力為實現量子計算突破提供了必要的算力支撐。

從加快量子糾錯的解碼速度，到設計更大規(guī)模的量子比特系統(tǒng)，研究人員正借助 GPU 加速的工具來拓展經典計算的能力，推動實用型量子應用逐步走向現實。

研究人員使用NVIDIA CUDA-Q QEC 庫開發(fā)新型解碼方法，實現了解碼速度與精度的雙倍提升；

與 QuEra 合作基于NVIDIA CUDA-Q開發(fā)的 AI 模型把解碼速度提升了 50 倍；

通過NVIDIAcuDF開發(fā)的布局選擇方法在量子編譯中實現了高達 600 倍的加速；

通過NVIDIA cuQuantum進行的高保真量子系統(tǒng)模擬把大型系統(tǒng)的性能提升了高達 4000 倍。

使用 NVIDIA CUDA-Q QEC 和 cuDNN 加速量子糾錯解碼器：愛丁堡大學信息學院下屬的量子軟件實驗室使用 NVIDIA CUDA-Q QEC 庫開發(fā)了名為 AutoDEC 的新型 qLDPC 解碼方法，實現了解碼速度與精度的雙倍提升。該方法基于 CUDA-Q 的 GPU 加速的信念傳播順序統(tǒng)計解碼（BP-OSD）功能開發(fā)，通過并行處理解碼流程而提高了糾錯成功率。

在與 QuEra 的合作中，研究團隊利用 NVIDIA PhysicsNeMo 框架與 cuDNN 庫，成功開發(fā)出基于 Transformer 架構的 AI 解碼器。AI 方法為未來量子計算機所需的更大距離編碼提供了可行的、可擴展的解碼方案。

使用基于 NVIDIA CUDA-Q 開發(fā)的 AI 模型，QuEra 把解碼速度提升了 50 倍，同時精度也獲得提升。

通過 cuDF 優(yōu)化量子電路編譯：NVIDIA 與 Q-CTRL 及 Oxford Quantum Circuits 合作，開發(fā)出一種名為 ?-Motif 的 GPU 加速的布局選擇方法。該方法在量子編譯等涉及圖同構的應用中實現了高達 600 倍的加速。

使用 cuQuantum 加速高保真量子系統(tǒng)模擬：QuTiP 的一個關鍵應用場景是開放量子系統(tǒng)的高保真模擬。

QuTiP 與舍布魯克大學及亞馬遜云科技的合作，通過一個名為 qutip-cuquantum 的全新 QuTiP 插件實現了與 NVIDIA cuQuantum 軟件開發(fā)套件的集成。研究人員在研究耦合諧振器的超導傳輸子量子比特時發(fā)現，這種模擬把大型系統(tǒng)的性能提升了高達 4000 倍。