Parallelizing the Variational Quantum Eigensolver: From JIT Compilation to Multi-GPU Scaling
本文表明，通过即时编译（JIT compilation）、提前停止（early stopping）和热启动（warm starts）等技术，结合在 ERAU Vega 集群上的多 GPU 和 MPI 并行化处理，对氢分子的变分量子特征值求解器（VQE）进行优化，可以显著减少运行时间和迭代次数，并能有效地扩展至 29 个量子比特。
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
化学是研究原子如何粘合在一起以构成我们周围世界的科学，从我们呼吸的空气到手机中的材料。几十年来，科学家们一直试图通过计算电子的能量来精确预测这些原子的行为。最准确的方法是求解一组描述每个电子运动的海量方程。然而，一旦分子变得稍显复杂，所需的计算量就会呈爆炸式增长，其增长速度之快，使得即使是世界上最强大的超级计算机也无法完成这项工作。这就是一种被称为“变分量子特征值求解器”（Variational Quantum Eigensolver）的新方法发挥作用的地方。该方法并非试图一次性解决整个问题，而是使用了一个混合团队：量子计算机（或其模拟器）准备出分子的形状猜想，而经典计算机则检查这个猜想有多好，并对其进行微调，使其更接近真实答案。这是一个重复数千次的试错过程，直到能量降至最低。了解如何使这一过程更快、更高效至关重要，因为如果我们能够精确计算分子能量，我们就能在无需先在实验室中进行构建的情况下，设计出更好的药物、更高效的电池和新材料。
埃默里-里德尔航空大学（Embry-Riddle Aeronautical University）的研究人员致力于测试这种方法对于现存最简单的分子——由仅两个原子组成的氢气——的效果如何。他们希望观察是否可以绘制出这两个原子之间一百种不同距离下的分子能量图谱，这项任务揭示了分子是如何结合以及最终如何解体的。为此，他们使用了一个配备了四个高端图形处理器（GPU）的强大计算机集群，这些芯片与先进游戏电脑中使用的同类芯片相同，但经过了科学计算级的规模化提升。他们运行了四种不同的计算方式，以观察哪种方法最快。第一种是标准的、缓慢的方法，作为基准。第二种使用了编译代码的技术，使计算机运行得更高效。第三种将繁重的工作转移到了图形处理器上。第四种则是将工作同时分配给许多处理器。
结果显示，最大的收益并非来自于单纯提高计算机在每一步上的工作速度，而是来自于让计算机更聪明地判断何时停止。通过调整计算设置，研究人员将找到答案所需的步骤从三万步减少到了仅七千多步。仅这一项改变就将绘制分子能量图谱的总时间从近十分钟缩短到了不到两分半钟。研究人员发现，他们使用的特定设置——例如，使用前一个计算的答案作为每一次新计算的起点，而不是从头开始——比硬件本身更为重要。当他们观察执行单步计算所需的时间时，发现慢速方法与快速方法之间的差异非常小，这证明了提速源于减少了步骤数量，而非通过在极短时间内完成每一步来实现。
当研究人员尝试在图形处理器上运行计算时，他们看到了另一种形式的改进。图形处理器能够比标准处理器更快地完成每一个单独的步骤，但由于计算需要更多步骤才能收敛到答案，其总时间并不如优化后的标准方法那样理想。这凸显了一个关键教训：如果软件没有经过调优以高效利用硬件，那么拥有更快的硬件也无济于事。研究人员还测试了将工作同时分配给多个处理器的情形。他们发现，虽然使用更多处理器时总时间显著下降，但由于分配给不同计算机的资源量不同，因此无法直接将其与单处理器运行进行比较。这意味着他们无法得出具体的加速比，但他们确实确认了该方法在大型机器上具有足够的扩展性，足以投入使用。
为了观察这种方法在更大、更复杂分子上的表现，团队进行了另一项测试，其模拟范围涵盖了从4个到26个量子比特（即量子系统中的基本信息单位）的大小。在这些测试中，图形处理器的速度比标准处理器快得多，在最大规模时甚至快了高达81倍。然而，研究人员谨慎地指出，这种比较涉及两种不同的软件设置，而不仅仅是两种不同的硬件。在单个图形卡上的最快设置可以处理拥有29个量子比特的模拟，但在尝试推向30个时便因内存不足而失败。这表明，尽管这些机器功能强大，但在模拟极大型量子系统时仍存在物理极限。
最终，这项研究为如何使这些量子化学模拟变得实用提供了清晰的蓝图。最有效的策略不仅是购买更快的计算机，而是精炼用于引导搜索过程的数学配方。通过在答案足够好时提前终止计算、使用更大的步长向解靠近，以及将前一个答案作为下一个计算的起点，研究人员实现了时间的巨大缩减。他们还证明了，虽然图形处理器在处理大型问题时提供了惊人的速度，但只有当软件专门针对其进行设计时，其全部潜力才能被释放。这项工作证实了对于简单分子，该方法可以以惊人的精度找到精确能量，并为如何将这些计算扩展到驱动未来科学发现的更复杂分子方面提供了路线图。
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。