Lazy Qubit Reordering for Accelerating Parallel State-Vector-based Quantum Circuit Simulation
Questo articolo propone due metodi di scheduling di operazioni quantistiche out-of-order che sfruttano tecniche di time-space tiling e diagonalizzazione per minimizzare l'overhead di comunicazione del riordinamento dei qubit nelle simulazioni di stato vettoriale multi-GPU, ottenendo accelerazioni fino a 54× per gli aggiornamenti dello stato quantistico e 1.657× per i calcoli del valore di aspettazione rispetto agli approcci tradizionali in-order.
Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dall'autore. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Per comprendere la sfida affrontata da questi ricercatori, è necessario innanzitutto comprendere la natura del computer quantistico che stanno cercando di emulare. A differenza dei computer classici nelle nostre tasche e nei nostri uffici, che elaborano le informazioni utilizzando bit che sono o zero o uno, i computer quantistici utilizzano bit quantistici, o qubit. Questi qubit possono esistere in uno stato complesso di essere sia zero che uno simultaneamente. Per simulare una tale macchina su un computer standard, gli scienziati devono tracciare la probabilità di ogni possibile combinazione di questi qubit. Man mano che il numero di qubit cresce, la quantità di informazioni necessarie per descrivere il sistema esplode, raddoppiando con ogni singolo qubit aggiunto. Una simulazione di soli trenta qubit richiede memoria sufficiente per riempire un grande disco rigido, e trentasei qubit richiederebbero la memoria di un massiccio supercomputer. Poiché nessuna singola macchina possiede abbastanza memoria per questi grandi sistemi, gli scienziati devono suddividere il lavoro tra molti processori, spesso schede grafiche, che lavorano in parallelo.
Tuttavia, suddividere il lavoro crea un nuovo problema. Il modo in cui l'informazione viene divisa dipende da quali qubit il computer deve manipolare successivamente. Se la simulazione deve operare su un qubit che è attualmente memorizzato su un processore diverso, i dati devono essere spostati attraverso l'intero sistema. Questo rimescolamento, noto come riordinamento, è incredibilmente costoso in termini di tempo ed energia. In molte simulazioni su larga scala, il tempo trascorso a spostare i dati può consumare più della metà del tempo totale di esecuzione, lasciando i calcoli effettivi in attesa in fila. I ricercatori dell'Università di Osaka si sono posti l'obiettivo di risolvere questo collo di bottiglia, non costruendo hardware più veloce, ma cambiando l'ordine in cui le fasi della simulazione vengono eseguite.
Il team si è concentrato su due compiti critici che si verificano durante il test degli algoritmi quantistici: l'aggiornamento dello stato del sistema quantistico e il calcolo del risultato atteso di una misurazione. In un approccio standard, questi compiti vengono eseguiti in una sequenza rigorosamente lineare. Se il passaggio successivo richiede una diversa disposizione dei dati, il computer si ferma, rimescola i dati e poi procede. I ricercatori si sono resi conto che questo ordine rigido era superfluo. Guardando in avanti all'intera lista di operazioni, potevano riorganizzare la sequenza per raggruppare insieme i passaggi che utilizzano la stessa disposizione di dati. Ciò consente al computer di eseguire molti calcoli in sequenza senza fermarsi per rimescolare i dati. Chiamano questo metodo "riordinamento differito" perché ritarda intenzionalmente il movimento dei dati finché non è assolutamente necessario, o finché non può essere combinato con altri movimenti per rendere un unico, grande rimescolamento.
Per far sì che questo funzioni efficientemente su un cluster di computer collegati da diversi tipi di cavi, il team ha sviluppato due strategie specifiche. La prima strategia, chiamata "flat tiling" (suddivisione piatta), funziona bene quando tutti i computer sono collegati con velocità uguale. Raggruppa le operazioni in blocchi, o tasselli, dove la disposizione dei dati rimane costante. La seconda strategia, la "hierarchical tiling" (suddivisione gerarchica), è progettata per sistemi in cui i computer all'interno dello stesso rack fisico sono collegati da cavi molto veloci, mentre le connessioni tra rack diversi sono più lente. Questo metodo dà priorità al mantenimento del movimento dei dati all'interno delle connessioni locali veloci, anche se ciò comporta l'esecuzione di alcuni rimescolamenti totali in più. La logica è che pochi rimescolamenti locali veloci sono molto meno costosi di un singolo rimescolamento lento attraverso l'intera rete.
I risultati dei loro esperimenti sono stati sorprendenti. Quando hanno testato il loro metodo su un sistema con trentadue unità di elaborazione grafica, il miglioramento è stato drammatico. Per il compito di aggiornamento dello stato quantistico, il loro nuovo metodo di pianificazione ha reso la simulazione cinquantaquattro volte più veloce rispetto al tradizionale approccio lineare. Per il compito di calcolo dei risultati attesi, il miglioramento è stato ancora più profondo, raggiungendo un fattore di mille seicento cinquantasette. Nel metodo tradizionale, il computer passava la maggior parte del tempo ad aspettare che i dati si muovessero; nel nuovo metodo, passava la maggior parte del tempo a calcolare. I ricercatori hanno anche scoperto che il tempo richiesto per pianificare questo nuovo ordine di operazioni era trascurabile, richiedendo meno di una frazione di secondo rispetto alle ore che la simulazione stessa potrebbe impiegare.
Questo lavoro non offre solo un modo più veloce per eseguire un singolo test; apre la porta alla simulazione di sistemi quantistici molto più grandi di quanto fosse precedentemente possibile. Riducendo il tempo sprecato nel movimento dei dati, i ricercatori hanno dimostrato che gli attuali supercomputer possono essere utilizzati in modo più efficace per validare gli algoritmi quantistici. Le loro scoperte suggeriscono che i limiti delle attuali simulazioni quantistiche non sono solo una questione di capacità di memoria grezza, ma anche di come tale memoria viene accessata. Semplicemente ripensando l'ordine delle operazioni, hanno sbloccato un livello di prestazioni che permette agli scienziati di esplorare molecole complesse e reazioni chimiche con un livello di dettaglio che prima era fuori portata.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.