2026 年7月22日——Quside 宣布推出 quside-curand，这是一个 C++/CUDA 库，它通过一种熟悉的 cuRAND 风格的主机生成器接口，让 CUDA 应用程序能够使用硬件生成的量子熵。该集成将 Quside Garnet Plus A41 量子随机数生成器与高性能计算、量化金融、模拟和安全敏感应用中使用的 GPU 加速工作流连接起来。

开发人员可以使用 quside-curand，从 Quside QRNG 生成均匀浮点数、均匀双精度数或原始 32 位字，并将它们传入现有的 CUDA 工作流。该库遵循 cuRAND 主机 API 的惯例，包括熟悉的创建、生成、销毁、状态和错误处理模式，从而减少了需要修改的应用程序代码量。

GPU 伪随机数的补充方法

quside-curand 旨在补充而非取代 GPU 伪随机数生成器。量子熵可用于生成种子、密钥、独立的起始状态以及选定的高影响变量，而 cuRAND 则继续生成高性能 GPU 工作负载所需的大量数据流。

随机性是蒙特卡洛方法、分布式模拟、风险模型、随机算法和加密操作的核心依赖项。GPU 伪随机数生成器针对速度和可重复性进行了优化，但其输出仍然是确定性的，并且取决于其种子的质量、唯一性和管理。在大规模应用中，重复使用的种子、相关的数据流以及对熵来源的可视性有限，可能会产生操作和安全风险。

“随机性是 GPU 加速工作负载的基本输入，但并非所有应用对速度、来源和不可预测性都有相同的要求。quside-curand 为开发人员提供了一种实用的方法，可以将本地生成、可验证的量子熵与 CUDA 的性能相结合，并将每种来源应用于最能发挥其价值的地方。”  – Quside 产品副总裁 Jose Ramón Martínez。

该发布版本包括：

• 一个 cuRAND 风格的主机 API，用于请求量子生成的均匀浮点数、双精度数和原始 32 位值。
• 一个 GPU 蒙特卡洛示例，使用 Quside 熵和 CUDA 计算内核估算圆周率 π。
• 透明的性能测量，帮助开发人员理解物理熵生成与算术 GPU 生成之间的权衡。
• 验证实用程序，可将原始或条件化的 QRNG 输出馈送到常用的测试套件中，用于工程分析。
• CMake 集成，包括一个静态库、公共头文件和包配置，便于将其纳入 C++/CUDA 项目中。

为了简化集成，quside-curand 在 API 风格上与 curandGenerator_t 实现兼容。熵由 Quside QRNG 在主机上生成，然后传输到 GPU 内存，遵循与当前在主机内存中生成数据的应用程序相同的主机到设备工作流。现有的 GPU 内核无需更改。

一种实用的混合模型允许组织有选择性地应用量子熵。在对来源、独立性或不可预测性有首要要求的地方，可以使用直接的 QRNG 输出。对于高吞吐量工作负载，QRNG 可以提供高质量的种子材料，而 GPU 生成器则以原生 CUDA 性能扩展大量数据流。

quside-curand 和 Quside Garnet Plus A41 硬件现已可用。初始版本支持 Quside QRNG SDK、搭载 CUDA Toolkit 12.x 的 NVIDIA GPU 以及 CMake 3.20 或更高版本。开发人员可以通过 Quside 请求获取访问权限、技术文档和评估支持。