Résumé technique : Simulation de l'évolution temporelle quantique par vecteur d'état complet à grande échelle

Énoncé du problème

Le domaine du calcul quantique approche d'une ère où les calculs quantiques pratiques pourraient surpasser le matériel classique. Cependant, la validation de ces calculs et l'évaluation des avantages quantiques nécessitent des simulateurs classiques haute performance optimisés. Bien que des méthodes approximatives (par exemple, les réseaux de tenseurs ou les décompositions de stabilisateurs) existent, elles introduisent des erreurs incontrôlées ou passent à une échelle exponentielle, ce qui les rend inadaptées pour la validation rigoureuse d'erreurs inconnues dans les algorithmes quantiques. La simulation par vecteur d'état complet, qui stocke toutes les amplitudes non nulles d'un état quantique, offre une précision numérique mais souffre d'une mise à l'échelle mémoire exponentielle ($2^n$ pour $n$ qubits). Les simulateurs existants (par exemple, Qiskit, QuEST, cuQuantum) peinent à gérer efficacement les simulations distribuées à grande échelle de structures de circuits spécifiques, courantes en chimie et en physique quantiques, particulièrement celles impliquant des séquences de rotations de Pauli.

Méthodologie

Les auteurs présentent phase2, un algorithme de simulation par vecteur d'état complet et une implémentation logicielle conçus pour les environnements de calcul haute performance (HPC). La méthode cible la simulation de l'évolution temporelle sous des Hamiltoniens représentés comme des combinaisons linéaires d'opérateurs de Pauli, une structure omniprésente en chimie quantique (par exemple, VQE, ADAPT-VQE) et en optimisation (par exemple, QAOA).

Algorithme central et optimisations

Le simulateur représente l'état à $n$ qubits $|\psi\rangle$ comme un tableau contigu de $2^n$ amplitudes complexes. L'algorithme applique des unitaires de la forme $e^{i\phi \tilde{P}}$, où $\tilde{P}$ est une chaîne de Pauli. Les optimisations clés incluent :

1. Architecture de mémoire distribuée : Le tableau d'état est divisé uniformément entre $M = 2^m$ tâches MPI (cœurs CPU ou GPU). L'espace de Hilbert est divisé en qubits « inférieurs » (locaux à chaque tâche) et en qubits « supérieurs » (distribués entre les tâches).
2. Implémentation efficace des rotations de Pauli :
   • Opérations locales : Les chaînes de Pauli agissant sur les qubits inférieurs sont représentées par deux entiers de 64 bits. Leur action est calculée à l'aide d'instructions logiques minimales (AND, XOR, parité de bits), rendant la vitesse de traitement comparable au temps d'accès à la mémoire.
   • Opérations distribuées : Les opérations impliquant des qubits supérieurs nécessitent des échanges de données entre les tâches MPI. Les auteurs exploitent la structure des rotations de Pauli ($e^{i\phi \tilde{P}} = \cos\phi I + i\sin\phi \tilde{P}$) pour réduire les mises à jour distribuées à des échanges par paires des partitions locales de tableaux.
3. Groupement des rotations (Éq. 1) : Une optimisation critique groupe $L$ rotations de Pauli partageant un suffixe commun $\tilde{Q}$ sur les qubits supérieurs. En utilisant l'identité :
   $$\prod_{l=1}^L e^{i\phi_l \tilde{P}_l \otimes \tilde{Q}} = \left(\prod_{l=1}^L e^{i\phi_l \tilde{P}_l} \otimes \frac{I + \tilde{Q}}{2}\right) + \left(\prod_{l=1}^L e^{-i\phi_l \tilde{P}_l} \otimes \frac{I - \tilde{Q}}{2}\right)$$
   Cela permet d'appliquer plusieurs rotations avec un seul échange de données par paires entre les tâches MPI, réduisant ainsi considérablement la surcharge de communication.
4. Implémentation matérielle : Le logiciel est écrit en C standard avec MPI pour la communication inter-processus et HDF5 pour les entrées/sorties (I/O). La version GPU utilise des noyaux CUDA personnalisés optimisés pour l'architecture NVIDIA Hopper (sm 90a), employant le modèle de mémoire unifiée CUDA pour la communication directe GPU-à-GPU.

Configuration expérimentale

Les auteurs ont appliqué phase2 pour simuler la dynamique hamiltonienne d'un complexe de ruthénium (NKP-1339) dans une poche de liaison protéine-médicament.

• Préparation de l'Hamiltonien : Le système a été modélisé à l'aide d'un protocole d'encapsulation hybride QM/QM/MM. Des espaces d'orbitales actives allant de 5 à 20 orbitales (10 à 40 qubits) ont été sélectionnés. Les Hamiltoniens contenaient jusqu'à environ 229 000 termes.
• Stratégie de simulation : Pour gérer le grand nombre de termes, une formule de produit partiellement randomisée a été utilisée. Les termes de poids élevé ont été traités de manière déterministe, tandis que les termes de faible poids ont été échantillonnés de manière aléatoire.
• Matériel : Les simulations ont été exécutées sur deux installations HPC :
  • Euler (ETH Zürich) : Jusqu'à 16 384 cœurs AMD EPYC et 8 To de mémoire (utilisés pour les simulations de 36 qubits).
  • Gefion (DCAI) : Jusqu'à 512 GPU NVIDIA H100 sur 64 nœuds DGX et 32 To de mémoire (utilisés pour les simulations de 40 qubits).

Résultats clés

Scalabilité et performance

• Scalabilité faible (Weak Scaling) : La vitesse de simulation (rotations par seconde par cœur) évolue de manière inversement proportionnelle à la taille du problème ($2^n$), indiquant une distribution efficace de l'état jusqu'aux plus grands systèmes simulés.
• Scalabilité forte (Strong Scaling) : Pour des tailles de problèmes fixes, l'augmentation des ressources produit une accélération quasi linéaire sur des échelles log-log.
• Comparaison avec QuEST : phase2 surpasse significativement la bibliothèque QuEST (version 3.7.0).
  • Pour les rotations simples ($L=1$), les accélérations varient de 1x à 10x.
  • Pour les rotations groupées ($L=100$), les accélérations varient de 10x à plus de 800x (par exemple, 801,95x pour 29 qubits sur 8 GPU).
  • L'écart de performance est attribué aux optimisations spécifiques de phase2 pour les rotations de Pauli groupées et à sa synchronisation multi-GPU efficace, ce dont QuEST est dépourvu.

Analyse de l'erreur de Trotter

La principale application scientifique était de borner empiriquement l'erreur de Trotter ($C_{gs}$) pour la simulation hamiltonienne en chimie quantique.

• Bornes empiriques vs théoriques : L'étude a calculé le facteur d'erreur de Trotter $C_{gs}$ pour des systèmes allant jusqu'à 32 qubits (16 orbitales). Les valeurs dérivées empiriquement se sont révélées environ 100 fois plus petites que les bornes supérieures analytiques rigoureuses.
• Implication : Cela suggère que les estimations de coût des algorithmes quantiques basées sur des bornes rigoureuses sont trop conservatrices.
• Validation à grande échelle : Les auteurs ont réussi à simuler l'évolution temporelle d'un système de 40 qubits (20 orbitales) en utilisant 512 GPU H100. Bien que l'estimation de phase complète soit informatiquement irréalisable à cette échelle, la simulation de l'évolution temporelle a produit des amplitudes non nulles et physiquement cohérentes, validant la correction de l'implémentation pour le plus grand cas analysé.

Signification et affirmations

L'article affirme que phase2 représente une avancée significative dans les capacités de simulation classique de l'évolution temporelle quantique :

1. Capacité de benchmarking : Il fournit un outil pour le benchmarking rigoureux des algorithmes quantiques et des simulateurs classiques approximatifs en offrant une précision numérique sans les erreurs inhérentes aux méthodes approximatives.
2. Scalabilité : Il démontre que la simulation par vecteur d'état complet peut être étendue à 40 qubits en utilisant les ressources HPC modernes (32 To de RAM, 512 GPU), un régime auparavant inaccessible pour les simulations exactes d'Hamiltoniens chimiques complexes.
3. Optimisation des algorithmes de chimie quantique : En montrant empiriquement que les erreurs de Trotter sont nettement inférieures aux bornes théoriques, ce travail suggère que les exigences de ressources pour les simulations de chimie quantique (spécifiquement l'estimation de l'énergie de l'état fondamental) pourraient être moindres que ce qui est actuellement prédit par l'analyse du pire cas.
4. Contribution logicielle : La publication de phase2 (open-source sous licence BSD-3-Clause) et des données associées fournit une bibliothèque spécialisée et haute performance pour simuler des circuits dominés par les rotations de Pauli, comblant ainsi le fossé entre les simulateurs à usage général et les besoins spécifiques des algorithmes de simulation variationnelle et hamiltonienne.

Les auteurs concluent que bien que le nombre de qubits pour la simulation par vecteur d'état reste limité par l'échelle exponentielle, des implémentations optimisées comme phase2 sont des outils cruciaux pour valider les algorithmes quantiques et explorer les limites de l'avantage quantique à court terme.