Application-Oriented Evaluation of CPU/GPU Quantum Simulators: From Foundational Circuits to Quantum Chemistry
تقدم هذه الورقة تقييماً منهجياً وموجهاً نحو التطبيقات لكل من خلفيات المعالجة المركزية (CPU) ومعالجة الرسوميات (GPU) لمحاكيات CUDA-Q وQiskit، مما يثبت أن التنفيذ بدقة مزدوجة المسرع بواسطة وحدة معالجة الرسوميات يتفوق بشكل كبير على البدائل المعتمدة على المعالج المركزي لأعباء عمل الكيمياء الكمومية واسعة النطاق، مما يتيح التوسع الناجح لمحاكاة البنية الإلكترونية من 16 إلى 32 كيوبت.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلف ولم يصادق عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
قبل أن يتمكن الحاسوب الكمي من حل مشكلة في العالم الحقيقي، يجب أولاً تعليمه كيفية القيام بذلك على آلة كلاسيكية. وتعتمد هذه العملية على المحاكيات، وهي برامج تحاكي سلوك البتات الكمية، أو الكيوبتات، على المعالجات القوية الموجودة في الحواسيب الفائقة اليوم. هذه المحاكيات هي ميادين التدريب حيث يصمم العلماء الخوارزميات، ويصححون الأخطاء، ويختبرون النظريات قبل وقت طويل من ملامستها لجهاز كمي مادي. ومع ذلك، فإن مشهد هذه الأدوات واسع ومربك؛ إذ يتعين على الباحثين الاختيار بين حزم برمجية مختلفة، وتقرير ما إذا كان عليهم تشغيل الحسابات على وحدات المعالجة المركزية القياسية أو معالجات الرسوميات المتخصصة، وتحديد ما إذا كانوا بحاجة إلى الدقة القصوى للرياضيات ذات الخانات العشرية المزدوجة أم أن نهجاً أبسط وأسرع بخانة رقمية واحدة سيفي بالغرض. وبالنسبة لأولئك الذين يحاولون نمذجة جزيئات معقدة، فإن الخيار الخاطئ قد يعني الفرق بين عملية حسابية تنتهي في دقائق وأخرى لا تكتمل أبداً، أو والأسوأ من ذلك، عملية تعطي نتيجة تبدو صحيحة ولكنها عديمة الفائدة كيميائياً.
لقد شرع فريق من الباحثين في العمل على إزالة هذا الارتبك من خلال اختبار أكثر مجموعتين برمجيتين شيوعاً ضد سلسلة من التحديات التي تزداد صعوبة. لم يكن هدفهم مجرد معرفة أي أداة كانت الأسرع، بل فهم متى ولماذا يجب اختيار كل منهما. بدأوا بدارات بسيطة وتأسيسية، مثل إنشاء حالة محددة تكون فيها جميع الكيوبتات مترابطة تماماً، ثم انتقلوا إلى دارات مرآتية أكثر تعقيداً تختبر مدى قدرة النظام على التعامل مع الدورات المعقدة. ومع زيادة عدد الكيوبتات من حفنة إلى العشرات، قاموا بقياس الوقت الذي استغرقه كل إعداد وكمية الذاكرة التي استهلكها. ووجدوا أنه بالنسبة للأنظمة الصغيرة التي تضم أقل من حوالي ثمانية عشر كيوبت، كانت المعالجات المركزية القياسية غالباً بنفس سرعة نظيراتها من معالجات الرسوميات عالية القدرة، بل وكانت أسرع أحياناً. ومع ذلك، بمجرد نمو النظام، تفوقت معالجات الرسوميات بشكل كبير، حيث قدمت تسريعاً يزيد عن مائة ضعف للمهام الأكثر تطلباً. والأهم من ذلك، اكتشفوا أنه بينما يمكن لاستخدام الرياضيات ذات الدقة الأحادية أن يضيف كيوبتاً واحداً إضافياً في ذاكرة بطاقة الرسوميات، إلا أنه فشل في توفير الدقة اللازمة للحسابات الكيميائية. أما الرياضيات ذات الدقة المزدوجة، رغم كونها أبطأ قليلاً، فقد كانت الطريقة الوحيدة لضمان أن النتائج صالحة علمياً.
ثم وجهت الدراسة اهتمامها إلى الخوارزميات الفعلية المستخدمة لنمذجة الجزيئات. قارن الباحثون بين طريقة قياسية لمحاكاة الروابط الكيميائية ونسخة أحدث ومبسطة مصممة لاستخدام خطوات حسابية أقل. واختبروا هذه الطرق على خمسة جزيئات صغيرة مختلفة، تتراوح من الهيدروجين إلى الماء. وأظهرت النت النتائج أن النهج المبسط، عند اقترانه بمعالج الرسوميات عالي السرعة، يمكن أن يقلل الوقت المطلوب للحساب بأكثر من أحد عشر ضعفاً مقارنة بالإعداد القياسي الذي يعمل على معالج مركزي. وقد أثبت هذا المزيج من الخوارزمية الأذكى والمحرك الأسرع أنه المسار الأكثر كفاءة للمضي قدماً. ولإثبات هذه النقطة، طبق الفريق نتائجهم على مهمة طموحة أخيرة: رسم خريطة لمشهد الطاقة لجزيء النيتروجين. تتضمن هذه المشكلة المحددة اثنين وثلاثين كيوبتاً، وهو مقياس كان سابقاً أكبر مما يمكن لسير عملهم السابق القائم على المعالج المركزي التعامل معه. ومن خلال الانتقال إلى معالج الرسوميات والخوارزمية المبسطة، نجحوا في إكمال مسح تفصيلي لسلوك الجزيء عبر عشرين طول رابطة مختلفاً. أجريت المحاكاة على محطة عمل واحدة، وقدمت نتائج ظلت ضمن الحدود الصارمة للدقة الكيميائية، وهو إنجاز كان مستحيلاً مع التكوين القديم الأبطأ.
لقد كشفت الرحلة من الدارات الاختبارية البسيطة إلى المحاكاة الجزيئية الكاملة عن مجموعة واضحة من القواعد لأي شخص يعمل في هذا المجال. فقد أظهر الباحثون أنه لا توجد أداة واحدة "مثلى" لكل وظيفة؛ بل يعتمد الاختيار الصحيح تماماً على حجم وطبيعة المشكلة. فبالنسبة للحسابات الصغيرة والضحلة، غالباً ما يكون المعالج المركزي القياسي هو الخيار الأكثر عملية. ولكن مع زيادة التعقيد، تصبح القوة المتخصصة لمعالج الرسوميات ضرورية، بشرط أن تستخدم الحسابات الرياضيات عالية الدقة المطلوبة للكيمياء. علاوة على ذلك، فإن الطريقة التي تُكتب بها الخوارزمية تحديداً تهم بقدر أهمية الأجهزة التي تعمل عليها؛ إذ يمكن لتصميم أكثر كفاءة أن يضاعف مكاسب السرعة التي توفرها الأجهزة. ومن خلال اتباع هذه الإرشادات، يمكن للعلماء الآن توسيع نطاق عملهم، ومعالجة مشكلات مكونة من اثنين وثلاثين كيوبتاً كانت بعيدة المنال سابقاً. إن هذا العمل لا يقدم مجرد دفعة في السرعة فحسب، بل يوسع آفاق ما يمكن محاكاته، مما يسمح للباحثين باستكشاف العالم الكيميائي بوضوح وعمق كانا غير ممكنين سابقاً على جهاز واحد.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.