《量子计算如何重塑高性能计算中的能源使用》

  • 来源专题:新一代信息技术
  • 编译者: isticzz2022
  • 发布时间:2025-02-09
  •       量子计算有望帮助缓解数据中心增长面临的巨大能耗挑战。QuEra Computing首席商务官Yuval Boger概述了相关案例。应HPCwire的要求,他还包括一份附录,指出当量子计算真正达到广泛的商业用途时,其固有的能源优势将如何发挥仍然存在不确定性,但是节能原则并没有改变。数据中心是全球电力的重要消费者,预计未来几年其份额还将继续上升。2022年,数据中心消耗了约460太瓦时(TWh)的电力,约占全球用电量的2%。预测表明,到2026年,这一消耗量可能会增加到650 TWh至1050 TWh之间,可能占全球电力需求的3.5%。(数据中心动态,以及国际能源署)

          在人工智能和云服务快速采用的推动下,这些不断升级的需求促使大型科技公司探索创新的电力解决方案。值得关注的是,亚马逊和谷歌等公司正在投资小型模块化核反应堆,以满足其巨大的电力需求,同时坚持可持续发展目标。这些先进的核技术可以提供可靠的低碳能源(《华尔街日报》)。

          量子计算机,如基于中性原子技术的量子计算机,正在成为解决这一挑战的解决方案,为解决复杂问题提供了一种更可持续的方法。

    • 计算领域日益严重的能源危机

          传统的经典系统消耗大量能源,主要来自运行高功率处理器和维护防止过热所需的冷却系统。全球数据中心正在努力应对由于能源效率低下而导致的运营成本上升,这些设施的环境足迹也在持续增长。能源效率已成为寻求在绩效与环境责任之间取得平衡的公司和研究机构的战略要务。

          事实上,除了最强大的经典超级计算机500强之外,Green500还发布了全球最节能的超级计算机。

          500台最强大的超级计算机的平均功耗为2.1兆瓦,而20台最快的超级计算机消耗超过11兆瓦。相比之下,QuEra的256量子比特量子计算机Aquila的功耗不到10千瓦,大约低1000倍。虽然量子计算机不能解决所有问题,而且只能解决经典超级计算机能力之外的一小部分问题,但量子计算机更多应用的发展将在未来实现可观的净节能。

    • 量子计算作为能源效率的游戏规则改变者

          是什么让量子计算机更高效?这种效率的核心是量子计算机利用叠加和纠缠的能力,使它们能够以经典计算机无法实现的方式处理信息。当经典系统依赖于数百万个处理器来模拟复杂系统或解决某些问题时,量子计算机利用相对较少的量子位来表示和处理指数级更大的数据集。这一根本差异使量子系统能够在消耗一小部分功率的同时实现相同或更好的结果。

          量子计算机的能量优势在解决特定类别的问题时变得尤为明显,例如优化、密码任务和量子模拟。经典的超级计算机必须依靠蛮力,执行数十亿或数万亿次操作来彻底搜索解决方案,这转化为巨大的能耗。相比之下,量子算法,如Shor的因式分解算法或Grover的搜索算法,可以更有效地实现相同的结果,减少计算步骤,并进一步降低功耗要求。对于那些同时努力满足计算需求和实现可持续发展目标的行业来说,这种效率将改变游戏规则。

          量子计算机的硬件要求进一步强调了它们的能源效率。虽然量子系统通常需要受控环境,如超导量子比特的低温冷却或中性原子的先进激光装置,但与经典超级计算机的广泛服务器场和冷却基础设施相比,这些装置消耗的能量是适度的。例如,为最大的经典系统供电的数据中心可能会消耗数十兆瓦的电力来支持CPU、GPU和冷却系统。相比之下,量子计算机结构紧凑,即使在能力增长的情况下,它们的能源使用也能更有效地扩展。

          另一个关键因素是可扩展性。经典超级计算机通过添加更多的处理器、内存和互连来实现更高的性能,这会导致功耗的线性甚至超线性增长。另一方面,量子计算机通过添加几个量子比特来实现计算能力的指数级增长。例如,将量子位的数量加倍会成倍地增加它们可以探索的计算空间的大小,从而在不成比例增加能耗的情况下实现显著的性能提升。随着全球能源问题变得更加紧迫,这种可扩展性使量子系统特别有吸引力。

    • 推动可持续发展的现实世界应用

          除了降低能耗,量子计算机还可以解决许多提高能源效率的问题。例如,优化电网、改进电池材料,甚至减少制造过程中的浪费,都是量子算法可以对降低全球能源消耗产生直接影响的领域。

    采用量子技术的计算中心将在计算能力和可持续性方面处于领先地位。通过从经典系统过渡到量子系统,这些中心可以在材料科学、物流和气候建模等领域取得突破,这些领域对全球能源消耗有直接影响。


          量子计算,特别是中性原子技术,为当今高性能计算中心面临的能源挑战提供了一种变革性的解决方案。通过大幅降低功耗和优化计算任务,量子系统提供了一种可持续的替代方案,可以推动下一个高性能计算时代的发展。然而,今天的量子计算机仍处于早期阶段,在可扩展性、纠错性以及它们可以有效解决的问题范围方面存在局限性。随着技术的不断发展,量子计算机可以帮助高性能计算中心应对功耗挑战,减少能源使用,同时满足其性能需求。通过采用量子解决方案,这些中心将在未来更好地实现其计算和环境目标。

    附录

    随着量子计算机的扩展和与经典基础设施的集成,它们将有相关的功率要求,特别是对于纠错、控制电子和经典预/后处理等任务。

    然而,在评估其整体能源影响时,有几个关键考虑因素:

    1.它们所解决问题的性质——众所周知,量子计算机不是传统超级计算机的通用替代品,而是为解决特定的、传统上难以解决的问题而设计的。如果它们取代了呈指数级低效的经典工作负载(例如组合优化、量子模拟、密码任务),那么即使有经典开销,净节能也可能是巨大的。

    2.能量扩展优势——与经典高性能计算不同,传统高性能计算的性能提高通常会导致功耗的超线性增加(更多的处理器、内存和互连),量子计算机有可能以指数方式扩展计算能力,而物理量子位和能量使用只会适度增加。

    3.初步数据——目前的中性原子量子计算机的运行功率可能比当今领先的超级计算机低3-4个数量级。即使量子系统不断发展并需要更经典的基础设施,缩放趋势表明,相对于计算能力,它们的能源效率仍然非常有利。

    也就是说,一个明确的、大规模的比较仍在不断发展,这是正确的。这是一个值得继续研究的领域。


  • 原文来源:https://www.hpcwire.com/2025/02/03/how-quantum-computing-could-reshape-energy-use-in-high-performance-computing/
相关报告
  • 《IBM与AMD将整合人工智能加速器、量子计算机及高性能计算研发》

    • 来源专题:新一代信息技术
    • 编译者:张嘉璐
    • 发布时间:2025-09-04
    •   IBM近日宣布,计划将量子计算机与高性能计算结合起来,发展下一代计算架构,即量子中心超级计算。为了实现这一目标,IBM正与AMD合作开发可扩展的开源平台,利用IBM在量子计算机和软件方面的经验,以及AMD在高性能计算和人工智能加速器方面的经验。   量子计算是一种完全不同的信息表示和处理方式。传统计算机使用只能为0或1的比特,而量子计算机的量子比特根据自然的量子力学定律表示信息。这些特性使得量子计算拥有更丰富的计算空间,可以探索复杂问题的解决方案,而这是传统计算机无法单独完成的。   IBM董事长兼首席执行官阿文德?克里希纳表示:"量子计算将模拟自然世界,并以一种全新的方式呈现信息。通过探索IBM量子计算机和AMD的先进高性能计算技术如何协同工作,我们将构建一个强大的混合模型,突破传统计算的极限。"   AMD董事长兼首席执行官苏姿丰表示:"高性能计算是解决世界上最重要挑战的基础。我们与IBM合作探索高性能计算和量子技术的融合,看到了加速发现和创新的巨大机遇。"   在量子中心超级计算架构中,量子计算机与强大的高性能计算和人工智能基础设施协同工作,这些设施通常由CPU、GPU和其他计算引擎提供支持。在这种混合方法中,问题的不同部分由最适合解决问题的模式来处理。例如,未来量子计算机可以模拟原子和分子的行为,而由人工智能驱动的传统超级计算机可以处理海量数据分析。这些技术结合在一起,可以帮助以前所未有的速度和规模解决现实世界的问题。   AMD和IBM正在探索如何将AMD的CPU、GPU和FPGA与IBM量子计算机集成,以有效加速新一类新兴算法的发展,这些算法是目前两种范式独立工作所无法实现的。这项合作也可能有助于推动IBM在本世纪末实现容错量子计算机的计划。AMD技术有望提供实时纠错能力,这是容错量子计算的关键要素。   研究团队计划在今年晚些时候进行初步演示,展示IBM量子计算机如何与AMD技术协同工作,以部署混合量子经典工作流。两家公司还计划探索开源生态系统(如Qiskit)如何能够促进利用量子中心超级计算的新算法的开发和采用。   IBM已经为实现量子计算和经典计算无缝集成的愿景迈出了第一步,包括最近与日本理化研究所合作,部署IBM模块化量子计算机"IBM Quantum System Two",并将其与世界上最快的经典超级计算机"富岳"直接连接;以及与其他行业领导者合作,展示量子和经典资源的结合如何为难题带来有价值的成果,超越经典计算机单独所能完成的工作。   AMD的CPU和GPU目前为美国能源部橡树岭国家实验室的"前沿"超级计算机提供动力,这是第一台正式打破百亿亿次级计算障碍的超级计算机。该公司的EPYC CPU和AMD Instinct GPU技术也为劳伦斯利弗莫尔国家实验室的"酋长岩"超级计算机提供动力,这意味着根据TOP500名单,AMD为世界上两台最快的超级计算机提供动力。开启新对话
  • 《IEEE2020年12大技术趋势:边缘计算、量子计算、AI等》

    • 来源专题:光电情报网信息监测服务平台
    • 编译者:husisi
    • 发布时间:2020-02-20
    • 以下是对2020年12大技术趋势的预测。IEEE计算机协会自2015年以来一直在预测技术趋势,其年度预测因权威性而受到广泛关注。在每年年底,协会还使用计分卡或报告卡对年度预测进行评级,这个评级也吸引了与预测本身一样广泛的受众。 十二大技术趋势 1. 边缘人工智能(AI)(AI @ Edge)。在过去的十年中,我们与云之间的日常交互见证了机器学习(ML)的爆炸式增长。大量众包标签数据的可用性,以较低成本获得的计算机计算效率的提高以及机器学习算法的进步奠定了这一突破的基础。随着技术的改进,自动执行许多活动变得足够稳健,以比原始云用例更普遍的新方式使用机器学习的需求将不断增加。结合5G等无处不在的连接和诸如物联网(IoT)之类的智能传感器,机器学习应用将迅速向“边缘”,也就是靠近我们所有人的物理世界推进。在未来几年中,我们希望在辅助驾驶,工业自动化,监控和自然语言处理等对我们的日常生活产生更大影响的领域中看到机器学习的广泛部署。 2. 非易失性存储器(NVM)产品,接口和应用程序。NVM Express(NVMe)SSD将在未来几年内取代SATA和SAS SSD,而NVMe-oF将在五年内成为主要的网络存储协议。NVMe支持NAND分层技术和编程功能,可提高耐用性,使能可计算存储(computational storage)并允许更多类似内存方式的数据访问。诸如MRAM,ReRAM和PCM之类的新兴内存技术则将在未来提供更高性能的NVMe设备。 3. 数字孪生,包括认知孪生。数字孪生(Digital Twins)在制造业中已成为现实,而主要的物联网平台(例如Siemens MindSphere)正在为它们提供支持。它们也已成为复杂系统操作中广泛使用的工具。自2019年1月1日起,它们已在城市的铁路和发电厂中使用。新加坡政府使用数字孪生在新加坡进行城市管理的规划,模拟和运营。认知数字孪生(Cognitive digital twins)尚处于试验和实验的早期阶段。 4. 人工智能和关键系统。人工智能将越来越多地部署在影响公共健康,安全和福利的更多系统中。这些系统将更好地利用稀缺资源,预防灾难并提高安全性,可靠性,舒适性和便利性。尽管存在技术挑战和公众担忧,这些系统将改善全球数百万人的生活质量。在五年内,人工智能在直接影响公众的关键基础架构系统或“关键系统”中的应用将大大增加。在这些系统中,故障很可能会导致人员死亡或严重伤害,或者资产或隐私的重大损失。关键系统包括发电和配电,电信,公路和铁路运输,医疗保健,银行等。 5. 实用快递无人机。包裹递送是一个对经济产生巨大影响的行业,但在过去的几十年中,其发展相对缓慢。它仍然可能令人沮丧地缓慢,浪费资源,劳动密集型并且昂贵。这些效率低下的问题,再加上无人机技术的最新发展,使该领域变得容易被颠覆。几家公司最近一直致力于开发实用的快递无人机,现在可能已经准备好彻底改变这个行业,进而改变整个社会。 6. 增材制造。3D打印至少从1980年代初期就已经存在,但是它主要局限于零件原型设计和特殊用途或特殊零件的小规模生产。当前,新的流程,材料,硬件,软件和工作流将3D打印带入了制造领域,特别是大规模定制。与传统制造不同,增材制造(Additive Manufacturing)使得生产大批量各不相同的零件在经济上变得可行。例如,像SmileDirect这样的公司现在使用3D打印机每天生成成千上万的模具,每个模具都为每个独立个体进行了校准定制。更强大,更坚固的材料,更高的分辨率,新的修整技术,工厂级管理软件以及许多其他进步,正在推动3D打印在医疗保健,鞋类和汽车等行业中的采用。到2020年,随着其他行业发现大规模定制的好处以及使用传统方法难以生产或负担得起的零件打印机会,我们预计这一趋势将继续下去。 7. 机器人认知能力。机器人正越来越多地从生产车间传播到人类占据的空间。在这样的环境中,机器人需要能够通过诸如增强对机器人所处环境的理解等功能来适应新任务。我们预计,大规模仿真、深度强化学习和计算机视觉方面的最新突破将共同为机器人带来基本的认知能力,这将在未来几年中显著改善机器人应用。 8. AI / ML适用于网络安全。网络安全是当今任何企业的主要风险之一。不断增长的攻击面包括业余威胁,复杂的分布式拒绝服务攻击以及熟练的民族国家行为者。国防取决于安全分析人员,但许多这样的稀有品种缺乏足够的培训,而且这些职位的离职率很高。AI / ML可以帮助检测威胁并向安全分析人员提供建议,将响应时间从数百小时缩短到几秒钟,并将分析人员的有效性从一两次事件扩展到每天数千次。它可以保留企业知识,并将其用于自动化任务和培训新分析师。我们预计,全球范围内的行业、学术界和政府成员之间的合作伙伴关系将推动AI / ML在网络安全领域的应用。 9. 反映安全和隐私的法律相关启示。数据收集和利用能力变得越来越复杂和敏感,通常会结合来自传感器和其他各种技术的实时信息馈送。这些增强的功能产生了新的数据流和新类型的内容,引发了有关可能因为滥用而引起的政策和法律问题:恶意行为者和政府可以出于社会控制的原因而重新利用这些功能。同样,新技术的能力也使普通人难以分辨合法和欺诈性技术内容之间的区别,例如接受真实视频而非“深度造假”视频。因此,明年对于保持一种脆弱的平衡至关重要:一方面要保持技术的社会效益,另一方面要防止不受待见的恶意利用这些新技术能力来实现社会控制和自由剥夺。需要更积极的法律和政策工具来检测欺诈并防止滥用这些增强的技术能力。 10. 对抗性机器学习。机器学习(ML)通常假定在训练和评估模型期间环境没有被恶意操纵。换句话说,大多数机器学习模型都没有充分考虑敌方攻击和操纵模型功能的方式。但是,安全研究人员已经证明,即使没有关于目标模型参数的完整信息,对抗性恶意输入也可以欺骗机器学习模型生成不期望的输出。随着ML集成到其他系统中,对ML进行恶意攻击的频率将会上升。因此,针对对抗性机器学习的安全性研究以及旨在检测ML系统操纵的对策将变得至关重要。同样,对ML系统的出错性和可操纵性的认识将开始为政策制定和法律范例提供信息。 11. 智能系统的可靠性和安全性挑战。如今,能够做出自主决策的智能系统正在吸引全球范围内日益增长的经济投资。我们希望它们将在智能城市,自动驾驶汽车和自动驾驶机器人等多个领域中得到越来越多的采用。针对不同的应用领域,智能系统自主性已通过定义的水平级别进行了形式化。当然,智能水平和随之而来的自主能力越高,对智能系统在现场运行的可靠性和安全性的要求就越高,其中可靠性被定义为在给定的时间内正确运行的可能性,而安全是指避免对环境和用户造成灾难性后果的能力。在2020年,保证高度自治的智能系统所要求的高水平的可靠性和安全性,是实现更智能的世界将面临的主要技术挑战之一。 12. 量子计算。对实用量子计算的追求将在2020年向前推进,但仍未完成。在2020年初,实验性量子计算机演示只需消耗世界上最大的超级计算机大约万分之一的能量,性能却超过了它们的1,000倍甚至更多,但是演示的应用看起来更像量子计算机自测。如果量子计算机注定要成功,那么它们将通过提高相关性和通用性来实现,因为计算优势已经显现。我们预计明年的演示活动将变得更加引人注目。例如,量子计算机可能会执行任何标准超级计算机都无法实现的化学模拟,甚至因此引发关于可能发现的化学物质是否对社会有用的争论。