feat: Integrate cuQuantum for High-Performance GPU Simulation · Pull Request !2724 · MindSpore/mindquantum

本次 PR 的核心目标是为 MindQuantum 引入一个新的高性能 GPU 模拟后端，该后端基于 NVIDIA cuQuantum SDK。通过利用 `custatevec` 库，新的 `mqvector_cq` 后端能够显著加速在 NVIDIA GPU 上的量子门操作，为用户提供一个比标准 CUDA 后端更快的选择。

此外，本次更新还优化了 Python wheel 的打包过程，通过从 wheel 中排除系统级的 CUDA 库来减小其体积并提升兼容性。

### **主要变更 (Key Changes):**

1.  **新增 cuQuantum 后端 (`mqvector_cq`):**
    *   在 C++ 层实现了 `CuQuantumVectorPolicy`，用于封装对 `custatevec` 库的 API 调用，支持单精度和双精度浮点数。
    *   通过动态库加载 (`dlopen`) 的方式加载 `libcustatevec.so`，使 cuQuantum 成为一个可选依赖。如果用户系统中未安装 cuQuantum，模拟器将平稳回退，不影响现有功能。

2.  **构建系统集成:**
    *   添加了新的 CMake 脚本 (`third_party/cuquantum/cuquantum.cmake`)，用于在编译时自动下载和配置所需的 cuQuantum SDK 版本，简化了开发和构建流程。

3.  **Python 接口暴露:**
    *   在 Python 层新增了名为 `mqvector_cq` 的模拟器后端。该后端仅在检测到 cuQuantum 库可用时才会被启用。
    *   重构了 GPU 模拟器的 Python 绑定，将标准的 CUDA 实现与新的 cuQuantum 实现分离开，使代码结构更清晰。

4.  **Wheel 打包优化:**
    *   修改了 `auditwheel` 的配置，将核心的 CUDA 库（如 `cuBLAS`, `cuSOLVER`, `cuSPARSE`）从最终的 Linux wheel 包中排除。
    *   这减少了 wheel 的大小，并避免了与用户系统上已安装的 CUDA 工具包可能发生的版本冲突。

### **对用户的影响 (Impact on Users):**

*   **性能提升:** 拥有 NVIDIA GPU 和 cuQuantum SDK 的用户现在可以使用 `mqvector_cq` 后端来获得更高的模拟性能。
*   **更小的安装包:** Linux 用户的 Python wheel 安装包体积会减小。
*   **向后兼容:** 对于不使用 GPU 或未安装 cuQuantum 的用户，现有功能不受任何影响。`mqvector` 和 `mqvector_gpu` 后端将继续按预期工作。

GVPMindSpore/mindquantum

搜索帮助

GVP MindSpore/mindquantum