维度网讯，劳伦斯利弗莫尔国家实验室（Lawrence Livermore National Laboratory）的研究人员开发了一款名为Fluence的Kubernetes调度器插件，用于降低混合量子-经典计算工作流的使用成本。通过在AWS Braket等平台上智能选择最便宜或队列最短的量子设备，Fluence将平均每次运行成本降低了约70倍，并将结果时间从数小时缩短至不到一分钟。

Fluence解决的核心挑战是混合量子-经典工作流中的“双队列问题”，即需要在传统集群队列和远程量子处理器（QPU）的外部队列之间协调任务，由此产生显著的同步延迟和资源浪费。该团队由Vanessa Sochat和Daniel Milroy领导，开发了一种同步原语，在短设备队列下将工作线程空闲时间减少约5倍；当设备队列延长至数小时时，空闲时间减少数个数量级。

Fluence基于Fluxion图调度器进行开发，其原子组放置功能可基本消除因部分放置组导致的节点时间浪费，确保经典计算资源在等待量子任务完成时不会闲置。Fluence能够在不修改用户容器的情况下将量子感知能力添加到云原生调度器中，从而简化了量子资源在现有高性能计算（HPC）环境中的集成。

研究团队指出，量子设备是本地、远程还是机构自有并不影响Fluence的适应性，但自有设备通常因调度透明度更高而更易控制。该成果为优化混合量子-经典工作流的效率和可及性提供了一种实用方案，推动量子处理单元更有效地融入现有计算基础设施。