Lazy Qubit Reordering for Accelerating Parallel State-Vector-based Quantum Circuit Simulation
本文提出了两种利用时空平铺（time-space tiling）和对角化（diagonalization）技术来最小化多 GPU 态矢量模拟中量子比特重排序通信开销的乱序量子操作调度方法，与传统的顺序方法相比，在量子态更新方面实现了高达 54 倍的加速，在期望值计算方面实现了高达 1,657 倍的加速。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
要理解这些研究人员所面临的挑战，必须首先了解他们试图模拟的量子计算机的本质。与我们口袋里和办公室里的经典计算机不同（后者使用非零即一的比特来处理信息），量子计算机使用的是量子比特，或称作量子比特（qubits）。这些量子比特可以同时处于零和一的复杂叠加态。要在标准计算机上模拟这样的机器，科学家必须追踪这些量子比特所有可能组合的概率。随着量子比特数量的增加，描述该系统所需的信息量会呈爆炸式增长，每增加一个量子比特，所需信息量就会翻倍。仅仅模拟三十个量子比特就需要足以填满一个大容量硬盘的内存，而三十六个量子比特则需要一台超级计算机的内存。由于没有单台机器拥有足够存储这些大型系统的内存，科学家必须将工作分配到许多处理器（通常是显卡）上进行并行处理。
然而，拆分工作会产生一个新的问题。信息的划分方式取决于计算机下一步需要对哪些量子比特进行操作。如果模拟需要操作一个当前存储在不同处理器上的量子比特，数据就必须在整个系统中进行搬运。这种被称为“重排”（reordering）的搬运过程，在时间和能量消耗方面都极其昂贵。在许多大规模模拟中，用于移动数据的时间可能会消耗掉总运行时间的一半以上，导致实际的计算任务只能在排队等待。大阪大学的研究人员致力于解决这一瓶颈，他们并非通过制造更快的硬件，而是通过改变模拟步骤执行的顺序来解决问题。
该团队专注于测试量子算法时发生的两个关键任务：更新量子系统的状态以及计算测量值的预期结果。在标准方法中，这些任务按严格的线性顺序执行。如果下一步需要不同的数据排列方式，计算机就会停止，重新排列数据，然后继续进行。研究人员意识到，这种僵化的顺序是不必要的。通过预先查看整个操作列表，他们可以重新排列序列，将使用相同数据排列方式的步骤组合在一起。这使得计算机可以连续执行多次计算，而无需停下来重新排列数据。他们称之为“延迟重排”（deferred reordering），因为这种方法特意延迟了数据移动，直到绝对必要时，或者直到可以将数据移动与其他移动合并为一次更大的重排为止。
为了在由不同类型线缆连接的计算机集群上高效地实现这一目标，该团队开发了两种特定的策略。第一种策略称为“平铺”（flat tiling），适用于所有计算机连接速度相等的情况。它将操作分组为“块”或“瓦片”（tiles），其中数据排列保持不变。第二种策略是“层级化平铺”（hierarchical tiling），专为那些同一机架内的计算机通过极快线缆连接、而不同机架之间连接较慢的系统而设计。这种方法优先考虑将数据移动限制在快速的本地连接内，即使这意味着要进行更多次的总重排。其逻辑在于，几次快速的本地重排比一次跨越整个网络的缓慢重排要廉价得多。
他们的实验结果令人瞩目。当他们在拥有三十二块图形处理单元（GPU）的系统上测试该方法时，提升非常显著。对于更新量子状态的任务，他们的新调度方法使模拟速度比传统的线性方法快了五十四倍。对于计算预期结果的任务，提速效果更为惊人，达到了一千六百五十七倍。在传统方法中，计算机大部分时间都在等待数据移动；而在新方法中，它大部分时间都在进行计算。研究人员还发现，规划这种新操作顺序所需的时间微乎其微，与模拟本身可能耗费的数小时相比，仅占不到一秒钟。
这项工作不仅为运行单个测试提供了一种更快速的方法，还为模拟更大规模的量子系统打开了大门。通过减少在数据移动上的时间浪费，研究人员证明了现有的超级计算机可以更有效地用于验证量子算法。他们的研究结果表明，当前量子模拟的局限性不仅在于原始内存容量，还在于如何高效地访问这些内存。通过仅仅重新思考操作的顺序，他们解锁了一个性能水平，使科学家能够以以前无法企及的细节水平来探索复杂的分子和化学反应。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。