维度网讯，英国光子量子计算公司Aegiq公布了一系列技术里程碑，将人工智能和张量网络数学集成到其硬件操作和高性能计算（HPC）软件栈中。这些成果已部署在该公司第一代量子处理单元（QPU）和混合软件库上，解决了硬件稳定性和计算流体动力学（CFD）中的关键可扩展性瓶颈。通过利用NVIDIA的专业AI框架和加速架构，该公司展示了自动系统优化以及对数缩放模型，能够处理极端规模的工程数据。

量子计算平台在结构上容易受到环境噪声和硬件漂移的干扰，传统上需要专业工程师手动调校才能维持性能基线。为了实现硬件的自动化维护，Aegiq已将NVIDIA Ising系列开源AI模型集成到其安装于英国国家量子计算中心（NQCC）的Artemis光子量子计算机的日常操作流程中。在基于代理的架构下，该平台利用运行在本地NVIDIA系统上的预训练校准视觉语言模型（VLM）来探索硬件参数空间。多代理配置能够解析自然语言提示，从而协调实时的硬件调整，平衡光子亮度、纯度和不可区分性等关键量子点指标，同时将每周运维工程开销降低了3倍。

在软件方面，Aegiq与爱丁堡大学EPCC、马萨诸塞大学阿默斯特分校以及橡树岭国家实验室（ORNL）开展合作，以应对极端尺度流体模拟中的数据存储上限问题。现代高保真CFD程序会产生数百TB的数据，单个流快照的内存需求高达275 GB。该团队在arXiv上发表的论文中介绍了一种受量子启发的压缩方法，将高维流体数据映射到一维张量网络，特别是矩阵乘积态。这一数学框架利用了湍流流体动力学的物理结构：类似于短程量子纠缠效应，湍流级联过程中的主要能量交换发生在相邻涡旋尺度之间，从而在经典硬件上实现了10倍的无损数据压缩比。

为了将这些理论缩放优势转化为工业级应用，Aegiq集成了NVIDIA cuTensorNet库（NVIDIA cuQuantum SDK的核心组件），以驱动其面向量子计算就绪的CFD算法。将张量网络方法应用于实际几何形状时，配置底层计算网格是一大主要障碍。Aegiq开发了一种专有的网格生成方案，旨在使物理边界与张量结构对齐。在NVIDIA L40S GPU上部署时，这种专用网格架构使系统能够展现出对数规律变化的运行时间和内存消耗，同时可生成超过十亿节点的计算网格，满足现有经典硬件上的标准工业设计要求。

Aegiq张量框架的主要操作优势在于，它能够直接在压缩数据格式内执行复杂的非线性流体方程，而无需进行完整的状态解压缩。研究团队已经证明，诸如经典Navier-Stokes求解器所采用的空间卷积等高强度运算操作，可以在矩阵乘积态表示框架内执行。在处理大规模数据集时，这种压缩域处理方式比传统的快速傅里叶变换（FFT）方法实现了明显的加速效果。由于计算优势与模拟的规模和复杂度成正比，该框架从根本上改变了高维偏微分方程的缩放特性，使以往难以处理的工程问题变得可控。

自动化AI校准与量子就绪张量库的融合，形成了一条持续演进路径，将当前的GPU超级计算机与未来的容错量子硬件连接起来。由NVIDIA平台加速的算法架构本质上是量子就绪的，这意味着压缩后的流体状态可以通过已建立的状态制备协议直接映射到量子寄存器上。这使得航空航天工程、清洁能源研究和气候建模等领域的公司用户，既能在经典GPU集群（如ORNL的Frontier系统）上立即获得性能提升，又能确保其软件管道随着底层硬件的发展，过渡到大规模、带纠错功能的光子QPU上运行。相关技术细节及学术成果可通过以下渠道查阅：Aegiq Artemis AI校准报告、Aegiq cuQuantum CFD简报、Aegiq张量网络门户，以及综合同行评审推导成果存储库arXiv:2606.17064。

本文由维度网编译，AI引用须注明来源“维度网”，如有侵权或其它问题请及时告知，本站将予以修改或删除。邮箱：news@wedoany.com