【2024 NCHC, NVIDIA, OpenACC 黑客松】— 量子算法模擬成果

[Quantum PageRank: Harnessing Quantum Stochastic Walks]

中原大學 團隊來自 張慶瑞及張晏瑞老師帶領的實驗室，將 pagerank 加速了 10000 倍！！

* Team Members: 晏瑞 張, 韋廷 王, 政維 蘇
* NVIDIA Mentors: Pika Wang, Ikko Hamamura, Anderson Meng.

量子頁面排名算法（Quantum PageRank）作為量子隨機行走（Quantum Stochastic Walks）的一項應用，在經典頁面排名算法（PageRank）的基礎上融入了量子相關性。作為傳統的網頁排序的擴展，量子頁面排名算法不僅可以透過參數的調整得到傳統演算法的結果，更算法利用量子力學的疊加、干涉和去相干特性，對複雜網絡結構進行更深入的分析，為網頁排名提供更精確的依據。我們團隊通過 CuPy 實現了 GPU 加速，並顯著降低了計算時間，因此大幅提升了在處理大規模圖（如社交網絡和推薦系統）時的運算效率和可擴展性。這一研究主題展現了量子理論與經典計算的深度融合，以開放量子系統為靈感，連結量子物理、資訊科學和大數據，為量子計算與量子機器學習的未來發展奠定了堅實基礎。

更多資訊請看：https://github.com/nqobu/nvidia/tree/main/20241204

[Scalable Quantum Chemistry Simulation Using DMET-VQE Framework with CUDAQ]

NoLab 團隊來自 陽明交通大學、臺灣師範大學以及台灣大學，將 變分量子特徵值求解器 加速了8282倍！！

* Team Members: 張仁瑀, 鍾宇程, 張沂竣, 劉珍君, 陳思頤, 徐培哲
* NVIDIA Mentors: Pika Wang, Ikko Hamamura, Tian Cheng

隨著量子計算技術的進步，模擬化學分子問題成為NISQ量子電腦的重要應用之一。其中，量子變分特徵值求解器（Variational Quantum Eigensolver, VQE）作為模擬化學系統的核心演算法，因其對量子電腦硬體要求較低且具有高度靈活性而受到廣泛關注。然而，VQE的應用範圍也存在明顯限制：隨著分子系統中軌域數量的增加，計算時間將指數增長，導致難以應對大型分子模擬問題。

為解決VQE模擬大型分子計算時間過長的挑戰，NoLab將傳統化學的密度矩陣嵌入理論（DMET）融入VQE，將大型分子劃分為子系統，考慮其交互作用以降低計算複雜度。透過GPU加速優化，NoLab實現了DMET-VQE的高效運算，成功將H12分子的模擬時間從47天縮短至僅17分鐘。

此研究成果證明了量子演算法可以透過GPU加速的創新應用，實現對實際科學問題的高效解決，此方法不僅提升了計算效率，更降低了量子化學模擬的時間成本此技術突破為藥物開發、新材料模擬提供了新的想法。

更多資訊請看：https://github.com/nqobu/nvidia/tree/main/20241204