Sintesi Tecnica: COSMA – Ottimizzazione della comunicazione per i kernel di simulazione fermionica in architetture quantistiche modulari

1. Definizione del Problema

La simulazione quantistica è un'applicazione primaria per il calcolo quantistico, in particolare nella chimica computazionale e nella scienza dei materiali. Tuttavia, per raggiungere un vantaggio quantistico pratico per problemi chimicamente rilevanti (ad esempio, la simulazione del sito attivo di FeMoco), sono necessari milioni di qubit fisici quando si tiene conto della correzione degli errori quantistici. Le architetture monolitiche affrontano ostacoli significativi nel raggiungere tale scala a causa della complessità del controllo, del cross-talk e della gestione termica. Di conseguenza, sono state proposte architetture quantistiche modulari (multi-core), composte da unità di elaborazione quantistica (QPU) interconnesse.

Nei sistemi modulari, la comunicazione inter-core quantistica (tramite teletrasporto o entanglement distribuito) diventa il collo di bottiglia dominante delle prestazioni. Operazioni come il trasferimento di stato sono costose, introducono rumore e possono dominare il tempo di esecuzione se non minimizzate. Gli attuali framework di compilazione tipicamente ottimizzano la mappatura fermione-qubit, lo scheduling di Pauli e l'allocazione dei qubit in modo isolato o per topologie a core singolo, fallendo nel gestire l'overhead di comunicazione specifico inerente ai sistemi modulari.

Il problema centrale affrontato è l'ottimizzazione congiunta di tre fasi strettamente accoppiate per minimizzare i trasferimenti di stato inter-core per i kernel di simulazione fermionica:

1. Mappatura Fermione-a-Qubit (F2Q): Codifica degli operatori fermionici in operatori qubit.
2. Scheduling di Pauli: Ordinamento dei termini di Pauli nella sequenza di evoluzione temporale Trotterizzata.
3. Allocazione e Routing dei Qubit: Assegnazione dei qubit logici a core fisici e sintesi di alberi di parità per i gadget di Pauli.

2. Metodologia: Il Framework COSMA

Gli autori propongono COSMA, un framework di compilazione consapevole della comunicazione che esegue un co-design cross-layer. Il framework tratta il flusso di compilazione come un problema di ottimizzazione unificato piuttosto che come una sequenza di passaggi indipendenti.

A. Formulazione del Problema

L'input consiste in un hamiltoniano fermionico in forma di Majorana e un grafo hardware multi-core con capacità specifiche dei core e distanze inter-core. L'ottimizzazione mira a minimizzare il costo totale di trasferimento inter-core, definito come la somma delle distanze percorse dai qubit logici tra successivi slice del circuito. Il costo dipende da quattro variabili accoppiate:

• Mappatura ($M$): Una mappatura Product-Preserving Ternary-Tree (PPTT) che determina il supporto (qubit coinvolti) di ogni stringa di Pauli.
• Ordinamento ($\pi$): La permutazione dei termini di Pauli nella sequenza Trotter.
• Alberi di Parità ($\{T_t\}$): Alberi di spanning che definiscono la struttura CNOT per ogni gadget di Pauli.
• Allocazione ($\{\ell_l\}$): L'assegnazione dei qubit logici a core per ogni slice del circuito.

B. Componenti Algoritmiche Chiave

1. Ottimizzazione della Mappatura Fermione-a-Qubit

COSMA impiega un Algoritmo Genetico (GA) per ottimizzare la mappatura F2Q.

• Codifica del Genoma: Un mapping candidato è codificato come un genoma a due componenti: un cromosoma a forma di albero (sequenza di gradi preorder di un albero ternario) e un cromosoma di assegnazione di modalità (permutazione di modalità fermioniche ai nodi dell'albero).
• Evoluzione: Il GA utilizza la selezione a torneo, il crossover di scambio di sottoterreni (subtree-swap) e la mutazione di sostituzione di sottoterreni (subtree-replacement).
• Fitness: La funzione di fitness è il costo totale di trasferimento inter-core derivante dall'esecuzione delle fasi successive di scheduling e allocazione con quella specifica mappatura fissata. Ciò consente di ottimizzare la mappatura specificamente per i vincoli di comunicazione dell'architettura modulare.

2. Scheduling di Pauli

Una volta fissata una mappatura, i termini di Pauli vengono ordinati per minimizzare i cambiamenti di supporto tra gadget consecutivi. COSMA valuta tre strategie:

• Ordinamento per Magnitudo: Ordinamento per magnitudo del coefficiente (standard per la riduzione dell'errore).
• Ordinamento Lessicografico: Ordinamento alfabetico per massimizzare la cancellazione dei gate.
• Ordinamento ispirato a Gray: Ordinamento basato su una trasformazione di codice Gray del supporto delle maschere. L'obiettivo è posizionare termini con supporti simili in sequenza, minimizzando la distanza di Hamming tra i supporti consecutivi e riducendo così il movimento dei qubit.

3. Sintesi dell'Albero di Parità e Allocazione Multi-core

Questa fase sintetizza l'albero di parità CNOT per ogni gadget di Pauli determinando simultaneamente il posizionamento dei qubit. Utilizza un euristica di lookahead:

• Punteggio di Errore di Posizionamento: Calcola un punteggio per ogni qubit basato sulla sua distanza dai futuri partner di interazione entro una finestra di lookahead.
• Costruzione della Foresta di Parità: Raggruppa i qubit di supporto per i loro attuali assegnamenti di core, formando catene CжноT locali all'interno dei core.
• Selezione del Core di Incontro: Identifica un "core di incontro" che minimizza la distanza pesata da tutti i qubit di supporto, agendo come un attrattore spaziale.
• Merge Forward e Backward: Unisce iterativamente sottoterreni disgiunti da diversi core in un unico albero di parità. L'algoritmo decide se spostare un qubit rappresentativo o scambiarlo con un qubit residente in base alle distanze di interazione future e ai vincoli di capacità del core. Questo processo genera la sequenza di slice del circuito e i trasferimenti inter-core richiesti.

3. Contributi Chiave

1. Primo Studio di Co-Design: Per quanto ne sappiano gli autori, questo è il primo lavoro che ottimizza congiuntamente la mappatura F2Q, lo scheduling di Pauli e l'allocazione dei qubit specificamente per i kernel di simulazione quantistica su architetture modulari.
2. Algoritmo Genetico per la Mappatura: Un nuovo approccio GA per ottimizzare le mappature ternary-tree F2Q rispetto al costo di comunicazione inter-core, andando oltre le codifiche fisse come Jordan-Wigner o Bravyi-Kitaev.
3. Sintesi ed Allocazione Euristica: Un'euristica veloce per la sintesi dell'albero di parità e l'allocazione dei qubit adattata a sequenze di gadget di Pauli, utilizzando finestre di lookahead per minimizzare la pressione comunicativa futura.
4. Framework Open-Source: Un framework open-source, accelerato da GPU (COSMA), per valutare queste strategie, disponibile nel repository fornito.

4. Risultati Sperimentali

Il framework è stato valutato su 14 carichi di lavoro molecolari (da 14 a 90 modalità fermioniche) utilizzando un'architettura multi-core a griglia 2D.

• Performance rispetto ai Baseline: Confrontato con i baseline allo stato dell'arte (mappature fisse come JW, BK, PE, JKMN combinate con assegnazione di Hungarian e scheduling standard), COSMA ha ottenuto:
  • Una riduzione mediana di 1.7× (riduzione del 59.7%) nel costo di comunicazione utilizzando lo scheduling ispirato a Gray.
  • Una riduzione mediana di 1.4× (riduzione del 42.8%) utilizzando l'ordinamento per magnitudo.
  • Una riduzione fino a 2.5× del costo di comunicazione per specifici carichi di lavoro.
• Studi di Ablazione:
  • Impatto della Mappatura: L'ottimizzazione della sola mappatura (con scheduling/allocazione fissi) ha prodotto un miglioramento mediano dell'11.4% rispetto alla migliore mappatura fissa, sebbene i guadagni siano diminuiti per sistemi più grandi a causa del budget di ricerca fisso del GA.
  • Impatto dello Scheduling: Lo scheduling ispirato a Gray ha superato significativamente l'ordinamento per magnitudo (riduzione mediana del 46.0%) e l'ordinamento lessicografico (riduzione mediana del 10.5%), confermando che rendere fluidi i passaggi di supporto è critico per i sistemi modulari.
• Runtime: Il framework è implementato in C++ con accelerazione CUDA. La fase di sintesi e allocazione è il collo di bottiglia e scala approssimativamente in modo quartico con il numero di modalità (guidato dal numero di termini di Pauli). Il multi-threading e CUDA hanno fornito velocità di 5.0× e 9.4× rispettivamente rispetto all'esecuzione single-threaded.

5. Significato e Rivendicazioni

L'articolo sostiene che il co-design cross-layer è essenziale per una simulazione quantistica efficiente e scalabile su hardware multi-core. I risultati dimostrano che ottimizzare la mappatura, lo scheduling e l'allocazione in isolamento è subottimale perché queste fasi sono strettamente accoppiate; una scelta subottimale in una fase limita le altre.

Gli autori affermano che, puntando esplicitamente alla comunicazione inter-core attraverso un framework unificato, COSMA riduce significativamente l'overhead di comunicazione che altrimenti dominerebbe il tempo di esecuzione nei computer quantistici modulari. Questo approccio fornisce una via per scalare le simulazioni quantistiche verso problemi chimicamente rilevanti mitigando il collo di bottiglia primario delle architetture modulari.

6. Limitazioni e Lavori Futuri

Gli autori riconoscono diverse limitazioni:

• Modello di Costo: Il modello di costo del trasferimento si basa sulla distanza del percorso minimo e non tiene conto delle capacità dei link, della congestione o delle asimmetrie di latenza.
• Errore di Trotter: Il framework non ottimizza esplicitamente l'errore di Trotter introdotto dal riordinamento di termini non commutanti, concentrandosi esclusivamente sulla comunicazione.
• Famiglia di Mappatura: L'approccio attuale è limitato alle mappature PPTT (N modalità per N qubit). Mappature con diversi rapporti di scala (ad esempio, basate su codici LDPC) non sono ancora state esplorate.
• Sovrapposizione di Pipeline: L'obiettivo minimizza il conteggio dei trasferimenti senza considerare il potenziale di sovrapporre la comunicazione con il calcolo locale.

Il lavoro futuro include il raffinamento del modello di costo hardware, l'integrazione dei trade-off dell'errore di Trotter, l'esplorazione di operatori evolutivi più espressivi e l'estensione del framework ad altre topologie modulari e algoritmi variazionali.