Universal Quantum Computer Simulation of 50 Qubits on Europe`s First Exascale Supercomputer Harnessing Its Heterogeneous CPU-GPU Architecture

研究者らは、欧州の JUPITER エクサスケールスーパーコンピュータの異種 GH200 アーキテクチャを活用し、CPU-GPU 間接続による拡張メモリ利用、適応的データ符号化、リアルタイムネットワークトラフィック最適化という 3 つの主要な革新を通じて、初めて 50 量子ビットの汎用量子コンピュータのシミュレーションに成功し、これにより従来記録に対して 16.6 倍の高速化を達成した。

要約

パズルを解こうとしていて、ピースを 1 つ追加するたびに、パズル全体の配置の可能な組み合わせの数が 2 倍になる状況を想像してみてください。ピースが 10 個なら manageable（管理可能）です。しかし、50 個あれば、その可能性の数はあまりにも膨大で、地球上のすべてのコンピュータが協力して何十億年かけても、それらをすべて確認することはできません。これが量子コンピュータのシミュレーションが抱える課題です。

本論文は、ドイツのユリッヒ・スーパーコンピューティング・センターの科学者チームが、NVIDIA と協力して「JUQCS-50」と呼ばれる「スーパーシミュレータ」を構築した方法について述べています。彼らは、ヨーロッパ初の「エクサスケール」スーパーコンピュータ（JUPITER と命名）を用いて、初めて 50 量子ビットの量子コンピュータのシミュレーションを達成しました。

彼らがどのように行ったかを、簡単なアナロジーを用いて説明します。

1. 課題：「メモリ・ウォール」

量子コンピュータをシミュレートするには、システムのあらゆる可能な状態を表す、膨大な数のリスト（「状態ベクトル」と呼ばれる）を格納する必要があります。

• アナロジー: 本の図書館を格納しようとしていると想像してください。小さな量子コンピュータ（48 量子ビット）の場合、その図書館は数台のハードドライブに収まります。しかし、50 量子ビットのコンピュータの場合、その図書館はあまりにも巨大で、小さな都市ほどの大きさの倉庫を埋め尽くすほどになります。
• 限界: 彼らが使用したスーパーコンピュータ（JUPITER）は、驚異的に高速なメモリ（高速スポーツカーのようなもの）を持っていますが、それでも一度に 50 量子ビットの図書館全体を保持するには不十分でした。

2. 解決策：3 つの「マジック・トリック」

この巨大な図書館を利用可能なスペースに収め、高速に実行するために、チームは 3 つの巧妙なトリックを用いました。

トリック#1：「共有バックパック」（ヘテロジニアスメモリ）

通常、コンピュータには、小さくて超高速なバックパック（GPU メモリ）と、より大きくてやや遅いバックパック（CPU メモリ）があります。従来の方法は、高速な方だけを使用するものでした。

• イノベーション: チームは、両方のバックパックを 1 つの巨大で連続した空間として扱えることに気づきました。彼らは CPU と GPU の間に超高速の橋（NVLink と呼ばれる）を構築しました。
• 結果: 必要なときにデータをより大きくて遅いバックパックに格納しつつ、計算のために瞬時に高速な方へ移動させることができました。これは、作業場の隣に倉庫があるようなもので、道具の大部分は倉庫に保管しつつ、コンベアベルトがそれらを瞬時に作業台へ運んでくるようなものです。

トリック#2：「圧縮された ZIP ファイル」（適応型バイト符号化）

数値を完全な高精度フォーマット（高解像度の写真のようなもの）で格納すると、スペースをとりすぎます。

• イノベーション: チームはデータを「ZIP 圧縮」する方法を開発しました。メモリに収まるように、数値を（高解像度の写真をサムネイルに変えるように）必要なだけ小さく圧縮しましたが、計算を行う必要があるときには、瞬時に元の完全な精度に「解凍」できるほど賢く設計しました。
• 結果: これにより必要なメモリ量が8 倍削減され、答えの精度を失うことなく、50 量子ビットのシミュレーションを利用可能なスペースに収めることができました。

トリック#3：「交通整理員」（オン・ザ・フライ・オプティマイザ）

何千台ものコンピュータが協力して動作する場合、それらは絶えず互いに通信する必要があります。すべてが同時に通信しようとすると、ネットワークが混雑します（渋滞）。

• イノベーション: ソフトウェアは賢い交通整理員のように機能します。パズルの次のステップを見て、データを「いつ」「何を」送るかを正確に決定し、データがバックグラウンドで移動している間も、コンピュータが常に作業を続けられるようにします。
• 結果: これにより、コンピュータが互いを待つ時間が最小化され、シミュレーションが円滑に実行され続けました。

3. 結果：記録破りの実行

これらのトリックを、16,384 個の強力な「スーパーチップ」を使用する JUPITER スーパーコンピュータ上で組み合わせることで、チームは前人未到の成果を達成しました。

• 速度: 彼らは、異なるスーパーコンピュータ（K 計算機）が保持していた以前の世界記録よりも16.6 倍高速に 50 量子ビットのコンピュータをシミュレートしました。
• 効率性: 通常、量子ビットを追加するにつれてシミュレーションにかかる時間は指数関数的に爆発的に増加しますが、彼らのシステムは時間の増加をほぼ線形的に抑えることに成功しました。まるで、乗客が増えるほど遅くなるのではなく、増えるほど速くなる車を見つけたかのようです。

4. これが重要な理由（論文によると）

論文は、これが実際の量子コンピュータではなく、シミュレーションであることを強調しています。

• 「完璧な」実験室: 現在の実際の量子コンピュータはノイズがあり、誤りを犯します。このシミュレータは、50 量子ビットのコンピュータの「完璧な」バージョンを提供します。
• ベンチマーク: これにより、科学者たちは新しい量子アルゴリズム（化学や最適化のためのものなど）をテストし、理想的な結果がどうあるべきかを確認できます。これは、実際の物理的な量子機械の誤りを修正する方法を突き止めるのに役立ちます。
• 応用: チームは特に「加算回路」（数学的問題）でこれをテストし、データ圧縮のトリックを用いたにもかかわらず、計算結果が完全に正確であることがわかりました。

要約すると: チームは、50 量子ビットの量子コンピュータを完璧にシミュレートできるデジタルな「タイムマシン」を構築しました。彼らは、巨大なスーパーコンピュータのメモリを巧みに拡張し、データ通信を極めて効率的に整理することで、以前の速度と規模の記録を破り、科学者たちに将来の量子技術の設計とテストのための強力な新しいツールを提供しました。

技術概要

技術的概要：ヨーロッパ初のエクサスケールスーパーコンピュータにおける 50 量子ビットの汎用量子コンピュータシミュレーション

問題定義
古典ハードウェア上での汎用量子コンピュータのシミュレーションは、量子ビット数（$N$）に対するメモリおよび実行時間の要求が指数関数的に増大するため、計算的に実行不可能である。$N$量子ビット系の完全な状態ベクトルを倍精度（FP64）で格納するには、$2^{N+4}$バイトのメモリが必要となる。$N=50$の場合、これは約 16,384 TiB のメモリを必要とし、個々のアクセラレータの容量を大幅に超える。さらに、この状態をクラスター全体に分散させることは、特に「非局所的」な量子ビット（単一の処理ユニットのメモリ容量を超えるインデックスを持つ量子ビット）に作用するゲートにおいて、膨大な通信オーバーヘッドをもたらす。現在の量子ハードウェアはノイズやゲートの忠実度の低さに制限されており、大規模で信頼性の高い実行は実現不可能である。したがって、アルゴリズムの開発とベンチマーキングには、高忠実度な古典シミュレーションが不可欠である。

手法とイノベーション
著者らは、JUPITER スーパーコンピュータ（特に NVIDIA GH200 スーパーチップ）の異種 CPU-GPU アーキテクチャを活用するように設計された高性能汎用量子コンピュータシミュレータ「JUQCS-50」を提示する。このシステムは、4,096 ノードにわたる 16,384 個の GH200 スーパーチップを利用する。メモリおよび通信のボトルネックを克服するため、JUQCS-50 は以下の 3 つの主要なイノベーションを実装している：

1. 異種メモリの活用: シミュレータは、CPU の LPDDR5 メモリを統合することで、GPU の高帯域幅メモリ（HBM3）の制限を超えた使用可能メモリを拡張する。設計上、CPU は厳密にメモリホストとして扱われ、すべての計算、エンコーディング、デコーディングは GPU 上で実行される。HBM3 と LPDDR5 間のデータ配置を効率的に管理するため、著者らは明示的なデータ移動関数とオンザフライのネットワークトラフィック最適化を組み合わせて使用する。このアプローチは、メモリ過剰割り当てに伴う性能ペナルティを最小化するために、CUDA 対応 MPI と非同期コピー関数を利用する。
2. 適応型バイトエンコーディング: メモリフットプリントを 8 分の 1 に削減するため、シミュレータは適応型バイトエンコーディング方式を採用する。この手法は、複素状態ベクトル要素を標準的な 16 バイト（FP64）の代わりに 2 バイト（16 ビット）で表現する。エンコーディングは複素数の極形式に基づき、実行される特定の量子回路に適応する。これによりオンザフライでのエンコーディング/デコーディングに計算オーバーヘッドが生じるが、大規模な$N$における主要なボトルネックであるネットワークを介して転送されるデータ量を大幅に削減する。
3. 通信最適化: システムは、パッキング/アンパッキングデータのための標準的な CUDA 対応 MPI 呼び出しと非同期ストリーム機能を通じて、ノード間通信を最小化する。さらに、著者らは、量子ビットの戦略的なラベル付けにより、特に加算器回路のような特定の回路トポロジーにおいて、スーパーチップ間で交換されるデータ量を大幅に削減できることを実証している。

主要な結果
本論文は、状態ベクトルアプローチを用いた 50 量子ビットの汎用量子コンピュータのシミュレーションに初めて成功したことを報告する。

• スケーラビリティ: シミュレータは、量子ビット数の増加に伴い経過時間がほぼ線形にスケーリングすることを示す（弱スケーリング）。これにより、大規模な並列化を通じて理論的な指数関数的な時間スケーリングが効果的に緩和されている。
• 性能比較: JUQCS-50 は、K コンピュータが保持していた以前の 48 量子ビットの記録に対して 16.6 倍の高速化を達成した。36 量子ビットのハダマードベンチマークにおいて、ゲートあたりの経過時間は、K コンピュータの 47.03 秒から JUPITER の 2.83 秒に短縮された。
• 精度とトレードオフ: 本研究は、特定のベンチマーク回路（例えばハダマードゲートの列など）において、バイトエンコーディング方式が FP64 レベルの精度を維持することを検証した。しかし、制御位相シフトを含む回路（整数加算器等）の場合、x 成分および y 成分の期待値にわずかな偏差が観測されるが、主要な z 成分の結果は正しいままである。
• ネットワーク効率: 50 量子ビットの場合、シミュレーションシーケンス中にネットワークを通過するデータ量は約 38,766 TiB であり、これは約 100 秒で完了した。測定された帯域幅は、ネットワークトポロジーの制約（Dragonfly+）により$O(1/\sqrt{N})$としてスケーリングし、量子ビット数の増加に伴い、ノード内 NVLink の支配からノード間 InfiniBand の支配へと遷移する。

意義と主張
本論文は、JUQCS-50 により、現在の量子プロセッサ（ノイズと深度の制限に苦しむ）の信頼できる動作領域を超えた、最大 50 量子ビットまでの量子回路のシミュレーションが可能になると主張している。ほぼ線形な時間スケーリングを達成することで、このシミュレータは、物理ハードウェアで現在実現可能なものよりもはるかに大規模なシステムにおいて、変分量子固有値ソルバー（VQE）や量子近似最適化アルゴリズム（QAOA）などのアルゴリズムの正確なベンチマーキングを可能にする。

著者らは、特化型シミュレータ（テンソルネットワークや回路切断など）が特定の構造化された回路に対してより多くの量子ビットを処理できる一方で、JUQCS-50 は構造や絡み合いの制限に関する仮定なしに任意の回路を実行可能な「汎用」シミュレータであることを強調している。この研究は、高忠実度な量子シミュレーションのための新たな基準を確立し、現在の量子ハードウェアでは到達できない精度で量子アルゴリズムの検証やノイズ効果の検討を行うためのツールを提供する。著者らは、今後の研究では GH200 プラットフォーム向けにバッファサイズとストリーム数をさらに微調整し、通信オーバーヘッドを最小化するために回路構造を最適化することに焦点を当てることを述べている。