Figur 1. Oversigt over simulering med datakomprimering. Kredit:EPiQC (Enabling Practical-scale Quantum Computation)/University of Chicago
Når du forsøger at fejlsøge kvantehardware og -software med en kvantesimulator, hver kvantebit (qubit) tæller. Hver simuleret qubit tættere på fysiske maskinstørrelser halverer kløften i computerkraft mellem simuleringen og den fysiske hardware. Imidlertid, hukommelseskravet til fuldtilstandssimulering vokser eksponentielt med antallet af simulerede qubits, og dette begrænser størrelsen af simuleringer, der kan køres.
Forskere ved University of Chicago og Argonne National Laboratory reducerede dette hul væsentligt ved at bruge datakomprimeringsteknikker til at passe til en 61-qubit-simulering af Grovers kvantesøgealgoritme på en stor supercomputer med 0,4 procent fejl. Andre kvantealgoritmer blev også simuleret med væsentligt flere qubits og kvanteporte end tidligere bestræbelser.
Klassisk simulering af kvantekredsløb er afgørende for bedre at forstå kvanteberegningens operationer og adfærd. Imidlertid, dagens praktiske fuldstatssimuleringsgrænse er 48 qubits, fordi antallet af kvantetilstandsamplituder, der kræves til den fulde simulering, stiger eksponentielt med antallet af qubits, gør fysisk hukommelse til den begrænsende faktor. Givet n qubits, videnskabsmænd har brug for 2^n amplituder for at beskrive kvantesystemet.
Der er allerede flere eksisterende teknikker, der bytter udførelsestid for hukommelsesplads. Til forskellige formål, folk vælger forskellige simuleringsteknikker. Dette arbejde giver endnu en mulighed i sættet af værktøjer til at skalere kvantekredsløbssimulering, anvendelse af tabsfri og tabsgivende datakomprimeringsteknikker på tilstandsvektorerne.
Figur 1 viser en oversigt over vores simuleringsdesign. Message Passing Interface (MPI) bruges til at udføre simuleringen parallelt. Hvis vi antager, at vi simulerer n-qubit-systemer og har r-rang i alt, tilstandsvektoren er delt ligeligt på r rækker, og hver partiel tilstandsvektor er opdelt i nb blokke på hver række. Hver blok er gemt i et komprimeret format i hukommelsen.
Figur 2 viser amplitudefordelingen i to forskellige benchmarks. "Hvis tilstandsamplitudefordelingen er ensartet, vi kan nemt få et højt kompressionsforhold med den tabsfrie kompressionsalgoritme, " sagde forsker Xin-Chuan Wu. "Hvis vi ikke kan få et pænt kompressionsforhold, vores simuleringsprocedure vil anvende fejlbegrænset tabsgivende komprimering for at handle simuleringsnøjagtighed for kompressionsforhold."
Figur 2. Værdiændringer af kvantekredsløbssimuleringsdata. (a) Dataværdien ændres inden for et interval. (b) Dataene udviser en høj spidshed og variation, således at kompressorer uden tab ikke kan fungere effektivt. Kredit:EPiQC (Enabling Practical-scale Quantum Computation)/ University of Chicago
Hele simuleringsrammerne i fuld tilstand med datakomprimering udnytter MPI til at kommunikere mellem beregningsknuder. Simuleringen blev udført på Theta-supercomputeren ved Argonne National Laboratory. Theta består af 4, 392 noder, hver node indeholder en 64-kernet Intel Xeon PhiTM processor 7230 med 16 gigabyte højbåndbredde in-package memory (MCDRAM) og 192 GB DDR4 RAM.
Hele papiret, "Fuldtilstands kvantekredsløbssimulering ved hjælp af datakomprimering, " blev udgivet af The International Conference for High Performance Computing, Netværk, Opbevaring, og Analyse (SC'19).