搭配 Amazon Braket 使用 CUDA-Q

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

NVIDIA’s CUDA-Q 是一種軟體程式庫，專為程式設計混合量子演算法而設計，結合 CPUs、GPUs 和 Quantum 處理單元 QPUs)。它提供統一的程式設計模型，可讓開發人員在單一程式中同時表達傳統和量子指令，簡化工作流程。 使用其內建 CPU 和 GPU 模擬器CUDA-Q加速量子程式模擬和執行時間。

在 Amazon Braket Hybrid Jobs CUDA-Q上使用 可提供彈性的隨需運算環境。運算執行個體只會在工作負載期間執行，確保您只需為使用的項目付費。Amazon Braket Hybrid Jobs 也提供可擴展的體驗。使用者可以從較小的執行個體開始進行原型設計和測試，然後擴展到能夠處理更大工作負載的大型執行個體，以進行完整的實驗。

Amazon Braket Hybrid Jobs 支援 GPUs，對於最大化 CUDA-Q的潛力至關重要。相較於 CPU 型模擬器，GPUs 可大幅加速量子程式模擬，特別是在使用高 qubit 計數電路時。在 Amazon Braket 混合任務CUDA-Q上使用 時，平行化會變得直接。混合任務簡化了電路取樣和可觀測評估在多個運算節點之間的分佈。這種無縫平行化的CUDA-Q工作負載可讓使用者更專注於開發工作負載，而不是為大規模實驗設定基礎設施。

若要開始使用，請參閱 Amazon Braket 範例 Github 上的CUDA-Q入門範例，以建立CUDA-Q透過自帶容器 (BYOC) 支援的任務容器。請確定您擁有適當的 IAM 許可，以建置容器並將其發佈CUDA-Q至 Amazon ECR 儲存庫。

下列程式碼片段是使用 Amazon Braket Hybrid Jobs 執行CUDA-Q程式hello-world的範例。

image_uri = "<ecr-image-uri>"

@hybrid_job(device='local:nvidia/qpp-cpu', image_uri=image_uri)
def hello_quantum():
    import cudaq

    # define the backend
    device=get_job_device_arn()
    cudaq.set_target(device.split('/')[-1])

    # define the Bell circuit
    kernel = cudaq.make_kernel()
    qubits = kernel.qalloc(2)
    kernel.h(qubits[0])
    kernel.cx(qubits[0], qubits[1])

    # sample the Bell circuit
    result = cudaq.sample(kernel, shots_count=1000)
    measurement_probabilities = dict(result.items())
    
    return measurement_probabilities

上述範例模擬 CPU 模擬器上的 Bell 電路。此範例會在您的筆記型電腦或 Braket Jupyter 筆記本上執行。由於local=True設定，當您執行此指令碼時，容器會在您的本機環境中啟動，以執行 CUDA-Q 程式進行測試和偵錯。完成測試後，您可以移除local=True旗標並執行任務 AWS。若要進一步了解，請參閱 Amazon Braket 混合任務入門。

如果您的工作負載具有高 qubit 計數、大量電路或大量反覆運算，您可以透過指定 instance_config設定來使用更強大的 CPU 運算資源。下列程式碼片段說明如何在hybrid_job裝飾工具中設定 instance_config 設定。如需支援執行個體類型的詳細資訊，請參閱設定混合任務執行個體以執行指令碼。如需執行個體類型的清單，請參閱 Amazon EC2 執行個體類型。

@hybrid_job(
    device="local:nvidia/qpp-cpu",
    image_uri=image_uri,
    instance_config=InstanceConfig(instanceType="ml.c5.2xlarge"),
)
def my_job_script():
    ...

對於要求更高的工作負載，您可以在 CUDA-Q GPU 模擬器上執行工作負載。若要啟用 GPU 模擬器，請使用後端名稱 nvidia。nvidia 後端以 CUDA-Q GPU 模擬器的形式運作。接著，選取支援 NVIDIA GPU 的 Amazon EC2 執行個體類型。下列程式碼片段顯示 GPU 設定的hybrid_job裝飾項目。

@hybrid_job(
    device="local:nvidia/nvidia",
    image_uri=image_uri,
    instance_config=InstanceConfig(instanceType="ml.p3.2xlarge"),
)
def my_job_script():
    ...

Amazon Braket Hybrid Jobs 支援使用 的平行 GPU 模擬CUDA-Q。您可以平行評估多個可觀測項目或多個電路，以提升工作負載的效能。若要平行處理多個可觀測項目，請對演算法指令碼進行下列變更。

設定nvidia後端mgpu的選項。這是平行化可觀測項目的必要項目。平行處理使用 MPI 進行 GPUs 之間的通訊，因此 MPI 需要在執行前初始化，並在執行後完成。

接著，設定 來指定執行模式execution=cudaq.parallel.mpi。下列程式碼片段顯示這些變更。

cudaq.set_target("nvidia", option="mqpu")
cudaq.mpi.initialize()
result = cudaq.observe(
    kernel, hamiltonian, shots_count=n_shots, execution=cudaq.parallel.mpi
)
cudaq.mpi.finalize()

在hybrid_job裝飾工具中，指定託管多個 GPUs 的執行個體類型，如下列程式碼片段所示。

@hybrid_job(
    device="local:nvidia/nvidia-mqpu",
    instance_config=InstanceConfig(instanceType="ml.p3.8xlarge", instanceCount=1),
    image_uri=image_uri,
)
def parallel_observables_gpu_job(sagemaker_mpi_enabled=True):
    ...

Amazon Braket 範例 Github 中的平行模擬筆記本提供end-to-end範例，示範如何在 GPU 後端上執行量子程式模擬，以及對可觀測項目和電路批次執行平行模擬。

在量子電腦上執行工作負載

完成模擬器測試後，您可以轉換至在 QPUs 上執行實驗。只要將目標切換到 Amazon Braket QPU，例如 IQM、 IonQ或 Rigetti 裝置。下列程式碼片段說明如何將目標設定為 IQM Garnet 裝置。如需可用 QPUs的清單，請參閱 Amazon Braket 主控台。

device_arn = "arn:aws:braket:eu-north-1::device/qpu/iqm/Garnet"
cudaq.set_target("braket", machine=device_arn)

如需 Amazon Braket 混合任務的詳細資訊，請參閱 開發人員指南中的使用 Amazon Braket 混合任務。若要進一步了解 CUDA-Q，請參閱 CUDA-Q 文件。