技術要約：大規模な量子時間発展における全状態ベクトル・シミュレーション

問題定義

量子計算の分野は、実用的な量子計算が古典的ハードウェアを凌駕する可能性のある時代に近づいています。しかし、これらの計算を検証し、量子優位性のベンチマークを行うには、最適化された古典的高性能シミュレータが必要です。近似的な手法（例：テンソルネットワーク、スタビライザー分解）は存在しますが、これらは制御不能な誤差を導入するか、あるいは指数関数的にスケールするため、未知の量子アルゴリズムにおけるエラーの厳密な検証には適していません。全状態ベクトル・シミュレーションは、すべての非ゼロ振幅（$n$ 量子ビットに対して $2^n$）を保持することで数値的な精度を提供しますが、メモリのスケーリングが指数関数的（$n$ 量子ビットに対して $2^n$）であるという課題を抱えています。既存のシミュレータ（例：Qiskit, QuEST, cuQuantum）は、特に量子化学や物理学で一般的な、パウリ回転のシーケンスを含む特定の回路構造の、大規模かつ分散型のシミュレーションを効率的に扱うことに苦慮しています。

手法

著者らは、ハイパフォーマンス・コンピューティング（HPC）環境向けに設計された、全状態ベクトル・シミュレーション・アルゴリズムおよびソフトウェア実装である phase2 を提示します。この手法は、パウリ演算子の線形結合として表されるハミルトニアンの下での時間発展のシミュレーションを対象としており、これは量子化学（例：VQE, ADAPT-VQE）や最適化（例：QAOA）において遍在する構造です。

コア・アルゴリズムと最適化

本シミュレータは、$n$ 量子ビットの状態 $|\psi\rangle$ を $2^n$ 個の複素振幅からなる連続した配列として表現します。アルゴリズムは、$P$ がパウリ文字列である形式のユニタリ演算 $e^{i\phi \tilde{P}}$ を適用します。主な最適化は以下の通りです：

1. 分散メモリ・アーキテクチャ: 状態配列は、$M = 2^m$ 個の MPI タスク（CPU コアまたは GPU）に均等に分割されます。ヒルベルト空間は、「下位」量子ビット（各タスクにローカル）と「上位」量子ビット（タスク間で分散）に分割されます。
2. 効率的なパウリ回転の実装:
   • ローカル演算: 下位量子ビットに作用するパウリ文字列は、2つの64ビット整数として表現されます。その作用は、最小限の論理命令（AND, XOR, ビット・パリティ）を用いて計算され、処理速度はメモリ・アクセス時間に匹敵します。
   • 分散演算: 上位量子ビットを含む演算は、MPI タスク間のデータ交換を必要とします。著者らは、パウリ回転の構造（$e^{i\phi \tilde{P}} = \cos\phi I + i\sin\phi \tilde{P}$）を利用して、分散更新をローカル配列分割のペアワイズな交換へと削減します。
3. 回転のグルーピング (式 1): 重要な最適化として、上位量子ビット上の共通のサフィックス $\tilde{Q}$ を共有する $L$ 個のパウリ回転をグループ化します。以下の恒等式を用います：
   $$\prod_{l=1}^L e^{i\phi_l \tilde{P}_l \otimes \tilde{Q}} = \left(\prod_{l=1}^L e^{i\phi_l \tilde{P}_l} \otimes \frac{I + \tilde{Q}}{2}\right) + \left(\prod_{l=1}^L e^{-i\phi_l \tilde{P}_l} \otimes \frac{I - \tilde{Q}}{2}\right)$$
   これにより、複数の回転を、MPI タスク間の単一のペアワイズ・データ交換で適用することが可能になり、通信オーバーヘッドを劇的に削減できます。
4. ハードウェア実装: ソフトウェアは、プロセス間通信のための MPI と I/O 用の HDF5 を用いた標準的な C 言語で記述されています。GPU 版は、NVIDIA Hopper アーキテクチャ（sm 90a）に最適化されたカスタム CUDA カーネルを使用し、直接的な GPU 間通信のために CUDA ユニファイドメモリ・モデルを採用しています。

実験設定

著者らは、薬物・タンパク質結合ポケット内のルテニウム錯体（NKP-1339）のハミルトニアン力学をシミュレートするために phase2 を適用しました。

• ハミルトニアンの準備: システムは、ハイブリッド QM/QM/MM 埋め込みプロトコルを用いてモデル化されました。5 から 20 軌道（10 から 40 量子ビット）の活性軌道空間が選択されました。ハミルトニアンには最大約 229,000 項が含まれていました。
• シミュレーション戦略: 大量の項を管理するために、部分的にランダム化された積公式が使用されました。高ウェイトの項は決定論的に扱い、低ウェイトの項はランダムにサンプリングされました。
• ハードウェア: シミュレーションは 2 つの HPC ファシリティで実行されました：
  • Euler (ETH Zürich): 最大 16,384 個の AMD EPYC CPU コアと 8 TB メモリ（36 量子ビットのシミュレーションに使用）。
  • Gefion (DCAI): 64 個の DGX ノードにわたる最大 512 個の NVIDIA H100 GPU と 32 TB メモリ（40 量子ビットのシミュレーションに使用）。

主な結果

スケーラビリティとパフォーマンス

• 弱スケーリング: シミュレーション速度（コアあたりの回転/秒）は、問題のサイズ（$2^n$）に反比例してスケールし、最大のシミュレートされたシステムに至るまで効率的な状態分布を示しています。
• 強スケーリング: 固定された問題サイズに対して、リソースを増やすことで、ログ・ログ・スケール上でほぼ線形なスピードアップが得られます。
• QuEST との比較: phase2 は QuEST ライブラリ（バージョン 3.7.0）を大幅に上回っています。
  • 単一回転（$L=1$）の場合、スピードアップは 1 倍から 10 倍の範囲です。
  • グルーピングされた回転（$L=100$）の場合、スピードアップは 10 倍から 800 倍以上（例：29 量子ビット、8 GPU 使用時で 801.95 倍）に及びます。
  • この性能差は、QuEST に欠けている phase2 特有のグルーピングされたパウリ回転への最適化と、効率的なマルチ GPU 同期に起因します。

トロッター誤差解析

主要な科学的応用は、量子化学におけるハミルトニアン・シミュレーションのトロッター誤差（$C_{gs}$）を経験的に境界付けることでした。

• 経験的境界 vs 理論的境界: 本研究では、最大 32 量子ビット（16 軌道）のシステムについてトロッター誤差因子 $C_{gs}$ を計算しました。導出された経験的な値は、厳密な解析的上限よりも約 100 倍小さいことが判明しました。
• 示唆: これは、厳密な境界に基づく量子アルゴリズムのコスト見積もりが、過度に保守的であることを示唆しています。
• 大規模検証: 著者らは、512 個の H100 GPU を使用して、40 量子ビット（20 軌道）のシステムの時間発展のシミュレーションに成功しました。この規模では完全な位相推定は計算上不可能でしたが、時間発展のシミュレーションは非ゼロで物理的に一貫した振幅を生成し、最大解析ケースにおける実装の正当性を検証しました。

意義と主張

論文は、phase2 が量子時間発展の古典的シミュレーション能力における重要な進歩を象徴していると主張しています：

1. ベンチマーク能力: 近似的な手法に内在する誤差なしに数値的な精度を提供することで、量子アルゴリズムおよび近似的な古典的シミュレータの厳密なベンチマークのためのツールを提供します。
2. スケーラビリティ: フル状態ベクトル・シミュレーションが、現代の HPC リソース（32 TB RAM、512 GPU）を使用して 40 量子ビットまで拡張可能であることを示しており、これは複雑な化学ハミルトニアンの厳密なシミュレーションにおいて以前は到達不可能であった領域です。
3. 量子化学アルゴリズムの最適化: トロッター誤差が理論的境界よりも大幅に低いことを経験的に示すことで、本研究は、量子化学シミュレーション（特に基底状態エネルギー推定）の計算リソース要件が、ワーストケース分析によって予測されているよりも低い可能性があることを示唆しています。
4. ソフトウェアの貢献: phase2 のリリース（BSD-3-Clause 下のオープンソース）と関連データは、パウリ回転が支配的な回路をシミュレートするための特化した高性能ライブラリを提供し、汎用シミュレータと、変分およびハミルトニアン・シミュレーションアルゴリズムの特定のニーズとの間のギャップを埋めるものです。

著者らは、状態ベクトル・シミュレーションの量子ビット数は指数関数的なスケーリングによって制限され続けるものの、phase2 のような最適化された実装は、量子アルゴリズムを検証し、近い将来における量子優位性の境界を探求するための極めて重要なツールであると結論付けています。