Репортаж от Wedoany，Британская компания Aegiq, специализирующаяся на фотонных квантовых вычислениях, объявила о ряде технологических достижений, интегрировав искусственный интеллект и математику тензорных сетей в свои аппаратные операции и программный стек для высокопроизводительных вычислений (HPC). Эти результаты были развернуты на первом поколении квантовых процессоров (QPU) компании и гибридных программных библиотеках, решив ключевые проблемы масштабируемости в стабильности оборудования и вычислительной гидродинамике (CFD). Используя специализированные ИИ-фреймворки и ускоренные архитектуры NVIDIA, компания продемонстрировала автоматическую оптимизацию системы и логарифмически масштабируемые модели, способные обрабатывать инженерные данные экстремальных масштабов.
Квантовые вычислительные платформы структурно подвержены влиянию шума окружающей среды и аппаратного дрейфа, что традиционно требует ручной настройки инженерами для поддержания базовой производительности. Для автоматизации обслуживания оборудования Aegiq интегрировала открытые ИИ-модели серии NVIDIA Ising в повседневные рабочие процессы своего фотонного квантового компьютера Artemis, установленного в Национальном центре квантовых вычислений Великобритании (NQCC). В рамках агентной архитектуры платформа использует предварительно обученные калибровочные модели визуального языка (VLM), работающие на локальных системах NVIDIA, для исследования пространства аппаратных параметров. Многоагентная конфигурация способна интерпретировать подсказки на естественном языке, координируя настройку оборудования в реальном времени и балансируя ключевые показатели квантовых точек, такие как яркость фотонов, чистота и неразличимость, одновременно снижая еженедельные эксплуатационные затраты в 3 раза.
В программном обеспечении Aegiq сотрудничает с EPCC Эдинбургского университета, Массачусетским университетом в Амхерсте и Национальной лабораторией Ок-Ридж (ORNL) для решения проблем с хранением данных в симуляциях жидкостей экстремальных масштабов. Современные высокоточные CFD-программы генерируют сотни терабайт данных, при этом требования к памяти для одного снимка потока достигают 275 ГБ. В статье, опубликованной командой на arXiv, представлен метод сжатия, вдохновленный квантовыми вычислениями, который отображает многомерные данные о жидкости в одномерные тензорные сети, в частности, состояния матричного произведения. Эта математическая структура использует физическую структуру турбулентной гидродинамики: подобно эффектам короткодействующей квантовой запутанности, основной обмен энергией в каскаде турбулентности происходит между соседними масштабами вихрей, что позволяет достичь 10-кратного сжатия данных без потерь на классическом оборудовании.
Чтобы преобразовать эти теоретические преимущества масштабирования в промышленные приложения, Aegiq интегрировала библиотеку NVIDIA cuTensorNet (ключевой компонент NVIDIA cuQuantum SDK) для управления своими CFD-алгоритмами, готовыми к квантовым вычислениям. Основным препятствием при применении методов тензорных сетей к реальным геометриям является настройка базовой вычислительной сетки. Aegiq разработала собственную схему генерации сетки, направленную на выравнивание физических границ с тензорной структурой. При развертывании на GPU NVIDIA L40S эта специализированная сетевая архитектура позволяет системе демонстрировать логарифмически изменяющееся время выполнения и потребление памяти, одновременно генерируя вычислительные сетки с более чем миллиардом узлов, удовлетворяя стандартным промышленным требованиям на существующем классическом оборудовании.
Основное операционное преимущество тензорного фреймворка Aegiq заключается в его способности выполнять сложные нелинейные уравнения жидкости непосредственно в формате сжатых данных без необходимости полной декомпрессии состояния. Исследовательская группа уже продемонстрировала, что такие интенсивные операции, как пространственная свертка, используемая в классических решателях Навье-Стокса, могут выполняться в рамках представления состояний матричного произведения. При работе с крупномасштабными наборами данных такая обработка в сжатой области обеспечивает значительное ускорение по сравнению с традиционными методами быстрого преобразования Фурье (FFT). Поскольку вычислительное преимущество пропорционально масштабу и сложности моделирования, этот фреймворк фундаментально меняет характеристики масштабирования многомерных дифференциальных уравнений в частных производных, делая ранее неразрешимые инженерные задачи управляемыми.
Слияние автоматизированной ИИ-калибровки и готовых к квантовым вычислениям тензорных библиотек формирует непрерывный путь эволюции, соединяющий современные GPU-суперкомпьютеры с будущим отказоустойчивым квантовым оборудованием. Алгоритмическая архитектура, ускоренная платформой NVIDIA, по своей сути готова к квантовым вычислениям, что означает, что сжатые состояния жидкости могут быть напрямую отображены на квантовые регистры с помощью установленных протоколов подготовки состояний. Это позволяет компаниям-пользователям в таких областях, как аэрокосмическая инженерия, исследования чистой энергии и климатическое моделирование, немедленно получать прирост производительности на классических GPU-кластерах (например, на системе Frontier в ORNL), одновременно гарантируя, что их программные конвейеры по мере развития базового оборудования перейдут на крупномасштабные фотонные QPU с коррекцией ошибок. Технические детали и академические результаты можно найти по следующим каналам: отчет о калибровке ИИ Aegiq Artemis, краткий обзор CFD Aegiq cuQuantum, портал тензорных сетей Aegiq, а также репозиторий всесторонних рецензированных результатов arXiv:2606.17064.
Данный материал скомпилирован платформой Wedoany. При цитировании материалов, созданных с помощью искусственного интеллекта (ИИ), необходимо обязательно указывать источник — «Wedoany». В случае выявления нарушения прав или иных проблем просим своевременно информировать нас. Сайт оперативно внесёт изменения или удалит материал.Электронная почта: news@wedoany.com
