Lazy Qubit Reordering for Accelerating Parallel State-Vector-based Quantum Circuit Simulation
यह शोध पत्र दो आउट-ऑफ़-ऑर्डर क्वांटम ऑपरेशन शेड्यूलिंग विधियों का प्रस्ताव करता है जो मल्टी-जीपीयू स्टेट-वेक्टर सिमुलेशन में क्यूबिट रीऑर्डरिंग कम्युनिकेशन ओवरहेड को कम करने के लिए टाइम-स्पेस टाइलिंग और डायगोनलाइजेशन तकनीकों का लाभ उठाते हैं, जिससे पारंपरिक इन-ऑर्डर दृष्टिकोणों की तुलना में क्वांटम स्टेट अपडेट के लिए 54 तक और एक्सपेक्टेशन वैल्यू गणनाओं के लिए 1,657 तक की गति वृद्धि प्राप्त होती है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखक ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
इन शोधकर्ताओं द्वारा सामना की गई चुनौती को समझने के लिए, सबसे पहले उस क्वांटम कंप्यूटर की प्रकृति को समझना आवश्यक है जिसका वे अनुकरण (mimic) करने का प्रयास कर रहे हैं। हमारी जेबों और कार्यालयों में मौजूद उन क्लासिकल कंप्यूटरों के विपरीत, जो शून्य या एक वाले बिट्स का उपयोग करके सूचना संसाधित करते हैं, क्वांटम कंप्यूटर क्वांटम बिट्स, या क्यूबिट्स (qubits) का उपयोग करते हैं। ये क्यूबिट्स एक साथ शून्य और एक होने की जटिल अवस्था में रह सकते हैं। एक मानक कंप्यूटर पर ऐसे मशीन का अनुकरण करने के लिए, वैज्ञानिकों को इन क्यूबिट्स के प्रत्येक संभावित संयोजन की संभावना (probability) को ट्रैक करना होता है। जैसे-जैसे क्यूबिट्स की संख्या बढ़ती है, सिस्टम का वर्णन करने के लिए आवश्यक सूचना की मात्रा विस्फोटक रूप से बढ़ती है, जो प्रत्येक एक नया क्यूबिट जुड़ने के साथ दोगुनी हो जाती है। केवल तीस क्यूबिट्स के अनुकरण के लिए इतनी मेमोरी की आवश्यकता होती है जो एक बड़ी हार्ड ड्राइव को भर सके, और छत्तीस क्यूबबिट्स के लिए एक विशाल सुपरकंप्यूटर की मेमोरी की मांग होगी। चूंकि कोई भी एकल मशीन इन बड़े सिस्टमों के लिए पर्याप्त मेमोरी नहीं रखती है, इसलिए वैज्ञानिकों को इस कार्य को कई प्रोसेसरों, अक्सर ग्राफिक्स कार्डों, के बीच समानांतर (parallel) रूप में विभाजित करना पड़ता है।
हालाँकि, कार्य को विभाजित करने से एक नई समस्या उत्पन्न होती है। सूचना का विभाजन इस बात पर निर्भर करता है कि कंप्यूटर को आगे किस क्यूबिट पर कार्य करने की आवश्यकता है। यदि अनुकरण को उस क्यूबिट पर कार्य करने की आवश्यकता है जो वर्तमान में किसी अन्य प्रोसेसर पर संग्रहीत है, तो डेटा को पूरे सिस्टम में इधर-उधर घुमाना (shuffle) पड़ता है। यह शफलिंग, जिसे रीऑर्डरिंग (reordering) कहा जाता है, समय और ऊर्जा के मामले में अत्यधिक महंगी है। कई बड़े पैमाने के अनुकरणों में, डेटा को इधर-उधर ले जाने में लगने वाला समय कुल रनिंग टाइम के आधे से अधिक हिस्से को खा सकता है, जिससे वास्तविक गणनाएँ कतार में प्रतीक्षा करती रह जाती हैं। ओसाका विश्वविद्यालय के शोधकर्ताओं ने इस बाधा को हल करने के लिए हार्डवेयर को तेज़ बनाने के बजाय, सिम्युलेशन चरणों के किए जाने के क्रम को बदलकर समाधान निकाला।
टीम ने दो महत्वपूर्ण कार्यों पर ध्यान केंद्रित किया जो क्वांटम एल्गोरिदम का परीक्षण करते समय होते हैं: क्वांटम सिस्टम की स्थिति (state) को अपडेट करना और माप के अपेक्षित परिणाम की गणना करना। एक मानक दृष्टिकोण में, ये कार्य एक सख्त, रैखिक अनुक्रम (linear sequence) में किए जाते हैं। यदि अगले चरण के लिए डेटा के अलग व्यवस्था की आवश्यकता होती है, तो कंप्यूटर रुक जाता है, डेटा को शफल करता है, और फिर आगे बढ़ता है। शोधकर्ताओं ने महसूस किया कि यह कठोर क्रम अनावश्यक था। पूरे ऑपरेशंस की सूची को पहले से देखकर, वे अनुक्रम को पुनर्व्यवस्थित कर सकते थे ताकि उन चरणों को एक साथ समूहबद्ध किया जा सके जो डेटा की समान व्यवस्था का उपयोग करते हैं। यह कंप्यूटर को डेटा को शफल करने के लिए रुके बिना कई गणनाओं को लगातार करने की अनुमति देता है। वे इसे 'डिफर्ड रीऑर्डरिंग' (deferred reordering) कहते हैं क्योंकि यह जानबूझकर डेटा मूवमेंट को तब तक टाल देता है जब तक कि यह बिल्कुल आवश्यक न हो, या जब तक इसे एक एकल, बड़े शफल को बनाने के लिए अन्य मूवमेंट्स के साथ जोड़ा न जा सके।
इसे कंप्यूटरों के एक क्लस्टर पर कुशलतापूर्वक चलाने के लिए, जो विभिन्न प्रकार के केबलों से जुड़े होते हैं, टीम ने दो विशिष्ट रणनीतियाँ विकसित कीं। पहली रणनीति, जिसे 'फ्लैट टाइलिंग' (flat tiling) कहा जाता है, तब अच्छी तरह काम करती है जब सभी कंप्यूटर समान गति से जुड़े होते हैं। यह ऑपरेशंस को ब्लॉक्स, या टाइल्स में समूहित करती है, जहाँ डेटा की व्यवस्था स्थिर रहती है। दूसरी रणनीति, 'हायरार्किकल टाइलिंग' (hierarchical tiling), उन सिस्टमों के लिए डिज़ाइन की गई है जहाँ एक ही भौतिक रैक के भीतर कंप्यूटर बहुत तेज़ केबलों से जुड़े होते हैं, जबकि विभिन्न रैक के बीच के कनेक्शन धीमे होते हैं। यह विधि डेटा मूवमेंट को तेज़ स्थानीय कनेक्शनों के भीतर रखने को प्राथमिकता देती है, भले ही इसके लिए कुल शफल्स की संख्या थोड़ी अधिक क्यों न हो जाए। तर्क यह है कि पूरे नेटवर्क में एक एकल धीमे शफल की तुलना में कुछ त्वरित स्थानीय शफल्स कहीं अधिक सस्ते हैं।
उनके प्रयोगों के परिणाम आश्चर्यजनक थे। जब उन्होंने तीस-दो ग्राफिक्स प्रोसेसिंग यूनिट्स वाले सिस्टम पर अपनी पद्धति का परीक्षण किया, तो सुधार नाटकीय था। क्वांटम स्टेट को अपडेट करने के कार्य के लिए, उनकी नई शेड्यूलिंग पद्धति ने पारंपरिक रैखिक दृष्टिकोण की तुलना में सिमुलेशन को सत्तावन गुना तेज़ बना दिया। अपेक्षित परिणामों की गणना करने के कार्य के लिए, यह सुधार और भी गहरा था, जो एक हजार छह सौ सत्तावन के कारक तक पहुँच गया। पारंपरिक पद्धति में, कंप्यूटर अपना अधिकांश समय डेटा के हिलने-डुलने की प्रतीक्षा करने में बिताता था; नई पद्धति में, इसने अपना अधिकांश समय गणना करने में बिताया। शोधकर्ताओं ने यह भी पाया कि ऑपरेशंस के इस नए क्रम की योजना बनाने में लगने वाला समय नगण्य था, जो कि सिमुलेशन के घंटों के मुकाबले एक सेकंड के बहुत छोटे हिस्से के बराबर था।
यह कार्य केवल एक एकल परीक्षण चलाने का तेज़ तरीका प्रदान नहीं करता है; यह पहले से संभव नहीं थे ऐसे बहुत बड़े क्वांटम सिस्टमों के अनुकरण का द्वार खोलता है। डेटा मूवमेंट पर बर्बाद होने वाले समय को कम करके, शोधकर्ताओं ने दिखाया है कि मौजूदा सुपरकंप्यूटरों का उपयोग क्वांटम एल्गोरिदम को मान्य करने के लिए अधिक प्रभावी ढंग से किया जा सकता है। उनके निष्कर्ष बताते हैं कि वर्तमान क्वांटम सिमुलेशन की सीमाएं केवल कच्ची मेमोरी क्षमता का मामला नहीं हैं, बल्कि इस बात का भी है कि उस मेमोरी तक कितनी कुशलता से पहुँचा जा सकता है। ऑपरेशंस के क्रम को फिर से सोचकर, उन्होंने प्रदर्शन के एक ऐसे स्तर को अनलॉक किया है जो वैज्ञानिकों को जटिल अणुओं और रासायनिक प्रतिक्रियाओं को उस विवरण के साथ खोजने की अनुमति देता है जो पहले पहुंच से बाहर था।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।