⚛️ quantum physics

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

本文提出了一种高可扩展性的全态矢量模拟算法及软件实现，该实现利用多达 16,384 个 CPU 核心和 512 个 NVIDIA H100 GPU 来高效地模拟量子时间演化，展示了相较于现有库的显著性能提升，并实现了针对 40 量子比特量子化学问题的精确 Trotter 误差分析。

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

发布于 2026-07-15

📖 1 分钟阅读🧠 深度阅读

CC BY 4.0

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

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

量子游乐场与终极秒表

想象一个世界，那里的计算机不仅仅是一个接一个地处理数字，而是同时探索一片广阔而闪烁的可能性的景观。这就是量子计算的领域。量子比特（或称“qubit”）不像是一个只有开或关两种状态的简单电灯开关，它更像是一个同时既是正面又是反面的旋转硬币。当你只有几个这样的旋转硬币时，普通计算机可以追踪它们。但随着你增加更多的硬币，可能的状态数量会发生爆炸式增长。拥有40个硬币时，其可能性的数量巨大到需要一整个比地球还要大的图书馆才能将它们全部记录下来。

由于制造这些神奇的量子机器极其困难且昂贵，科学家们需要一种方法在它们完工前对其进行测试。他们使用“经典模拟器”——即试图模仿量子计算机将会如何运作的超强大常规计算机。这就像是飞行员的飞行模拟器；在真正的飞机起飞之前，你需要测试软件以确保它不会坠毁。然而，模拟一台量子计算机就像是试图同时记录一场飓风中每一个原子的电影。这需要海量的内存和处理能力。科学家们一直追问的大问题是：“我们到底能在最好的超级计算机上模拟多大规模的量子系统，以及我们的预测有多准确？”

论文：量子时代的超强力模拟器

在这篇论文中，一个研究团队介绍了一种名为 phase2 的新型、高度优化的软件工具。你可以把 phase2 想象成一台专门为拍摄量子粒子复杂舞步而设计的、高速且高效的摄像机。虽然其他模拟器像是可能会在快速舞者面前力不从心的标准摄像机，但 phase2 旨在捕捉舞蹈的每一个步骤，即使舞者正在以惊人的速度旋转。

研究人员专注于一种特定类型的量子运动，称为“泡利旋转”（Pauli rotations）。如果你把量子态想象成一个巨大的、多维的魔方，那么这些旋转就是魔方进行的特定扭转和转动。团队意识到，通过专注于这些特定的扭转，他们可以构建一个更快的引擎。他们不仅仅是在编写代码；他们构建了一个可以同时在数千个计算机处理器上运行的系统，将这个巨大的魔方拆分成许多小块，并将每一块交给不同的工作人员（CPU 核心或 GPU）同时进行求解。

他们的发现：
团队在世界上一些最强大的超级计算机上对 phase2 进行了测试。他们利用 512 块 NVIDIA H100 GPU 和 32 TB 的内存，成功模拟了一个拥有 40 个量子比特 的量子系统。为了让你有个直观的概念，32 TB 的内存足以存储数百万部高清电影。他们还在 16,384 个 CPU 核心 上运行了模拟。

结果令人印象深刻。当他们将 phase2 与其他顶尖的模拟软件（如 QuEST）进行比较时，phase2 在处理大型任务时快了 10 到 100 倍。在最极端的测试案例中，它的速度提升了超过 800 倍。这种速度提升至关重要，因为它允许科学家在相同的时间内模拟更大的系统并进行更多的测试。

大型实验：检查“Trotter”误差
模拟这些系统的主要原因之一是检查用于化学领域的量子算法的准确性。想象一下，你想预测一个药物分子如何与蛋白质相互作用。你不能仅仅靠猜测；你需要模拟分子的能量。实现这一目标的常用方法叫做“Tтrotter 化”（Trotterization），它将一段漫长而复杂的旅程分解成许多微小的步骤。然而，每当你迈出一个微小的步伐，就会引入一点点误差（就像一个每英里都会产生轻微偏差的 GPS）。

研究人员使用 phase2 模拟了一个真实的化学问题：一个基于�配（ruthenium）的药物复合物（NKP-1339）与蛋白质的相互作用。他们模拟了这个系统（代表 20 个轨道）高达 40 个量子比特 的时间演化。通过运行这些模拟，他们可以精确测量“Trotter”方法引入了多少误差。

惊喜之处：
团队发现，数学家们使用的误差界限（即“最坏情况”的预测）通常是极其保守的。在他们的模拟中，实际误差比理论上限所暗示的要小约 100 倍。这是一个重大发现，因为它表明量子计算机可能能够以比之前认为的更少的资源和更低的复杂度来解决这些化学问题。对“最坏情况”的担忧可能被夸大了，通往实用量子化学的道路可能比我们预期的更加清晰。

他们是如何做到的：
phase2 的秘诀在于他们组织数据的一种巧妙技巧。他们没有将每一次旋转都视为一个独特的、困难的任务，而是找到了将相似的旋转组合在一起的方法。想象一下，如果你必须搬运 1,000 个箱子，而其中 500 个是完全一样的。与其一个接一个地搬运，不如一次性把它们全部搬走。phase2 在数学上实现了这一点，减少了需要在数千个处理器之间传输的数据量。这种“分组”策略正是他们能够实现如此巨大加速的原因。

底线结论：
这篇论文并不是声称已经制造出了一台完美的量子计算机或解决了所有的化学问题。相反，它提供了一个强大的新工具（phase2），让科学家能够以前所未有的规模和精度来模拟量子系统。通过展示这些模拟中的误差远小于严格的理论限制，作者们表明，我们或许能比保守的数学预测更早、更可靠地在未来的量子硬件上运行实用的量子化学实验。这提醒了我们，有时，“不可能”仅仅是一个关于寻找更快计数方法的问题。

技术摘要：大规模量子时间演化的全态矢量模拟

问题陈述

量子计算领域正趋于一个实际量子计算可能超越经典硬件的时代。然而，验证这些计算并基准测试量子优势需要优化的经典高性能模拟器。虽然存在近似方法（例如张量网络、稳定子分解），但它们会引入不可控误差或呈指数级缩放，使其不适用于对量子算法中未知误差进行严格验证。全态矢量模拟（Full-state vector simulation）存储了量子态的所有非零振幅，提供了数值精度，但面临着指数级的内存缩放问题（对于 $n$ 个量子比特为 $2^n$ ）。现有的模拟器（如 Qiskit、QuEST、cuQuantum）在处理特定电路结构（特别是涉及泡利旋转序列的结构，这在量子化学和物理学中十分常见）的大规模分布式模拟时，难以实现高效处理。

方法论

作者提出了 phase2，一种专为高性能计算（HPC）环境设计的全态矢量模拟算法及软件实现。该方法针对以泡利算符线性组合表示的哈密顿量（Hamiltonian）进行时间演化模拟，这种结构在量子化学（如 VQE、ADAPT-VQE）和优化（如 QAOA）中无处不在。

核心算法与优化

模拟器将 $n$ 个量子比特的状态 $|\psi\rangle$ 表示为一个连续的 $2^n$ 复数振幅数组。算法应用形式为 $e^{i\phi \tilde{P}}$ 的幺正变换，其中 $\tilde{P}$ 是一个泡利字符串（Pauli string）。关键优化包括：

分布式内存架构： 状态数组被均匀分配给 $M = 2^m$ 个 MPI 任务（CPU 核心或 GPU）。希尔伯特空间被划分为“低位”量子比特（对每个任务局部）和“高位”量子比特（分布在不同任务之间）。
高效的泡利旋转实现：
- 局部操作： 作用于低位量子比特的泡利字符串用两个 64 位整数表示。其作用通过最小的逻辑指令（AND、XOR、位奇偶校验）计算，使得处理速度与内存访问速度相当。
- 分布式操作： 涉及高位量子比特的操作需要 MPI 任务之间进行数据交换。作者利用泡利旋转的结构（ $e^{i\phi \tilde{P}} = \cos\phi I + i\sin\phi \tilde{P}$ ）将分布式更新简化为局部数组分区的成对交换。
旋转分组（公式 1）： 一项关键优化是将 $L$ 个共享高位量子比特公共后缀 $\tilde{Q}$ 的泡利旋转进行分组。利用恒等式：
$\prod_{l=1}^L e^{i\phi_l \tilde{P}_l \otimes \tilde{Q}} = \left(\prod_{l=1}^L e^{i\phi_l \tilde{P}_l} \otimes \frac{I + \tilde{Q}}{2}\right) + \left(\prod_{l=1}^L e^{-i\phi_l \tilde{P}_l} \otimes \frac{I - \tilde{Q}}{2}\right)$
这允许通过单次 MPI 任务间的成对数据交换来应用多个旋转，从而大幅降低了通信开销。
硬件实现： 该软件使用标准 C 语言编写，并使用 MPI 进行进程间通信，使用 HDF5 进行 I/O 操作。GPU 版本利用了针对 NVIDIA Hopper 架构（sm 90a）优化的定制 CUDA 内核，并采用 CUDA 统一内存模型（Unified Memory Model）实现 GPU 与 GPU 之间的直接通信。

实验设置

作者应用 phase2 模拟了一个用于药物-蛋白质结合口袋中�нее鲁烯配合物（NKP-1339）的哈密顿动力学。

哈密顿量准备： 系统采用混合 QM/QM/MM 嵌入协议建模。选择了 5 到 20 个轨道（10 到 40 个量子比特）的活性轨道空间。哈密顿量包含多达约 229,000 项。
模拟策略： 为了管理大量的项，使用了部分随机乘积公式。高权重项采用确定性处理，而低权重项则进行随机采样。
硬件： 模拟在两个 HPC 设施上运行：
- Euler (ETH Zürich)： 高达 16,384 个 AMD EPYC CPU 核心和 8 TB 内存（用于 36 量子比特模拟）。
- Gefion (DCAI)： 高达 512 个 NVIDIA H100 GPU，分布在 64 个 DGX 节点和 32 TB 内存中（用于 40 量子比特模拟）。

关键结果

可扩展性与性能

弱扩展性（Weak Scaling）： 模拟速度（每核心每秒旋转次数）与问题规模（ $2^n$ ）成反比，表明在处理最大模拟系统时，状态分布是高效的。
强扩展性（Strong Scaling）： 对于固定的问题规模，增加资源可实现对数-对数尺度上的近线性加速。
与 QuEST 的比较： phase2 显著优于 QuEST 库（版本 3.7.0）。
- 对于单次旋转（ $L=1$ ），加速比在 1 倍至 10 倍之间。
- 对于分组旋转（ $L=100$ ），加速比在 10 倍至 800 倍以上（例如，在 8 个 GPU 上处理 29 个量子比特时，加速比为 801.95 倍）。
- 性能差距归功于 phase2 对分组泡利旋转的特定优化以及高效的多 GPU 同步机制，而 QuEST 则缺乏这些特性。

Trotter 误差分析

主要科学应用是经验性地界定量子化学中哈密顿量模拟的 Trotter 误差（ $C_{gs}$ ）。

经验值 vs 理论界限： 研究计算了高达 32 个量子比特（16 个轨道）系统的 Trotter 误差因子 $C_{gs}$ 。研究发现，经验推导出的值比严格的解析上限大约小 100 倍。
意义： 这表明基于严格界限的量子算法成本估算过于保守。
大规模验证： 作者成功使用 512 个 H100 GPU 模拟了 40 个量子比特（20 个轨道）系统的随时间演化。虽然在该规模下进行全相位估计在计算上是不可行的，但时间演化的模拟产生了非零且符合物理规律的振幅，验证了最大分析案例中实现的正确性。

重要性与主张

论文声称 phase2 代表了经典模拟量子时间演化能力的重大进步：

基准测试能力： 它通过提供不含近似方法固有误差的数值精度，为量子算法和近似经典模拟器提供了严谨的基准测试工具。
可扩展性： 它证明了利用现代 HPC 资源（32 TB RAM, 512 GPUs），全态矢量模拟可以扩展到 40 个量子比特，这一领域此前对于复杂的化学哈密顿量精确模拟是难以企及的。
优化量子化学算法： 通过经验性地展示 Trotter 误差显著低于理论界限，这项工作表明，基于最坏情况分析的量子化学模拟（特别是基态能量估计）的资源需求可能比目前预测的要低。
软件贡献： 发布 phase2（基于 BSD-3-Clause 开源）及其相关数据，为模拟由泡利旋转主导的电路提供了一个专门的高性能库，填补了通用模拟器与变分及哈密顿量模拟算法特定需求之间的空白。

作者总结道，尽管由于指数级缩放，态矢量模拟的量子比特数量仍然受到限制，但像 phase2 这样优化的实现，是验证量子算法并探索近期量子优势边界的重要工具。