← 最新论文
⚛️ 量子物理

Efficient simulation of variational quantum circuits: representation, accuracy and CPU/GPU allocation

本文通过在 CPU 和 GPU 系统上对比基于门(gate-based)的状态矢量、直接保利演化(direct Pauli evolution)以及矩阵乘积态(matrix product state)模拟方法在变分量子电路中的表现,旨在建立一套能够根据电路特性和精度约束,对表示、精度及资源分配进行联合优化的流程。

原作者: Vojtěch Novák, Radovan Rečka, Ondřej Knebl, Ivan Zelinka

发布于 2026-11-19
📖 1 分钟阅读🧠 深度阅读

原作者: Vojtěch Novák, Radovan Rečka, Ondřej Knebl, Ivan Zelinka

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

在构建实用量子计算机的竞赛中,科学家们面临着一个奇特的悖论:为了知道一台新机器是否真正强大,他们必须首先能够利用我们现有的旧式经典计算机来模拟其行为。这种模拟起到了至关重要的测试场作用,使研究人员能够验证软件并建立衡量量子优势究竟为何样的基准。挑战在于这项任务极其复杂。量子计算机并不像标准笔记本电脑那样将信息存储在简单的开/关开关中;相反,它操纵着一个庞大且不断变化的概率云。要在经典计算机上模仿这一点,研究人员必须同时追踪系统的每一个可能状态。随着量子比特(qubits)数量的增加,描述该系统所需的信息量会呈爆炸式增长,迅速压垮即使是最强大的超级计算机。问题不仅在于模拟是否可行,还在于如何高效地执行模拟以使其具有实用价值,即如何在计算速度、内存限制与对极端数值精度需求之间取得平衡。

一个研究小组致力于通过测试不同模拟方法在各种量子电路设计下的表现,来解决这一物流难题。他们不仅仅是询问哪台计算机最快;相反,他们将模拟视为一项复杂的任务,可以根据要解决的具体问题类型以多种不同的方式来完成。他们比较了三种主要的量子态表示方法:一种是存储每一个可能性的稠密方法;一种是通过特定的数学字符串来追踪状态变化的方法;以及一种通过利用系统中某些部分连接性较弱的特性来压缩数据的方法。他们在标准中央处理器(CPU)和专门的图形处理器(GPU)上运行了这些模拟,并改变了电路的大小、操作的深度以及所用数字的精度。他们的目标是为选择合适的工具而非盲目假设某种方法始终胜出而制定一份实用的指南。

研究人员发现,最佳方法完全取决于问题的结构。在模拟涉及长链复杂相互作用的分子系统时,最高效的方法是避免将操作分解为微小的标准步骤。相反,一次性应用整个数学变换被证明更为快速,尤其是在强大的中央处理器上运行时。在这些情况下,执行这些直接更新的专门软件比标准的、经过高度优化的基于门(gate-based)的模拟器要快得多。然而,当团队研究自旋模型和硬件高效型电路(这类电路通常更宽但连接度较低)时,情况发生了彻底的变化。对于这些问题,旨在处理大规模并行数据的图形处理器提供了显著的加速。在一次涉及二十八个量子比特电路的具体测试中,图形处理器的完成速度比性能最佳的多线程中央处理器配置快了近三十倍。

研究还表明,仅仅向问题投入更多硬件并不总是解决之道。研究人员发现,最高效的设置通常涉及在不同的工作节点上同时运行许多独立的模拟,而不是试图将单个大型模拟拆分到多个处理器上。这种方法最大化了每秒完成的计算总数,这对于需要进行数千次重复评估的变分算法来说通常更为重要。他们还检查了速度与精度之间的权衡。使用较低的数值精度(这可以加快计算速度)有时会引入微小的误差。然而,团队发现对于某些类型的电路,这些误差可以在事后进行修正,且只要最终结果经过严格容差检查,就不会抵消速度带来的益处。对于其他更复杂的电路,无论速度提升多少,低精度都无法达到足够的准确度。

或许最令人惊讶的发现是,量子电路的大小本身并不决定其模拟难度。一个量子比特较少但内部结构非常复杂的电路,其模拟时间可能比一个规模更大但模式简单重复的电路更长。研究人员展示了量子门的特定排列方式以及所建模物理系统的性质,是比原始量子比特数量更佳的模拟成本预测指标。他们开发了一套程序,允许用户输入其特定的电路和约束条件(如可用内存和时间限制),并获得一份最高效配置的排名列表。该列表不仅考虑了计算的原始速度,还考虑了启动模拟所需的时间以及持有数据所需的内存。

最终,这项工作为在量子模拟领域中航行提供了清晰的路线图。它证明了不存在适用于所有任务的单一“最佳”模拟器。相反,最优的选择是表示方法、硬件架构以及工作负载分配方式的精妙结合。对于分子化学问题,中央处理器上的直接数学更新更为优越。对于更广泛、纠缠度较低的电路,图形处理器表现出色。而对于量子态可以被压缩的问题,专门的张量网络方法提供了一种模拟原本无法处理的系统的方法。通过将正确的工具与问题的特定结构相匹配,研究人员可以从现有硬件中榨取最大的性能,确保经典模拟在未来量子技术的发展过程中始终作为可靠的伙伴。

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。

试用 Digest →