Large-Scale Quantum Circuit Simulation on an Exascale System for QPU Benchmarking

Cette étude évalue les performances du processeur quantique Quantinuum Helios-1 à 98 qubits en comparant ses résultats expérimentaux à des simulations sans bruit à grande échelle réalisées sur le supercalculateur exascale JUPITER d'Europe, révélant que l'appareil conserve des performances cohérentes jusqu'à 93 qubits avant que ses résultats ne deviennent statistiquement indiscernables d'un échantillonnage aléatoire.

L'essentiel

Imaginez que vous possédez un instrument de musique tout nouveau, incroyablement complexe (un ordinateur quantique), capable de jouer des notes qu'aucun humain n'a jamais entendues auparavant. Mais il y a un problème : l'instrument est un peu « bruyant ». Parfois, au lieu de jouer la note parfaite que vous avez demandée, il joue une note légèrement fausse ou un bourdonnement aléatoire. La grande question est la suivante : À quel moment la musique devient-elle si bruyante qu'elle n'est plus qu'un bruit blanc aléatoire, et quand est-elle encore une belle chanson pleine de sens ?

Ce document traite de la réponse à cette question pour un instrument spécifique appelé Helios-1, qui possède 98 « touches » (qubits). Les chercheurs ont utilisé un ordinateur classique massif et ultra-rapide (un supercalculateur nommé JUPITER) pour servir de « référence parfaite » afin de voir à quel point l'instrument bruyant fonctionne réellement.

Voici le détail de leur parcours :

1. Le Défi : Distinguer le Signal du Bruit

Imaginez l'ordinateur quantique comme un chef essayant de cuire un gâteau parfait.

• L'Idéal : Un gâteau parfait (la simulation sans bruit).
• La Réalité : Le chef travaille dans une cuisine venteuse (bruit). Parfois, le vent emporte la farine, ou la température du four fluctue.
• L'Objectif : Les chercheurs voulaient savoir : « Le gâteau que nous obtenons est-il encore un vrai gâteau, ou le vent l'a-t-il tellement abîmé qu'il ne reste qu'un bol de farine et d'œufs aléatoires ? »

Pour tester cela, ils ont utilisé une recette spécifique appelée LR-QAOA. Imaginez cette recette comme un « test de dégustation » standardisé qui devient de plus en plus difficile à mesure que vous ajoutez d'ingrédients (qubits).

2. La Super-Référence : JUPITER

Pour savoir à quoi ressemble un « gâteau parfait », vous avez besoin d'une référence. Pour les petits gâteaux (jusqu'à 48 ingrédients), les chercheurs ont utilisé JUPITER, le premier supercalculateur « exascale » d'Europe.

• L'Analogie : Imaginez que JUPITER est une équipe de 16 384 super-pâtissiers travaillant en parfaite synchronisation. Ils ont cuit le « gâteau parfait » (une simulation sans bruit) sur un ordinateur.
• L'Échelle : C'était une tâche immense. Ils ont utilisé 4 096 nœuds informatiques massifs pour simuler un circuit de 48 qubits. C'est comme essayer de simuler une tempête dans une bouteille ; cela nécessite une puissance de calcul énorme.
• Le Résultat : Ils ont cuits avec succès les gâteaux de référence parfaits pour des tailles allant jusqu'à 48 qubits.

3. L'Expérience : Tester Helios-1

Maintenant, ils ont comparé le véritable ordinateur quantique Helios-1 à ces références parfaites.

• Jusqu'à 48 Qubits : Ils ont comparé directement la sortie d'Helios-1 à la simulation JUPITER. Le résultat ? Le gâteau d'Helios-1 était si proche de la référence parfaite qu'on ne pouvait pas faire la différence. Le « vent » (bruit) était là, mais il n'avait pas encore gâché la recette. La machine se trouvait dans une zone « tolérante au bruit ».
• Au-delà de 48 Qubits : Voici la partie délicate. Une fois passés les 48 qubits, même le supercalculateur JUPITER ne peut plus cuire le « gâteau parfait » car il est trop grand pour être simulé. La référence disparaît.
• La Nouvelle Stratégie : Puisqu'ils ne pouvaient pas le comparer à un gâteau parfait, ils l'ont comparé à une devinette aléatoire. Imaginez demander à quelqu'un de deviner les ingrédients d'un gâteau en lançant des fléchettes sur un tableau.
  • Ils ont utilisé une astuce statistique (un test « 3-sigma ») pour voir si la sortie d'Helios-1 était meilleure que de simplement lancer des fléchettes.
  • La Découverte : Même sans référence parfaite, ils ont constaté qu'Helios-1 cuisait encore un « vrai gâteau » (produisant des résultats significatifs) jusqu'à 93 qubits.
  • Le Point de Rupture : À 95 qubits, la sortie ressemblait enfin exactement au lancer de fléchettes aléatoire. Le bruit avait pris le dessus et le signal était perdu.

4. Le Secret du « Low-Shot »

L'une des astuces ingénieuses de ce document est la manière dont ils ont testé la machine. Habituellement, pour obtenir une bonne moyenne, il faut peut-être exécuter un test 100 fois.

• L'Analogie : Imaginez goûter une soupe. Vous pourriez prendre 100 cuillerées pour être sûr qu'elle est salée, ou vous pourriez n'en prendre que 10 si vous êtes un chef très confiant.
• Le Résultat : Les chercheurs ont montré qu'avec leur méthode statistique spécifique, ils n'avaient besoin que de 10 « tirs » (goûts) pour affirmer avec confiance : « Oui, c'est un vrai gâteau, pas du bruit aléatoire. » Cela économise énormément de temps et d'argent, car faire fonctionner des ordinateurs quantiques est coûteux.

5. L'Affrontement Matériel

Le document compare également la vitesse des différentes puces informatiques utilisées pour effectuer les simulations.

• La Course : Ils ont comparé les anciennes puces A100 aux nouvelles puces H100.
• Le Résultat : Les nouvelles puces H100 étaient presque deux fois plus rapides. C'est comme passer d'un vélo à une voiture de sport ; vous pouvez atteindre la même destination en moitié moins de temps, ou dans ce cas, résoudre le problème avec la moitié du nombre d'ordinateurs.

La Conclusion

Ce document est un « test de résistance » pour un ordinateur quantique.

1. Ils ont utilisé un supercalculateur massif pour prouver que le processeur quantique Helios-1 fonctionne parfaitement bien (est « tolérant au bruit ») pour des problèmes allant jusqu'à 48 qubits.
2. Ils ont utilisé des astuces statistiques pour prouver que, même sans référence de supercalculateur, la machine produit encore des résultats significatifs jusqu'à 93 qubits.
3. À 95 qubits, la machine atteint enfin un mur où le bruit rend les résultats indiscernables d'une devinette aléatoire.

En bref, ils ont trouvé le « point de bascule » exact où l'ordinateur quantique cesse d'être un outil utile pour devenir une source de bruit aléatoire, tout en prouvant que nous pouvons tester ces machines efficacement sans avoir besoin de millions d'échantillons.

Résumé technique

1. Énoncé du problème

Les progrès rapides de l'informatique quantique ont conduit à des processeurs comportant des centaines de qubits (par exemple, le Helios-1 de Quantinuum avec 98 qubits). Cependant, le bruit et les imperfections matérielles limitent sévèrement la fiabilité de ces systèmes. Un défi critique consiste à identifier la frontière entre les régimes où les processeurs quantiques présentent un comportement cohérent et algorithmiquement significatif et les régimes où le bruit rend les sorties effectivement aléatoires.

Les méthodes d'évaluation existantes (par exemple, le Volume Quantique, l'évaluation par entropie croisée) reposent souvent sur la simulation classique de distributions idéales, ce qui devient intraitable au-delà d'environ 50 qubits, ou elles évaluent des sections disjointes d'une puce, échouant à fournir une vue holistique des performances du système. Il existe un besoin d'un benchmark évolutif au niveau de l'application capable de valider les processeurs quantiques à la limite de la tractabilité classique et au-delà.

2. Méthodologie

Les auteurs emploient une approche multifacette combinant une simulation classique à grande échelle avec une exécution quantique expérimentale :

• Protocole d'évaluation (LR-QAOA) :

  • L'étude utilise l'algorithme d'optimisation quantique approximatif à rampe linéaire (LR-QAOA) appliqué à des problèmes Max-Cut pondérés (WMC) entièrement connectés.
  • Contrairement au QAOA variationnel, le LR-QAOA utilise une schedule d'annéaling linéaire déterministe et non variationnel, éliminant le besoin de boucles d'optimisation classiques. Cela isole les performances intrinsèques du matériel du réglage algorithmique.
  • Métrique : Le rapport d'approximation ($r$) est utilisé pour mesurer les performances. Il compare le coût moyen des échantillons obtenus à partir de l'unité de traitement quantique (QPU) par rapport à la solution optimale et à une base de référence d'échantillonnage aléatoire.

• Cadre de classification statistique :

  • Pour gérer le nombre limité de tirs (échantillons) disponibles sur les QPU coûteux, les auteurs ont développé une procédure de rééchantillonnage « moyenne des moyennes ».
  • Ils construisent des estimations de densité de noyau (KDE) du rapport d'approximation moyen à partir de distributions de référence (simulation sans bruit et échantillonnage aléatoire).
  • Classification des régimes :
    • Tolérant au bruit : Le $r$ du QPU tombe dans l'intervalle de confiance de 99,73 % ($3\sigma$) de la simulation sans bruit.
    • Transition : Le $r$ du QPU se situe entre les intervalles sans bruit et aléatoire.
    • Aléatoire : Le $r$ du QPU est statistiquement indiscernable de l'échantillonnage aléatoire (en dessous du seuil $3\sigma$ aléatoire).
  • Cette méthode permet une classification statistiquement significative avec aussi peu de 10 tirs.

• Infrastructure de simulation classique (JUPITER) :

  • Les simulations ont été effectuées sur JUPITER, le premier supercalculateur exascale d'Europe, en utilisant le simulateur JUQCS.
  • Matériel : Jusqu'à 4 096 nœuds équipés de 16 384 superpuces GH200 NVIDIA Grace Hopper (16 384 GPU au total).
  • Échelle : Des simulations de vecteurs d'état sans bruit ont été exécutées pour des circuits allant jusqu'à 48 qubits (3 384 portes à deux qubits) en utilisant une précision FP32.
  • Stratégie de mémoire : Pour 48 qubits, la simulation a utilisé à la fois la mémoire de l'appareil (96 GiB) et l'hôte (120 GiB) par superpuce, nécessitant 16 384 puces pour stocker les $2^{48}$ amplitudes complexes.

• Configuration expérimentale :

  • Appareil : Quantinuum Helios-1, un QPU à ions piégés de 98 qubits basé sur une architecture à dispositif à couplage de charge quantique (QCCD) avec connectivité tout-à-tout.
  • Portée : Les expériences ont été menées sur des instances WMC entièrement connectées pour des nombres de qubits allant de 40 à 98.
  • Contraintes : En raison de l'échelle quadratique des Crédits Quantiques Matériels (HQC) avec le nombre de qubits, les expériences ont été limitées à de faibles nombres de tirs (9–49 tirs) pour rester dans le budget.

3. Contributions clés

1. Première simulation d'évaluation de QPU à l'échelle exascale : Les auteurs ont réalisé la plus grande simulation QAOA rapportée à ce jour en précision FP32, simulant un circuit de 48 qubits sur 4 096 nœuds du supercalculateur JUPITER.
2. Identification de la frontière de cohérence : Ils ont établi une frontière quantitative pour Helios-1, certifiant un fonctionnement tolérant au bruit jusqu'à 48 qubits (via simulation) et des performances cohérentes jusqu'à 93 qubits (via extrapolation expérimentale).
3. Méthodologie statistique à faible nombre de tirs : Introduction d'un test statistique robuste utilisant le rééchantillonnage « moyenne des moyennes » et un seuil de $3\sigma$, permettant une classification fiable des performances avec un échantillonnage minimal (aussi bas que 10 tirs).
4. Évaluation comparative multiplateforme GPU : Démonstration que les GPU NVIDIA H100 (JUPITER) réalisent un accélération de 1,9× par rapport aux GPU A100 (JUWELS Booster) pour des simulations de 30 qubits et ont égalé le temps d'exécution d'une simulation de 40 qubits en utilisant la moitié du nombre de GPU.

4. Résultats clés

• Performances de simulation :

  • Les tests de mise à l'échelle forte sur JUPITER ont montré une accélération quasi idéale (3,7×) lors de l'augmentation des GPU de 128 à 512 pour un problème de 40 qubits.
  • À 48 qubits, la simulation a pris environ 2 490 secondes, soulignant la surcharge significative des transferts de données hôte-appareil et de la communication MPI lors de l'utilisation de mémoire combinée.
  • Les GPU H100 ont nettement surpassé les A100, en particulier à des profondeurs de circuit plus grandes ($p=100$).

• Résultats de l'évaluation de Helios-1 :

  • 40–48 Qubits (Régime tolérant au bruit) : Les échantillons de Helios-1 étaient statistiquement indiscernables de la simulation JUPITER sans bruit et clairement séparés de l'échantillonnage aléatoire. Cela confirme que l'appareil fonctionne dans un régime tolérant au bruit où le bruit accumulé est négligeable par rapport au signal algorithmique.
  • 49–93 Qubits (Régime de transition/cohérent) : Pour des tailles au-delà de la vérification classique, le QPU a maintenu une séparation statistiquement significative de l'échantillonnage aléatoire jusqu'à 93 qubits (12 834 portes à deux qubits).
  • 95–98 Qubits (Régime aléatoire) : À 95 et 98 qubits, les sorties sont tombées en dessous du seuil aléatoire $3\sigma$, devenant statistiquement indiscernables de l'échantillonnage aléatoire. Cela marque la limite pratique de la cohérence actuelle de l'appareil pour ce benchmark spécifique.

• Comparaison avec les générations précédentes :

  • Helios-1 a atteint des rapports d'approximation comparables ou supérieurs à ceux du processeur H2-1 de génération précédente, malgré l'utilisation de significantly moins de tirs (10 contre 50), indiquant des améliorations matérielles.

5. Signification

• Validation à la limite de la tractabilité : Le travail démontre comment l'informatique classique exascale peut servir de référence « or » pour valider les processeurs quantiques jusqu'à la limite de ce qui est simulable classiquement (48 qubits).
• Définition de la frontière de l'« avantage quantique » : En identifiant que Helios-1 reste cohérent jusqu'à 93 qubits avant de se dégrader en aléatoire, l'étude fournit une métrique concrète et quantitative des limites opérationnelles de la technologie actuelle à ions piégés.
• Cadre d'évaluation évolutif : Le protocole LR-QAOA offre un cadre interprétable et indépendant de la plateforme qui ne nécessite ni réglage de paramètres ni post-traitement, le rendant idéal pour l'évaluation des dispositifs quantiques à court terme à mesure qu'ils s'étendent au-delà de la vérification classique.
• Perspectives sur l'efficacité matérielle : L'étude met en évidence les gains d'efficacité des matériels de nouvelle génération (H100/Grace Hopper) tant dans la simulation classique que dans le potentiel d'une utilisation plus efficace des ressources quantiques.

En conclusion, ce papier comble le fossé entre la simulation classique et l'informatique quantique expérimentale, fournissant une méthodologie rigoureuse pour distinguer la vraie cohérence quantique du bruit induit par le hasard dans les processeurs quantiques à grande échelle.