Figure 1. Présentation de la simulation avec compression de données. Crédit :EPiQC (Enabling Practical-scale Quantum Computation)/Université de Chicago
Lorsque vous essayez de déboguer du matériel et des logiciels quantiques avec un simulateur quantique, chaque bit quantique (qubit) compte. Chaque qubit simulé plus proche de la taille des machines physiques réduit de moitié l'écart de puissance de calcul entre la simulation et le matériel physique. Cependant, l'exigence de mémoire de la simulation à l'état complet augmente de façon exponentielle avec le nombre de qubits simulés, et cela limite la taille des simulations qui peuvent être exécutées.
Des chercheurs de l'Université de Chicago et du Laboratoire national d'Argonne ont considérablement réduit cet écart en utilisant des techniques de compression de données pour ajuster une simulation de 61 qubits de l'algorithme de recherche quantique de Grover sur un grand superordinateur avec une erreur de 0,4%. D'autres algorithmes quantiques ont également été simulés avec beaucoup plus de qubits et de portes quantiques que les efforts précédents.
La simulation classique des circuits quantiques est cruciale pour mieux comprendre les opérations et les comportements du calcul quantique. Cependant, la limite pratique de simulation à l'état complet d'aujourd'hui est de 48 qubits, parce que le nombre d'amplitudes d'états quantiques requises pour la simulation complète augmente de façon exponentielle avec le nombre de qubits, faisant de la mémoire physique le facteur limitant. Étant donné n qubits, les scientifiques ont besoin de 2^n amplitudes pour décrire le système quantique.
Il existe déjà plusieurs techniques existantes qui échangent le temps d'exécution contre de l'espace mémoire. À des fins différentes, les gens choisissent différentes techniques de simulation. Ce travail fournit une option supplémentaire dans l'ensemble d'outils pour mettre à l'échelle la simulation de circuits quantiques, appliquer des techniques de compression de données sans perte et avec perte aux vecteurs d'état.
La figure 1 montre un aperçu de notre conception de simulation. L'interface de passage de messages (MPI) est utilisée pour exécuter la simulation en parallèle. En supposant que nous simulons des systèmes à n-qubits et que nous ayons r rangs au total, le vecteur d'état est divisé également sur r rangs, et chaque vecteur d'état partiel est divisé en nb blocs sur chaque rang. Chaque bloc est stocké dans un format compressé dans la mémoire.
La figure 2 montre la distribution d'amplitude dans deux repères différents. "Si la distribution d'amplitude d'état est uniforme, nous pouvons facilement obtenir un taux de compression élevé avec l'algorithme de compression sans perte, " a déclaré le chercheur Xin-Chuan Wu. " Si nous ne pouvons pas obtenir un bon taux de compression, notre procédure de simulation adoptera une compression avec perte liée à l'erreur pour échanger la précision de la simulation contre le taux de compression."
Figure 2. Changements de valeur des données de simulation de circuit quantique. (a) La valeur des données change dans une plage. (b) Les données présentent une irrégularité et une variance élevées telles que les compresseurs sans perte ne peuvent pas fonctionner efficacement. Crédit :EPiQC (Enabling Practical-scale Quantum Computation)/ Université de Chicago
L'ensemble du cadre de simulation à état complet avec compression de données utilise MPI pour communiquer entre les nœuds de calcul. La simulation a été réalisée sur le supercalculateur Theta du Laboratoire national d'Argonne. Theta se compose de 4, 392 nœuds, chaque nœud contenant un processeur Intel Xeon PhiTM à 64 cœurs 7230 avec 16 gigaoctets de mémoire intégrée à bande passante élevée (MCDRAM) et 192 Go de RAM DDR4.
Le papier complet, "Simulation de circuits quantiques à état complet en utilisant la compression de données, " a été publié par The International Conference for High Performance Computing, La mise en réseau, Espace de rangement, et Analyse (SC'19).
