Resumo Técnico: COSMA – Otimização de Kernels de Simulação Fermiônica Consciente de Comunicação para Arquiteturas Quânticas Modulares

1. Declaração do Problema

A simulação quântica é uma aplicação primária para a computação quântica, particularmente na química computacional e ciência dos materiais. No entanto, alcançar uma vantagem quântica prática para problemas quimicamente relevantes (por exemplo, simulando o sítio ativo do FeMoco) requer milhões de qubits físicos ao considerar a correção de erros quânticos. Arquiteturas monolíticas enfrentam obstáculos significativos para escalar para esse regime devido à complexidade de controle, cross-talk e gestão térmica. Consequentemente, arquiteturas quânticas modulares (multi-core), consistindo em Unidades de Processamento Quântico (QPUs) interconectadas, foram propostas.

Em sistemas modulares, a comunicação quântica entre núcleos (via teletransporte ou emaranhamento distribuído) torna-se o gargalo de desempenho dominante. Operações como transferência de estado são dispendiosas, introduzem ruído e podem dominar o tempo de execução se não forem minimizadas. Os frameworks de compilação existentes tipicamente otimizam o mapeamento de férmion-para-qubit, o escalonamento de Pauli e a alocação de qubits de forma isolada ou para topologias de núcleo único, falhando em abordar o overhead de comunicação específico inerente aos sistemas modulares.

O problema central abordado é a otimização conjunta de três estágios estreitamente acoplados para minimizar as transferências de estado inter-core para kernels de simulação fermiônica:

1. Mapeamento de Férmion-para-Qubit (F2Q): Codificação de operadores fermiônicos em operadores de qubit.
2. Escalonamento de Pauli: Ordenação dos termos de Pauli no circuito de evolução temporal Trotterizada.
3. Alocação e Roteamento de Qubits: Atribuição de qubits lógicos a núcleos físicos e síntese de árvores de paridade para gadgets de Pauli.

2. Metodologia: O Framework COSMA

Os autores propõem o COSMA, um framework de compilação consciente de comunicação que realiza o co-design cross-layer. O framework trata o fluxo de compilação como um problema de otimização unificado, em vez de uma sequência de etapas independentes.

A. Formulação do Problema

A entrada consiste em um Hamiltoniano fermiônico em forma de Majorana e um grafo de hardware multi-core com capacidades de núcleo e distâncias inter-core específicas. A otimização busca minimizar o custo total de transferência inter-core, definido como a soma das distâncias que os qubits lógicos viajam entre slices consecutivos do circuito. O custo depende de quatro variáveis acopladas:

• Mapeamento ($M$): Um mapeamento de Árvore Ternária Preservadora de Produto (PPTT) que determina o suporte (qubits envolvidos) de cada string de Pauli.
• Ordenação ($\pi$): A permutação dos termos de Pauli na sequência de Trotter.
• Árvores de Paridade ($\{T_t\}$): Árvores geradoras que definem a estrutura CNOT para cada gadget de Pauli.
• Alocação ($\{\ell_l\}$): A atribuição de qubits lógicos a núcleos para cada slice de circuito.

B. Componentes Algorítmicos Principais

1. Otimização do Mapeamento Férmion-para-Qubit

O COSMA emprega um Algoritmo Genético (GA) para otimizar o mapeamento F2Q.

• Codificação do Genoma: Um mapeamento candidato é codificado como um genoma de dois componentes: um cromossomo de forma da árvore (sequência de graus pré-ordem de uma árvore ternária) e um cromossomo de atribuição de modo (permutação de modos fermiônicos para nós da árvore).
• Evolução: O GA utiliza seleção por torneio, crossover de troca de subárvore e mutação de substituição de subárvore.
• Fitness: A função de fitness é o custo total de transferência inter-core resultante da execução das etapas de escalonamento e alocação subsequentes com aquele mapeamento específico fixado. Isso permite que o mapeamento seja otimizado especificamente para as restrições de comunicação da arquitetura modular.

2. Escalonamento de Pauli

Uma vez que um mapeamento é fixado, os termos de Pauli são ordenados para minimizar mudanças de suporte entre gadgets consecutivos. O COSMA avalia três estratégias:

• Ordenação por Magnitude: Ordenação pelo coeficiente de magnitude (padrão para redução de erro).
• Ordenação Lexicográfica: Ordenação alfabética para maximizar o cancelamento de portas.
• Ordenação Inspirada em Gray: Ordenação baseada em uma transformação de código Gray dos suportes de máscara. O objetivo é colocar termos com suportes similares adjacentes no escalonamento, minimizando a distância de Hamming entre suportes consecutivos e, assim, reduzindo o movimento de qubits.

3. Síntese de Árvore de Paridade e Alocação Multi-core

Este estágio sintetiza a árvore de paridade CNOT para cada gadget de Pauli enquanto determina simultaneamente o posicionamento dos qubits. Utiliza um heurística de lookahead (antecipação):

• Pontuação de Deslocamento: Calcula uma pontuação para cada qubit baseada em sua distância para futuros parceiros de interação dentro de uma janela de lookahead.
• Construção de Floresta de Paridade: Agrupa qubits de suporte por suas atribuições atuais de núcleo, formando cadeias CNOT locais dentro dos núcleos.
• Seleção de Núcleo de Encontro: Identifica um "núcleo de encontro" que minimiza a distância ponderada para todos os qubits de suporte, atuando como um atrator espacial.
• Fusão Forward e Backward: Mescla iterativamente subárvores disjuntas de diferentes núcleos em uma única árvore de paridade. O algoritmo decide se deve mover um qubit representativo ou trocá-lo com um qubit residente com base em distâncias de interação futuras e restrições de capacidade do núcleo. Este processo gera a sequência de slices de circuito e transferências inter-core necessárias.

3. Principais Contribuições

1. Primeiro Estudo de Co-Design: Tanto quanto sabem os autores, este é o primeiro trabalho que otimiza conjuntamente o mapeamento F2Q, o escalonamento de Pauli e a alocação de qubits especificamente para kernels de simulação quântica em arquiteturas modulares.
2. Algoritmo Genético para Mapeamento: Uma abordagem novel de GA para otimizar mapeamentos de árvore ternária F2Q em relação ao custo de comunicação inter-core, indo além de codificações fixas como Jordan-Wigner ou Bravyi-Kitaev.
3. Síntese e Alocação Heurística: Um heurístico rápido para síntese de árvore de paridade e alocação de qubits adaptado para sequências de gadgets de Pauli, utilizando janelas de lookahead para minimizar a pressão de comunicação futura.
4. Framework Open-Source: Um framework acelerado por GPU (COSMA) para avaliar estas estratégias, disponível no repositório fornecido.

4. Resultados Experimentais

O framework foi avaliado em 14 cargas de trabalho moleculares (variando de 14 a 90 modos fermiônicos) usando uma arquitetura multi-core de grade 2D.

• Desempenho vs. Baselines: Comparado com baselines de estado da arte (mapeamentos fixos como JW, BK, PE, JKMN combinados com atribuição húngara e escalonamento padrão), o COSMA alcançou:
  • Uma redução mediana de 1.7× (redução de 59.7%) no custo de comunicação ao usar escalonamento inspirado em Gray.
  • Uma redução mediana de 1.4× (redução de 42.8%) ao usar ordenação por magnitude.
  • Até 2.5× de redução no custo de comunicação para cargas de trabalho específicas.
• Estudos de Ablação:
  • Impacto do Mapeamento: Otimizar apenas o mapeamento (com escalonamento/alocação fixos) resultou em uma melhoria mediana de 11.4% sobre o melhor mapeamento fixo, embora os ganhos tenham diminuído para sistemas maiores devido ao orçamento de busca fixo do GA.
  • Impacto do Escalonamento: O escalonamento inspirado em Gray superou significativamente a ordenação por magnitude (redução mediana de 46.0%) e a ordenação lexicográfica (redução mediana de 10.5%), confirmando que suavizar transições de suporte é crítico para sistemas modulares.
• Tempo de Execução: O framework é implementado em C++ com aceleração CUDA. A etapa de síntese-e-alocação é o gargalo, mas escala aproximadamente de forma quártica com o número de modos (impulsionado pelo número de termos de Pauli). O multi-threading e o CUDA forneceram acelerações de 5.0× e 9.4×, respectivamente, sobre a execução single-threaded.

5. Significância e Alegações

O artigo argumenta que o co-design cross-layer é essencial para uma simulação quântica eficiente e escalável em hardware multi-core. Os resultados demonstram que otimizar o mapeamento, o escalonamento e a alocação de forma isolada é suboptimal porque estas etapas estão fortemente acopladas; uma escolha suboptimal em uma etapa restringe as outras.

Os autores alegam que, ao visar explicitamente a comunicação inter-core através de um framework unificado, o COSMA reduz significativamente o overhead de comunicação que de outra forma dominaria o tempo de execução em computadores quânticos modulares. Esta abordagem fornece um caminho para escalar simulações quânticas para problemas quimicamente relevantes ao mitigar o principal gargalo de arquiteturas modulares.

6. Limitações e Trabalho Futuro

Os autores reconhecem várias limitações:

• Modelo de Custo: O modelo de custo de transferência é baseado na distância do caminho mais curto e não considera capacidades de link, congestionamento ou assimetrias de latência.
• Erro de Trotter: O framework não otimiza explicitamente o erro de Trotter introduzido pela reordenação de termos não comutativos, focando apenas na comunicação.
• Família de Mapeamento: A abordagem atual é restrita a mapeamentos PPTT (N modos para N qubits). Mapeamentos com diferentes razões de escala (por exemplo, baseados em códigos LDPC) ainda não foram explorados.
• Sobreposição de Pipeline: O objetivo minimiza a contagem de transferências sem considerar o potencial de sobrepor comunicação com computação local.

Trabalhos futuros incluem o refinamento do modelo de custo de hardware, a incorporação de trade-offs de erro de Trotter, a exploração de operadores evolutivos mais expressivos e a extensão do framework para outras topologias modulares e algoritmos variacionais.