論文の概要: Efficient techniques to GPU Accelerations of Multi-Shot Quantum Computing Simulations

• arxiv url: http://arxiv.org/abs/2308.03399v1
• Date: Mon, 7 Aug 2023 08:32:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-08 14:33:28.141266
• Title: Efficient techniques to GPU Accelerations of Multi-Shot Quantum Computing Simulations
• Title（参考訳）: マルチショット量子コンピュータシミュレーションのgpu高速化のための効率的な手法
• Authors: Jun Doi, Hiroshi Horii, Christopher Wood
• Abstract要約: 現在の量子コンピュータは、コンピュータリソース、ハードウェアの限界、不安定性、ノイズのために制限されている。 古典コンピュータにおける量子コンピューティングシミュレーションの性能の向上は、量子コンピュータとそのアルゴリズムの開発に寄与する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quantum computers are becoming practical for computing numerous applications. However, simulating quantum computing on classical computers is still demanding yet useful because current quantum computers are limited because of computer resources, hardware limits, instability, and noises. Improving quantum computing simulation performance in classical computers will contribute to the development of quantum computers and their algorithms. Quantum computing simulations on classical computers require long performance times, especially for quantum circuits with a large number of qubits or when simulating a large number of shots for noise simulations or circuits with intermediate measures. Graphical processing units (GPU) are suitable to accelerate quantum computer simulations by exploiting their computational power and high bandwidth memory and they have a large advantage in simulating relatively larger qubits circuits. However, GPUs are inefficient at simulating multi-shots runs with noises because the randomness prevents highly parallelization. In addition, GPUs have a disadvantage in simulating circuits with a small number of qubits because of the large overheads in GPU kernel execution. In this paper, we introduce optimization techniques for multi-shot simulations on GPUs. We gather multiple shots of simulations into a single GPU kernel execution to reduce overheads by scheduling randomness caused by noises. In addition, we introduce shot-branching that reduces calculations and memory usage for multi-shot simulations. By using these techniques, we speed up x10 from previous implementations.
• Abstract（参考訳）: 量子コンピュータは多くのアプリケーションを計算するために実用的になりつつある。 しかし、現在の量子コンピュータは、コンピュータリソース、ハードウェアの限界、不安定性、ノイズのために制限されているため、従来のコンピュータ上での量子コンピューティングのシミュレーションはまだ有用である。 古典コンピュータにおける量子コンピューティングシミュレーションの性能の向上は、量子コンピュータとそのアルゴリズムの開発に寄与する。 古典的コンピュータ上の量子コンピューティングシミュレーションは、特に多くの量子ビットを持つ量子回路や、ノイズシミュレーションや中間測度を持つ回路の多数のショットをシミュレートする場合に、長いパフォーマンス時間を必要とする。 グラフィック処理ユニット(gpu)は、計算能力と高帯域幅メモリを利用して量子コンピュータシミュレーションを加速するのに適しており、比較的大きな量子ビット回路をシミュレートする大きな利点がある。 しかし、ランダム性は高い並列化を妨げるため、マルチショットのシミュレーションではノイズを伴う。 さらにGPUは、GPUカーネルの実行のオーバーヘッドが大きいため、少数の量子ビットを持つ回路をシミュレートすることに不利がある。 本稿では,GPU上でのマルチショットシミュレーションのための最適化手法を提案する。 複数のシミュレーションのショットを単一のgpuカーネル実行に集め、ノイズによるランダム性をスケジューリングすることでオーバーヘッドを削減する。 さらに,マルチショットシミュレーションにおける計算量とメモリ使用量を削減するショットブランチを導入する。 これらの手法を用いることで、以前の実装から x10 を高速化する。

関連論文リスト

• Simulation of Quantum Computers: Review and Acceleration Opportunities [0.0]
  量子コンピューティングは、現在の古典的コンピュータでは合理的に解決できない複雑な問題を解くことで、複数の分野に革命をもたらす可能性がある。 現在、量子アルゴリズムを開発し、テストする最も実践的な方法は、量子コンピュータの古典的なシミュレータを使うことである。 このレビューでは、量子コンピュータのコンポーネントの概要、これらのコンポーネントと量子コンピュータ全体をシミュレートできるレベル、および異なる最先端の加速アプローチの分析について紹介する。
  論文  参考訳（メタデータ） (2024-10-16T15:19:12Z)
• Parallelizing quantum simulation with decision diagrams [2.5999037208435705]
  古典的コンピュータは量子アルゴリズムのシミュレーションにおいて重要な障害に直面している。 量子状態はヒルベルト空間に存在し、その大きさは指数関数的に増加する。 本研究は、決定図演算を並列化するいくつかの戦略、特に量子シミュレーションについて検討する。
  論文  参考訳（メタデータ） (2023-12-04T02:00:24Z)
• Recompilation-enhanced simulation of electron-phonon dynamics on IBM Quantum computers [62.997667081978825]
  小型電子フォノン系のゲートベース量子シミュレーションにおける絶対的資源コストについて考察する。 我々は、弱い電子-フォノン結合と強い電子-フォノン結合の両方のためのIBM量子ハードウェアの実験を行う。 デバイスノイズは大きいが、近似回路再コンパイルを用いることで、正確な対角化に匹敵する電流量子コンピュータ上で電子フォノンダイナミクスを得る。
  論文  参考訳（メタデータ） (2022-02-16T19:00:00Z)
• TensorLy-Quantum: Quantum Machine Learning with Tensor Methods [67.29221827422164]
  PyTorch APIを採用した量子回路シミュレーションのためのPythonライブラリを作成します。 Ly-Quantumは、単一のGPU上で数百のキュービット、複数のGPU上で数千のキュービットにスケールすることができる。
  論文  参考訳（メタデータ） (2021-12-19T19:26:17Z)
• Parallel Simulation of Quantum Networks with Distributed Quantum State Management [56.24769206561207]
  我々は、量子ネットワークの並列シミュレーションの要件を特定し、最初の並列離散事象量子ネットワークシミュレータを開発する。 コントリビューションには、複数のプロセスに分散した共有量子情報を維持する量子状態マネージャの設計と開発が含まれています。 既存のシーケンシャルバージョンと並行してオープンソースツールとして,並列SeQUeNCeシミュレータをリリースする。
  論文  参考訳（メタデータ） (2021-11-06T16:51:17Z)
• An Algebraic Quantum Circuit Compression Algorithm for Hamiltonian Simulation [55.41644538483948]
  現在の世代のノイズの多い中間スケール量子コンピュータ(NISQ)は、チップサイズとエラー率に大きく制限されている。 我々は、自由フェルミオンとして知られる特定のスピンハミルトニアンをシミュレーションするために、量子回路を効率よく圧縮するために局所化回路変換を導出する。 提案した数値回路圧縮アルゴリズムは、後方安定に動作し、$mathcalO(103)$スピンを超える回路合成を可能にするスピンの数で3次スケールする。
  論文  参考訳（メタデータ） (2021-08-06T19:38:03Z)
• Fast quantum circuit simulation using hardware accelerated general purpose libraries [69.43216268165402]
  CuPyは、GPUベースの量子回路向けに開発された汎用ライブラリ(線形代数)である。 上位回路の場合、スピードアップは約2倍、量子乗算器の場合、最先端のC++ベースのシミュレータと比べて約22倍である。
  論文  参考訳（メタデータ） (2021-06-26T10:41:43Z)
• Cache Blocking Technique to Large Scale Quantum Computing Simulation on Supercomputers [0.0]
  我々は,スワップゲートを量子回路に挿入することで,データ移動を減らすキャッシュブロッキング手法を適用した。 我々はオープンソースのシミュレーションフレームワークであるQiskit Aerにこのテクニックを実装した。
  論文  参考訳（メタデータ） (2021-02-05T02:03:44Z)
• Quantum walk processes in quantum devices [55.41644538483948]
  グラフ上の量子ウォークを量子回路として表現する方法を研究する。 提案手法は,量子ウォークアルゴリズムを量子コンピュータ上で効率的に実装する方法である。
  論文  参考訳（メタデータ） (2020-12-28T18:04:16Z)
• Faster Schr\"odinger-style simulation of quantum circuits [2.0940228639403156]
  GoogleとIBMによる超伝導量子コンピュータの最近のデモンストレーションは、量子アルゴリズムの新たな研究を加速させた。 我々は、レイヤシミュレーションアルゴリズムにおいて、スタンドアローンおよびビルディングブロックとして有用な量子回路のSchr"odingerスタイルのシミュレーションを前進させる。
  論文  参考訳（メタデータ） (2020-08-01T08:47:24Z)
• Intel Quantum Simulator: A cloud-ready high-performance simulator of quantum circuits [0.0]
  我々は、qHiPSTERとして知られていたIntel Quantum Simulator(IQS)の最新リリースを紹介する。 このソフトウェアの高性能コンピューティング能力により、ユーザーは利用可能なハードウェアリソースを活用できる。 IQSは計算資源を分割し、関連する回路のプールを並列にシミュレートする。
  論文  参考訳（メタデータ） (2020-01-28T19:00:25Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。