光量子计算机+GPU!NVIDIA、Rolls-Royce和Classiq宣布取得技术突破

英伟达、罗尔斯·罗伊斯和Classiq在量子计算上取得突破,使用GPU设计并模拟了迄今为止最大的CFD量子计算电路,应用于喷气发动机效率提升。NVIDIA的量子计算平台和GraceHopperSuperchip为大规模量子模拟提供支持,加速跨学科研究。罗尔斯·罗伊斯计划结合经典和量子计算方法优化发动机设计,推动更高效的航空解决方案。

(图片来源:网络)

5月21日,英伟达(NVIDIA)、罗尔斯·罗伊斯(Rolls-Royce)和以色列量子软件公司Classiq宣布了一项量子计算技术突破成果,旨在不断提高喷气发动机的效率。

当今的量子计算机存在着局限性,只能支持几层深的电路。通过使用GPU,Rolls-Royce 正在为量子未来做准备,借助NVIDIA的量子计算平台,三家公司设计并模拟了世界上最大的计算流体动力学 (CFD) 量子计算电路,利用39个量子比特支持1000万层深的电路。

Rolls-Royce计划利用它的CFD量子优势,在使用经典和量子计算方法的模拟中,对喷气发动机的性能设计进行建模。

对于航空业的领导者Rolls-Royce公司来说,这些突破非常重要,因为它致力于打造最先进的喷气发动机,以支持能源转型和更可持续的航空业。

英伟达HPC副总裁Ian Buck表示:“喷气发动机是地球上最复杂的设备之一,成本高昂且计算难度大。英伟达的量子计算平台为Rolls-Royce提供了解决这些问题的潜在途径,同时加速其对更高效喷气发动机的研究和未来开发。”

Rolls-Royce计算科学研究员 Leigh Lapworth 表示:“结合经典计算方法和量子计算方法,可以直接应对设计喷气发动机的挑战,将有助于我们加快流程并执行更复杂的计算。”

Classiq是Rolls-Royce 的合作伙伴,他们使用Classiq的合成引擎设计电路,然后使用NVIDIA® A100张量核心 GPU对其进行仿真模拟。对应的软件开发工具包nvidia cuquantum包括优化的库和工具,可以加速量子计算工作流程,提高速度扩大规模。

NVIDIA Grace Hopper加速量子计算

NVIDIA提供了一个统一的计算平台,用于加速跨学科量子研究和开发的突破。NVIDIA grace hopper Superchip结合 NVIDIA HopperTM架构GPU的突破性性能和NVIDIA grace cpus的多功能性,专为大规模量子模拟工作负载而设计。

此外,NVIDIA  nvlink®-c2c 互连不仅速度快而且低延迟,使用超级芯片构建的经典系统最适合连接到量子处理器或qpus。凭借每个节点总共600GB的快速访问内存,Grace Hopper使量子生态系统能够进行更大规模的模拟。

作为通往量子未来的战略桥梁,Grace Hopper为dgxtm quantum提供支持,dgxtm quantum是世界上第一个将量子计算与最先进的经典计算相结合的GPU加速量子计算系统。NVIDIA 还为开发人员提供了NVIDIA  cuda® quantum,这是一种强大的开源编程模型,可以连接GPU和QPU。

扩展NVIDIA量子生态系统

现在,全球范围内,大部分量子计算研究都在NVIDIA GPU上运行。Jülich 超级计算机中心是欧洲最大的量子计算设施之一,它也在 ISC上宣布,计划与NVIDIA建立一个量子计算实验室,这证明了混合量子经典计算系统越来越重要。该实验室还将帮助开发人员使用 CUDA Quantum等工具推进量子计算的发展。

此外,orca computing是集成 CUDA Quantum 的最新QPU构建器,将其光量子计算机与GPU相结合,用于机器学习。两个流行的量子机器学习框架tensorflow quantum 和 torchquantum现在也集成了 cuQuantum。当今世界上大多数量子计算软件都支持使用 NVIDIA 量子平台的GPU加速。

关于NVIDIA

自1993年成立以来,NVIDIA一直是加速计算领域的先驱。该公司于1999年发明的 GPU ,激发了PC游戏市场的增长,重新定义了计算机图形学,点燃了现代人工智能的时代,并推动了工业元宇宙的创造。NVIDIA现在是一家全堆栈计算公司,提供正在重塑行业的数据中心产品。

编译:卉可

编辑:慕一

特此说明:量子前哨翻译此文仅作信息传递和参考,并不意味着同意此文中的观点与数据。

内容概要:本文围绕“考虑电能交互的冷热电区域多微网系统双层多场景协同优化配置”的Matlab代码实现展开,提出一种结合电能交互机制的双层优化模型,用于解决冷、热、电多能耦合背景下多微网系统的协同规划与运行问题。研究采用多场景分析方法应对可再生能源出力与负荷需求的不确定性,通过上层规划设备容量配置与下层优化多时段运行策略的联动,提升系统在复杂环境下的经济性、鲁棒性与能源利用效率。所提供的Matlab代码集成了建模、求解(如YALMIP+CPLEX)与结果可视化全流程,涵盖场景生成与削减、双层优化结构设计及多能流协同调度等关键技术环节,为综合能源系统优化提供了完整的算法实现与技术参考。; 适合人群:具备电力系统、综合能源系统或优化建模背景,熟悉Matlab编程与数学规划方法,正在从事相关领域科研或工程设计工作的研究生、高校研究人员及能源行业技术人员。; 使用场景及目标:①开展冷热电联供(CCHP)多微网系统的容量规划与运行优化研究;②支撑含分布式能源、储能及多能转换设备的综合能源系统多目标、多场景优化建模;③学习与复现双层优化、分布鲁棒优化及场景分析等先进优化方法在能源系统中的实际应用。; 阅读建议:建议结合配套文献与代码同步研读,重点理解双层模型的构建逻辑、变量耦合关系与求解技巧,关注场景生成方法与YALMIP调用细节,通过调整参数、修改目标函数等方式进行仿真实验,以深化对系统优化机理的掌握。
内容概要:本文系统研究了单相逆变器闭环控制下的PWM调制模型,基于Simulink平台构建完整的逆变电路仿真系统,涵盖主电路拓扑、闭环控制器设计、脉宽调制信号生成及输出滤波等关键环节。通过引入比例积分(PI)反馈控制策略,实现对输出电压幅值与波形的精确调节,有效抑制负载扰动带来的影响,提升系统的动态响应能力与稳态精度。仿真过程详细展示了系统建模、参数整定及性能验证的全流程,重点分析了闭环控制在改善输出正弦波质量、降低谐波畸变率方面的优势,为电力电子逆变装置的研发与优化提供了可靠的理论支撑与实践参考。; 适合人群:具备电力电子技术、自动控制原理基础知识及相关仿真经验的高校研究生、科研人员,以及从事新能源发电、不间断电源(UPS)、微电网、电动汽车等领域的工程技术人员。; 使用场景及目标:①掌握单相逆变器闭环控制系统的设计与建模方法;②深入理解PWM技术与反馈控制在逆变系统中的协同工作机制;③通过Simulink仿真平台完成系统搭建与参数调试,服务于课程设计、毕业课题、科研项目或工业产品开发中的逆变器控制算法验证。; 阅读建议:建议结合经典控制理论与电力电子变换技术同步学习,动手复现仿真模型并尝试调整PI控制器参数、载波频率等关键变量,观察其对系统稳定性与输出性能的影响,从而深化对控制机理的理解,并为进一步研究并网逆变、多电平逆变等复杂系统打下坚实基础。
代码转载自:https://pan.quark.cn/s/36f2a379e44e 所讨论的核心内容涉及运用Keras所训练的`.h5`模型对实例进行检测,此任务在深度学习领域内十分普遍。`.h5`作为Keras库保存模型构造与权重的文件类型,使得训练后的模型能够被储存,并在必要时被载入以执行预测操作。在开始前,务必确认已配置好Python 3.6的环境,并安装了opencv及Keras相关库。本案例中选用的数据集是MNIST,它是一个常用于手写数字识别的标准数据集。MNIST中的图像均为28x28像素的灰度图,因此在测试个人图像时,也需将其调整为相同的图像规格。若手写数字的背景并非黑色,比如呈现白底黑字的情况,可能会对模型的识别能力产生影响,因为模型在训练阶段所适应的是黑底白字的图像。因此,在测试阶段,必须保证图像被转换为黑底白字的格式。测试代码的主要步骤包括:首先,运用`load_model`函数载入`.h5`模型文件,例如使用`model = load_model(fm_cnn_BN.h5)`进行操作。其次,通过`cv2.imread`函数读取图像,再借助`cv2.cvtColor`函数将图像从RGB色彩空间转换为灰度色彩空间。同时,要确保图像的尺寸与训练模型时的输入尺寸相匹配,一般设定为28x28像素。接着,利用`reshape`方法将图像数据调整至模型所要求的维度。对于MNIST数据集而言,这通常意味着将图像转化为一个一维数组,其形状为`(1, 1, 28, 28)`,其中1代表批次大小,其余部分则分别表示图像的通道数、宽度高度。然后,对数据进行标准化处理,将像素值缩放到0到1的范围内,这通常通过除以255来实现。最后,运用`predict_cl...
内容概要:本文系统阐述了基于数据驱动的模型预测控制(MPC)方法在电力系统机组组合优化中的应用,并以IEEE24节点系统为案例进行了Matlab代码实现。该方法融合实际运行数据,充分发挥MPC滚动优化与反馈校正的优势,对发电机组的启停计划与出力进行多时段动态优化,旨在实现电力系统运行的经济性、安全性与可靠性的协同提升。研究内容涵盖优化模型的数学构建、系统约束(如功率平衡、机组爬坡率、最小启停时间等)的处理、多目标函数(如燃料成本、启停成本)的设计,以及在MPC框架下的高效求解流程,充分体现了数据驱动方法与先进控制理论在复杂电力系统调度决策中的深度集成与优越性。; 适合人群:具备电力系统分析、优化理论基础及一定Matlab编程能力的研究生、高校科研人员以及从事电力系统调度、能源管理等领域的工程技术人员。; 使用场景及目标:①应用于电力系统日前或实时调度中的机组组合问题,为调度员提供科学决策支持;②研究在风电、伏等新能源出力具有强不确定性的背景下,数据驱动的MPC策略如何提升调度方案的适应性与鲁棒性;③为电力系统优化算法的研究、开发与仿真验证提供一个结构清晰、可复现的技术范例代码参考。; 阅读建议:建议读者结合所提供的完整Matlab代码与IEEE24节点标准系统的详细参数,分模块调试与运行程序,深入理解从数据预处理、模型构建到MPC滚动求解的全过程。在掌握核心逻辑后,可进一步尝试引入更复杂的实际约束条件,或将其拓展应用至其他节点系统或不同的不确定性建模场景中,以深化对方法的理解与创新能力。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值