SuperAPI AI 工具集

cudaq-guide

通用与其它

查看项目

更新于 10-16 02:33

技能介绍

用途:引导用户完成 CUDA-Q 安装、基础核函数编写、GPU 仿真目标选择、QPU 访问、内置应用、多 GPU 执行,以及 Python @cudaq.kernel 编写。Qiskit 到 CUDA-Q 的移植问题应改用 cudaq-importing 技能。

前提:Python CUDA-Q 工作流需 Python 3.10+;Linux 上 GPU 加速目标需 CUDA Toolkit 与 NVIDIA GPU;仅 CPU 仿真可用 qpp-cpu,macOS 为仅 CPU。C++ 工作流需 Linux 或 WSL 及 C++20。QPU 工作流需对应提供商的凭据和账户。

用法:以 /cudaq-guide [argument] 调用;无参数时显示入门菜单并询问主题。按参数路由:install 走 Python 或 C++ 安装与验证;test-program 构建并运行 Bell-state 核函数;gpu-sim 选择 GPU、多 GPU、张量网络或 CPU 目标;qpu 引导提供商选择与凭据安全的 QPU 设置;applications 概述应用领域与 notebook;parallelize 选择 mgpu、mqpu、异步分发或分布式 observe;author 编写 Python 核函数、选择执行 API 并调试编译器问题。依赖具体版本或后端行为时读取本地 CUDA-Q 文档。

限制:指导面向 CUDA-Q Python/C++ 工作流,编写细节聚焦 CUDA-Q 0.14 和 0.15 的装饰器模式 Python API。GPU 与多 GPU 支持取决于本地 CUDA-Q、CUDA Toolkit、驱动、MPI 和硬件。QPU 访问与目标选项因提供商而异,操作前应对照本地文档核实。

排障:pip install cudaq 后导入报错检查 Python 3.10+ 与受支持系统;未检测到 GPU 时检查 CUDA Toolkit 与 nvidia-smi,可回退 qpp-cpu;核函数编译错误查阅 references/authoring.md 并检查受限核语言子集;版本行为差异时对比 cudaq.version 与最新文档;QPU 提交失败时确认凭据通过环境变量或密钥管理器设置,切勿硬编码。官方文档:https://nvidia.github.io/cuda-quantum/latest/