上交团队用 GPU 优化算法，解开 18 年未解量子难题

📌 一句话摘要

上海交大团队通过 GPU 加速求解器 cuLoRADS，首次解出量子有序搜索的 5 次查询 SDP 问题，确认最大列表规模为 7265，突破 18 年未解难题。

📝 详细摘要

上海交大团队开发 GPU 加速求解器 cuLoRADS，针对量子有序搜索的半定规划问题进行求解。传统 CPU 方法因规模平方增长难以应对，而 cuLoRADS 利用低秩结构和 GPU 并行，显著提升效率。论文在 PNAS 上发表，首次解出 5 次查询对应的完整 SDP，确认最大可搜索列表规模为 7265。该方法还应用于量子化学分子能量计算和具身智能机器人轨迹规划，为 AI for Science 提供底层计算能力。

💡 主要观点

1. 首次突破量子有序搜索 18 年未解难题 cuLoRADS 直接解出 5 次查询对应的完整 SDP，确认最大列表规模为 7265，为量子算法复杂度研究提供关键数据。
2. GPU 加速与低秩结构实现高效求解 团队未直接移植 CPU 程序，而是结合 GPU 特性重设计计算流程，利用低秩因子降低存储需求，显著提升求解速度。
3. 方法具有广泛的科学计算应用价值 cuLoRADS 可用于量子化学分子能量计算、具身智能机器人轨迹规划等场景，为 AI for Science 提供底层计算支撑。
4. 论文发表于 PNAS，跨学科合作亮眼 论文由上交大、北大、斯坦福等团队合作完成，首次作者在科大本科时已参与工作，体现了跨方向的创新合作。

💬 文章金句

• 上交团队用 GPU 优化算法，解开 18 年未解量子难题
• cuLoRADS 则把这类问题的求解搬到了 GPU 上，同时根据 GPU 的特点重新设计了核心计算流程。
• 论文数据显示，在单张英伟达 H100 GPU 上，当求解一组千万阶矩阵的最大割半定规划松弛问题之时，只需要 10 秒到 1 分钟时间，而此前报道的 CPU 方法往往需要数十小时。
• 长远来看，本次成果解决的是 AI for Science 里一个非常容易被忽略的层面。

📊 文章信息

阅读完整文章