Современные квантовые вычисления активно тестируются на специализированных квантовых процессорах, но насколько эффективны они на традиционных GPU (таких как NVIDIA Maxwell, Kepler и GeForce 9000) на предмет инференса с помощью квантовых нейронных сетей (QNN)? Давайте разберёмся.

Аппаратные ограничения

Ключевая проблема — поддержка квантовых операций. Современные квантовые процессоры (например, IBM, Rigetti) имеют собственное ядро для квантовых вычислений, но на обычных GPU нет инструкций для работы с квантами. Аппаратная реализация квантового инференса на GPU требует:

• специальных квантовых контроллеров;
• дополнительной памяти для хранения состояний квантов;
• разгона частот квантового цикла (обычно 20–100 МГц).
  Старые GPU работают на частотах 1–2 ГГц, их квантовый цикл практически не может быть выполнен.

Программная экосистема

Написать QNN на старом GPU практически невозможно без переписывания всей библиотеки. Современные фреймворки (Qiskit, Cirq, PennyLane) полностью ориентированы на квантовые ускорители. Для альтернатив можно использовать эмуляцию квантами на CPU/GPU (через OpenFermion или Qiskit Nature), но это накладывает огромные накладные расходы: десятки раз меньше производительности, высокая энергопотребность, архитектурная несовместимость.

Алгоритмические трудности

Даже если бы инференс был реализован, его качество на старых GPU будет катастрофическим:

• малая точность квантов (обычно <1%);
• высокие шумы из-за ошибок из-за отсутствия обратной связи;
• сложность настройки параметров — требуется экспериментальная оптимизация.

Выводы

На момент написания (2025 год) инференс IQ-квантов на старых GPU практически нереализуем. Эта область пока находится на стадии исследований. Однако, если вы рассматриваете не классические квантовые процессоры, а использование квантовых симуляторов (например, на GPU через разностный метод), это может быть интересным экспериментом.