⚛️ quantum physics

phase2: Full-State Vector Simulation of Quantum Time Evolution at Scale

Dit artikel presenteert een zeer schaalbaar algoritme voor volledige toestandsvector-simulatie en een software-implementatie die gebruikmaakt van tot 16.384 CPU-kernen en 512 NVIDIA H100 GPU's om kwantumtijdsevolutie efficiënt te simuleren, waarbij significante prestatiewinsten worden aangetoond ten opzichte van bestaande bibliotheken en een nauwkeurige Trotter-foutanalyse voor 40-qubit kwantumchemische problemen mogelijk wordt gemaakt.

Oorspronkelijke auteurs: Marek Miller, Jakob Günther, Freek Witteveen, Matthew S. Teynor, Mihael Erakovic, Markus Reiher, Gemma C. Solomon, Matthias Christandl

Gepubliceerd 2026-07-15

📖 6 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Marek Miller, Jakob Günther, Freek Witteveen, Matthew S. Teynor, Mihael Erakovic, Markus Reiher, Gemma C. Solomon, Matthias Christandl

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

De Kwantum-speeltuin en de Ultieme Stopwatch

Stel je een wereld voor waarin computers niet alleen getallen één voor één verwerken, maar tegelijkertijd een uitgestrekt, glinsterend landschap van mogelijkheden verkennen. Dit is het domein van quantum computing. In plaats van een eenvoudige lichtschakelaar die ofwel aan of uit staat, is een quantum bit (of "qubit") als een tollende munt die tegelijkertijd zowel kop als munt is. Wanneer je slechts een paar van deze tollende munten hebt, kan een gewone computer ze bijhouden. Maar naarmate je meer munten toevoegt, explodeert het aantal mogelijke toestanden. Met 40 munten is het aantal mogelijkheden zo enorm groot dat het een bibliotheek aan boeken zou vereisen die groter is dan de hele aarde, om ze allemaal op te schrijven.

Omdat het bouwen van deze magische quantummachines ongelooflijk moeilijk en duur is, hebben wetenschappers een manier nodig om ze te testen voordat ze klaar zijn. Ze gebruiken "klassieke simulators"—superkrachtige gewone computers die proberen na te bootsen wat een quantumcomputer zou doen. Denk erbij als een vluchtsimulator voor piloten; voordat een echt vliegtuig opstijgt, test je de software om te zien of hij crasht. Het simuleren van een quantumcomputer is echter als het proberen op te nemen van een film van elk afzonderlijk atoom in een orkaan op hetzelfde moment. Het vereist enorme hoeveelheden geheugen en rekenkracht. De grote vraag die wetenschappers zich hebben gesteld is: "Hoe groot een quantum systeem kunnen we daadwerkelijk simuleren op onze beste supercomputers, en hoe nauwkeurig zijn onze voorspellingen?"

Het Papier: Een Supercharged Simulator voor het Quantumtijdperk

In dit artikel introduceren een team van onderzoekers een nieuwe, hoog geoptimaliseerde softwaretool genaamd phase2. Denk aan phase2 als een hogesnelheids-, uiterst efficiënte camera die specifiek is ontworpen om de complexe dans van quantumdeeltjes te filmen. Terwijl andere simulators als standaardcamera's zijn die misschien moeite hebben om een snelle danser bij te houden, is phase2 gebouwd om elke stap van de dans vast te leggen, zelfs wanneer de danser met ongelooflijke snelheden ronddraait.

De onderzoekers concentreerden zich op een specifiek type quantum-beweging genaamd "Pauli-rotaties". Als je een quantumtoestand voor je ziet als een gigantische, multidimensionale Rubiks kubus, dan zijn deze rotaties de specifieke draaiingen en wendingen die de kubus maakt. Het team realiseerde zich dat door zich op deze specifieke wendingen te concentreren, ze een veel snellere motor konden bouwen. Ze schreven niet alleen code; ze bouwden een systeem dat tegelijkertijd op duizenden computerprocessoren kan draaien, waarbij de gigantische Rubiks kubus in kleine stukjes wordt verdeeld en elk stukje aan een andere werker (een CPU-core of een GPU) wordt overhandigd om het simultaan op te lossen.

Wat ze vonden:
Het team zette phase2 op de proef op enkele van de krachtigste supercomputers ter wereld. Ze slaagden erin om een quantum systeem met 40 qubits te simuleren met behulp van 512 NVIDIA H100 GPU's en 32 terabytes aan geheugen. Om dit in perspectief te plaatsen: 32 terabytes is genoeg geheugen om miljoenen high-definition films op te slaan. Ze draalden de simulaties ook op 16.384 CPU-cores.

De resultaten waren indrukwekkend. Wanneer ze phase2 vergeleken met andere top-tier simulatiesoftware (zoals QuEST), was phase2 10 tot 100 keer sneller voor grote taken. In de meest extreme testcase was het meer dan 800 keer sneller. Deze versnelling is cruciaal omdat het wetenschappers in staat stelt om grotere systemen te simuleren en meer tests uit te voeren in dezelfde hoeveelheid tijd.

Het Grote Experiment: Controleren van de "Trotter"-fout
Een van de belangrijkste redenen om deze systemen te simuleren, is om de nauwkeurigheid van quantumalgoritmen die gebruikt worden in de chemie te controleren. Stel je voor dat je wilt voorspellen hoe een medicijnmolecuul interageert met een eiwit. Je kunt niet zomaar gokken; je moet de energie van het molecuul simuleren. Een veelgebruikte methode hiervoor is genaamd "Trotterisatie", wat een lange, complexe reis opbreekt in vele kleine stapjes. Echter, elke keer dat je een klein stapje zet, introduceer je een klein beetje fout (zoals een GPS die elke mijl een klein beetje afwijkt).

De onderzoekers gebruikten phase2 om een real-world chemisch probleem te simuleren: een ruthenium-gebaseerd medicijncomplex (NKP-1339) dat interageert met een eiwit. Ze simuleerden de tijdsontwikkeling van dit systeem met tot wel 40 qubits (die 20 orbitalen vertegenwoordigen). Door deze simulaties uit te voeren, konden ze exact meten hoeveel fout de "Trotter"-methode introduceerde.

De Verrassing:
Het team ontdekte dat de foutmarges (de "worst-case scenario" voorspellingen) die door wiskundigen worden gebruikt, vaak extreem conservatief zijn. In hun simulaties was de werkelijke fout ongeveer 100 keer kleiner dan de theoretische bovengrenzen suggereerden. Dit is een grote zaak, omdat het suggereert dat quantumcomputers deze chemische problemen mogelijk kunnen oplossen met minder middelen en minder complexiteit dan voorheen gedacht. De "worst-case" angsten zijn wellicht overdreven, en de weg naar nuttige quantumchemie is duidelijker dan we verwachtten.

Hoe ze het deden:
Het geheime ingrediënt van phase2 was een slimme truc waarbij ze de manier waarop ze de data organiseerden, aanpasten. In plaats van elke rotatie als een unieke, moeilijke taak te behandelen, vonden ze een manier om vergelijkbare rotaties bij elkaar te groeperen. Stel je voor dat je 1.000 dozen moet verplaatsen en 500 daarvan identiek zijn. In plaats van ze één voor één te verplaatsen, kun je ze allemaal tegelijk verplaatsen. phase2 doet dit wiskundig, waardoor de hoeveelheid data die tussen de duizenden processoren moet worden verplaatst, wordt verminderd. Deze "groeperingsstrategie" is wat hen in staat stelde om dergelijke enorme versnellingen te bereiken.

De Kern van het Verhaal:
Dit papier beweert niet dat het een perfecte quantumcomputer heeft gebouwd of de volledige chemie heeft opgelost. In plaats daarvan biedt het een krachtige nieuwe tool (phase2) die wetenschappers in staat stelt om quantumsystemen met ongekende schaal en precisie te simuleren. Door aan te tonen dat de fouten in deze simulaties veel kleiner zijn dan de strikte theoretische limieten, suggereren de auteurs dat we mogelijk sneller en betrouwbaarder nuttige quantumchemische experimenten kunnen uitvoeren op toekomstige quantumhardware dan de conservatieve wiskunde voorspelde. Het is een herinnering dat het "onmogelijke" soms gewoon een kwestie is van een snellere manier vinden om te tellen.

Technische Samenvatting: Volledige State-Vector Simulatie van Kwantum Tijdsevolutie op Schaal

Probleemstelling

Het vakgebied van kwantumcomputing nadert een tijdperk waarin praktische kwantumberekeningen de klassieke hardware mogelijk kunnen overtreffen. Echter, het valideren van deze berekeningen en het benchmarken van kwantumvoordeel vereist geoptimaliseerde klassieke high-performance simulators. Hoewel benaderende methoden (bijv. tensornetwerken, stabilizer-decomposities) bestaan, introduceren zij ongecontroleerde fouten of schalen zij exponentieel, wat hen ongeschikt maakt voor de rigoureuze validatie van onbekende fouten in kwantumalgoritmen. Full-state vector simulatie, die alle niet-nul amplitudes van een kwantumtoestand opslaat, biedt numerieke precisie maar lijdt onder exponentiële geheugenschaal ( $2^n$ voor $n$ qubits). Bestaande simulators (bijv. Qiskit, QuEST, cuQuantum) hebben moeite om grootschalige, gedistribueerde simulaties van specifieke circuitstructuren efficiënt te verwerken, met name die betrokken bij sequenties van Pauli-rotaties, die gebruikelijk zijn in kwantumchemie en natuurkunde.

Methodologie

De auteurs presenteren phase2, een full-state vector simulatiealgoritme en software-implementatie ontworpen voor High-Performance Computing (HPC) omgevingen. De methode richt zich op de simulatie van tijdsevolutie onder Hamiltonians gerepresenteerd als lineaire combinaties van Pauli-operatoren, een structuur die alomtegenwoordig is in kwantumchemie (bijv. VQE, ADAPT-VQE) en optimalisatie (bijv. QAOA).

Kernalgoritme en Optimalisaties

De simulator representeert de $n$ -qubit toestand $|\psi\rangle$ als een aaneengesloten array van $2^n$ complexe amplitudes. Het algoritme past unitaries toe van de vorm $e^{i\phi \tilde{P}}$ , waarbij $\tilde{P}$ een Pauli-string is. Belangrijke optimalisaties omvatten:

Gedistribueerde Geheugenarchitectuur: De state array wordt evenredig verdeeld over $M = 2^m$ MPI-taken (CPU-cores of GPU's). De Hilbert-ruimte wordt gesplitst in "lagere" qubits (lokaal voor elke taak) en "hogere" qubits (gedistribueerd over taken).
Efficiënte Implementatie van Pauli-rotaties:
- Lokale Operaties: Pauli-strings die werken op lagere qubits worden gerepresenteerd als twee 64-bit integers. Hun werking wordt berekend met minimale logische instructies (AND, XOR, bit parity), waardoor de verwerkingssnelheid vergelijkbaar is met de geheugentoegangstijd.
- Gedistribueerde Operaties: Operaties die hogere qubits involvolveren, vereisen gegevensuitwisseling tussen MPI-taken. De auteurs maken gebruik van de structuur van Pauli-rotaties ( $e^{i\phi \tilde{P}} = \cos\phi I + i\sin\phi \tilde{P}$ ) om gedistribueerde updates te reduceren tot paarwijze uitwisselingen van lokale array-partities.
Groepering van Rotaties (Vergelijking 1): Een cruciale optimalisatie groepeert $L$ Pauli-rotaties die een gemeenschappelijke suffix $\tilde{Q}$ delen op de hogere qubits. Gebruikmakend van de identiteit:
$\prod_{l=1}^L e^{i\phi_l \tilde{P}_l \otimes \tilde{Q}} = \left(\prod_{l=1}^L e^{i\phi_l \tilde{P}_l} \otimes \frac{I + \tilde{Q}}{2}\right) + \left(\prod_{l=1}^L e^{-i\phi_l \tilde{P}_l} \otimes \frac{I - \tilde{Q}}{2}\right)$
Dit staat toe dat meerdere rotaties worden toegepast met een enkele paarwijze gegevensuitwisseling tussen MPI-taken, wat de communicatie-overhead drastisch vermindert.
Hardware Implementatie: De software is geschreven in standaard C met MPI voor inter-procescommunicatie en HDF5 voor I/O. De GPU-versie maakt gebruik van aangepaste CUDA-kernels geoptimaliseerd voor de NVIDIA Hopper-architectuur (sm 90a), waarbij het CUDA Unified Memory Model wordt gebruikt voor directe GPU-naar-GPU communicatie.

Experimentele Opstelling

De auteurs pasten phase2 toe om de Hamiltonian-dynamica te simuleren van een rutheniumcomplex (NKP-1339) in een drug-proteïne bindingspocket.

Hamiltonian Voorbereiding: Het systeem werd gemodelleerd met behulp van een hybride QM/QM/MM embedding protocol. Actieve orbitale ruimtes variërend van 5 tot 20 orbitalen (10 tot 40 qubits) werden geselecteerd. De Hamiltonians bevatten tot wel ~229.000 termen.
Simulatiestrategie: Om het grote aantal termen te beheren, werd een gedeeltelijk gerandomiseerde productformule gebruikt. Termen met een hoge gewicht werden deterministisch behandeld, terwijl termen met een lage gewicht willekeurig werden gesampled.
Hardware: Simulaties werden uitgevoerd op twee HPC-faciliteiten:
- Euler (ETH Zürich): Tot 16.384 AMD EPYC CPU-cores en 8 TB geheugen (gebruikt voor 36-qubit simulaties).
- Gefion (DCAI): Tot 512 NVIDIA H100 GPU's over 64 DGX-nodes en 32 TB geheugen (gebruikt voor 40-qubit simulaties).

Belangrijkste Resultaten

Schaalbaarheid en Prestaties

Weak Scaling: De simulatiesnelheid (rotaties per seconde per core) schaalt omgekeerd evenredig met de probleemgrootte ( $2^n$ ), wat wijst op een efficiënte state-distributie tot aan de grootste gesimuleerde systemen.
Strong Scaling: Voor vaste probleemgroottes levert het verhogen van middelen een bijna lineaire versnelling op op log-log schalen.
Vergelijking met QuEST: phase2 presteert aanzienlijk beter dan de QuEST-bibliotheek (versie 3.7.0).
- Voor enkelvoudige rotaties ( $L=1$ ) variëren de versnellingen van 1x tot 10x.
- Voor gegroepeerde rotaties ( $L=100$ ) variëren de versnellingen van 10x tot meer dan 800x (bijv. 801.95x voor 29 qubits op 8 GPU's).
- Het prestatieverschil wordt toegeschreven aan de specifieke optimalisaties van phase2 voor gegroepeerde Pauli-rotaties en efficiënte multi-GPU synchronisatie, waar QuEST niet over beschikt.

Trotter-fout Analyse

De primaire wetenschappelijke toepassing was het empirisch begrenzen van de Trotter-fout ( $C_{gs}$ ) voor Hamiltonian-simulatie in kwantumchemie.

Empirische vs. Theoretische Grenzen: De studie berekende de Trotter-foutfactor $C_{gs}$ voor systemen tot 32 qubits (16 orbitalen). De empirisch afgeleide waarden bleken ongeveer 100 keer kleiner te zijn dan de strikte analytische bovengrenzen.
Implicatie: Dit suggereert dat de kostenramingen voor kwantumalgoritmen gebaseerd op strikte grenzen te conservatief zijn.
Grootschalige Validatie: De auteurs slaagden erin om de tijdsevolutie te simuleren voor een 40-qubit systeem (20 orbitalen) met behulp van 512 H100 GPU's. Hoewel volledige fase-estimatie computationeel onhaalbaar was op deze schaal, produceerde de simulatie van de tijdsevolutie niet-nul, fysiek consistente amplitudes, wat de correctheid van de implementatie voor het grootste geanalyseerde geval valideert.

Betekenis en Claims

Het artikel beweert dat phase2 een significante vooruitgang vertegenwoordigt in de klassieke simulatiecapaciteiten voor kwantum tijdsevolutie:

Benchmarking Capaciteit: Het biedt een instrument voor de rigoureuze benchmarking van kwantumalgoritmen en benaderende klassieke simulators door numerieke precisie te bieden zonder de fouten die inherent zijn aan benaderende methoden.
Schaalbaarheid: Het demonstreert dat full-state vector simulatie kan worden uitgebreid naar 40 qubits met behulp van moderne HPC-middelen (32 TB RAM, 512 GPU's), een regime dat voorheen ontoegankelijk was voor exacte simulaties van complexe chemische Hamiltonians.
Optimalisatie van Kwantumchemie Algoritmen: Door empirisch aan te tonen dat Trotter-fouten aanzienlijk lager zijn dan theoretische grenzen, suggereert dit werk dat de benodigde middelen voor kwantumchemie-simulaties (specifiek grondtoestandsenergie-estimatie) lager kunnen liggen dan momenteel voorspeld door worst-case analyse.
Software Bijdrage: De release van phase2 (open-source onder BSD-3-Clause) en de bijbehorende data biedt een gespecialiseerde, high-performance bibliotheek voor het simuleren van circuits die gedomineerd worden door Pauli-rotaties, waarmee een gat wordt gevuld tussen algemene simulators en de specifieke behoeften van variationele en Hamiltonian-simulatiealgoritmen.

De auteurs concluderen dat hoewel het aantal qubits voor state vector simulatie beperkt blijft door exponentiële schaling, geoptimaliseerde implementaties zoals phase2 cruciale instrumenten zijn voor het valideren van kwantumalgoritmen en het verkennen van de grenzen van kwantumvoordeel op de korte termijn.