論文の概要: CUAOA: A Novel CUDA-Accelerated Simulation Framework for the QAOA
- arxiv url: http://arxiv.org/abs/2407.13012v2
- Date: Thu, 19 Dec 2024 11:11:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-20 13:27:02.708690
- Title: CUAOA: A Novel CUDA-Accelerated Simulation Framework for the QAOA
- Title(参考訳): CUAOA:QAOAのための新しいCUDA加速シミュレーションフレームワーク
- Authors: Jonas Stein, Jonas Blenninger, David Bucher, Peter J. Eder, Elif Çetiner, Maximilian Zorn, Claudia Linnhoff-Popien,
- Abstract要約: 量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm, QAOA)は、最適化問題の近似解を見つけるために設計された顕著な量子アルゴリズムである。
既存の最先端のシミュレーションフレームワークは、長い実行時間や包括的な機能が欠如している。
ランタイム・ザ・アート・ツールキットを用いたGPUアクセラレーションQAOAシミュレーションフレームワークを開発した。
- 参考スコア(独自算出の注目度): 3.757262277494307
- License:
- Abstract: The Quantum Approximate Optimization Algorithm (QAOA) is a prominent quantum algorithm designed to find approximate solutions to combinatorial optimization problems, which are challenging for classical computers. In the current era, where quantum hardware is constrained by noise and limited qubit availability, simulating the QAOA remains essential for research. However, existing state-of-the-art simulation frameworks suffer from long execution times or lack comprehensive functionality, usability, and versatility, often requiring users to implement essential features themselves. Additionally, these frameworks are primarily restricted to Python, limiting their use in safer and faster languages like Rust, which offer, e.g., advanced parallelization capabilities. In this paper, we develop a GPU accelerated QAOA simulation framework utilizing the NVIDIA CUDA toolkit. This framework offers a complete interface for QAOA simulations, enabling the calculation of (exact) expectation values, direct access to the statevector, fast sampling, and high-performance optimization methods using an advanced state-of-the-art gradient calculation technique. The framework is designed for use in Python and Rust, providing flexibility for integration into a wide range of applications, including those requiring fast algorithm implementations leveraging QAOA at its core. The new framework's performance is rigorously benchmarked on the MaxCut problem and compared against the current state-of-the-art general-purpose quantum circuit simulation frameworks Qiskit and Pennylane as well as the specialized QAOA simulation tool QOKit. Our evaluation shows that our approach outperforms the existing state-of-the-art solutions in terms of runtime up to multiple orders of magnitude. Our implementation is publicly available at https://github.com/JFLXB/cuaoa and Zenodo.
- Abstract(参考訳): 量子近似最適化アルゴリズム(Quantum Approximate Optimization Algorithm、QAOA)は、古典的なコンピュータでは難しい組合せ最適化問題の近似解を見つけるために設計された、卓越した量子アルゴリズムである。
量子ハードウェアがノイズや量子ビットの可用性に制約されている現代では、QAOAをシミュレートすることが研究に不可欠である。
しかし、既存の最先端のシミュレーションフレームワークは、長い実行時間や包括的な機能、ユーザビリティ、汎用性を欠いているため、ユーザ自身が必須の機能を実装する必要がしばしばあります。
さらに、これらのフレームワークは主にPythonに限定されており、Rustのような高度な並列化機能を提供する安全で高速な言語での使用を制限する。
本稿ではNVIDIA CUDAツールキットを用いたGPU高速化QAOAシミュレーションフレームワークを開発する。
このフレームワークはQAOAシミュレーションのための完全なインタフェースを提供し、予測値の計算、状態ベクトルへの直接アクセス、高速サンプリング、最先端の勾配計算技術を用いた高性能最適化を可能にする。
このフレームワークはPythonとRustでの使用用に設計されており、コアでQAOAを活用する高速なアルゴリズム実装を必要とするものなど、幅広いアプリケーションに統合するための柔軟性を提供する。
新しいフレームワークのパフォーマンスはMaxCut問題に対して厳格にベンチマークされ、現在最先端の汎用量子回路シミュレーションフレームワークであるQiskitとPennylaneと、特別なQAOAシミュレーションツールであるQOKitと比較される。
評価の結果,提案手法は,実行時から最大で複数桁まで,既存の最先端のソリューションよりも優れていることがわかった。
我々の実装はhttps://github.com/JFLXB/cuaoaとZenodoで公開されています。
関連論文リスト
- Parameter Setting Heuristics Make the Quantum Approximate Optimization Algorithm Suitable for the Early Fault-Tolerant Era [3.734751161717204]
量子近似最適化アルゴリズム(QAOA)は、最も有望な量子最適化の1つである。
QAOAにおけるパラメータ設定の最近の進歩は、QAOAを用いたFTQC実験を現実的に実現している。
論文 参考訳(メタデータ) (2024-08-18T16:48:14Z) - Fast Simulation of High-Depth QAOA Circuits [10.778538580079365]
量子近似最適化アルゴリズム(QAOA)のシミュレータを提案する。
本シミュレータはQAOAパラメータ最適化の計算コストを削減することを目的として設計されている。
cuQuantumをベースとした最先端のGPU量子回路シミュレータと比較して,典型的なQAOAパラメータ最適化の時間を,$n = 26$ qubitsで11倍に短縮する。
論文 参考訳(メタデータ) (2023-09-09T17:01:29Z) - Qubit efficient quantum algorithms for the vehicle routing problem on
NISQ processors [48.68474702382697]
時間窓付き車両ルーティング問題(VRPTW)は、ロジスティクス業界で直面する一般的な最適化問題である。
そこで本研究では,以前に導入した量子ビット符号化方式を用いて,バイナリ変数の数を削減した。
論文 参考訳(メタデータ) (2023-06-14T13:44:35Z) - QAOA-in-QAOA: solving large-scale MaxCut problems on small quantum
machines [81.4597482536073]
量子近似最適化アルゴリズム(QAOAs)は、量子マシンのパワーを利用し、断熱進化の精神を継承する。
量子マシンを用いて任意の大規模MaxCut問題を解くためにQAOA-in-QAOA(textQAOA2$)を提案する。
提案手法は,大規模最適化問題におけるQAOAsの能力を高めるために,他の高度な戦略にシームレスに組み込むことができる。
論文 参考訳(メタデータ) (2022-05-24T03:49:10Z) - Quantum simulation with just-in-time compilation [0.0]
ジャスト・イン・タイム(JIT)コンパイル技術を用いて回路ベースの量子シミュレーションを行う。
QibojitはQibo量子コンピューティングフレームワークの新しいモジュールで、Pythonによるジャストインタイムコンパイルアプローチを使用している。
論文 参考訳(メタデータ) (2022-03-16T18:00:00Z) - Adiabatic Quantum Computing for Multi Object Tracking [170.8716555363907]
マルチオブジェクト追跡(MOT)は、オブジェクト検出が時間を通して関連付けられているトラッキング・バイ・検出のパラダイムにおいて、最もよくアプローチされる。
これらの最適化問題はNPハードであるため、現在のハードウェア上の小さなインスタンスに対してのみ正確に解決できる。
本手法は,既成整数計画法を用いても,最先端の最適化手法と競合することを示す。
論文 参考訳(メタデータ) (2022-02-17T18:59:20Z) - Scaling Quantum Approximate Optimization on Near-term Hardware [49.94954584453379]
我々は、様々なレベルの接続性を持つハードウェアアーキテクチャのための最適化回路により、期待されるリソース要求のスケーリングを定量化する。
問題の大きさと問題グラフの次数で指数関数的に増大する。
これらの問題は、ハードウェア接続性の向上や、より少ない回路層で高い性能を達成するQAOAの変更によって緩和される可能性がある。
論文 参考訳(メタデータ) (2022-01-06T21:02:30Z) - Accelerating variational quantum algorithms with multiple quantum
processors [78.36566711543476]
変分量子アルゴリズム(VQA)は、特定の計算上の利点を得るために、短期量子マシンを利用する可能性がある。
現代のVQAは、巨大なデータを扱うために単独の量子プロセッサを使用するという伝統によって妨げられている、計算上のオーバーヘッドに悩まされている。
ここでは、この問題に対処するため、効率的な分散最適化手法であるQUDIOを考案する。
論文 参考訳(メタデータ) (2021-06-24T08:18:42Z) - Benchmarking quantum co-processors in an application-centric,
hardware-agnostic and scalable way [0.0]
我々はAtos Q-score (TM)と呼ばれる新しいベンチマークを導入する。
Qスコアは、MaxCut最適化問題を解決するために効果的に使用できる量子ビットの最大数を測定する。
量子ハードウェアのQスコアを簡単に計算できるQスコアのオープンソース実装を提供する。
論文 参考訳(メタデータ) (2021-02-25T16:26:23Z) - Extending C++ for Heterogeneous Quantum-Classical Computing [56.782064931823015]
qcorはC++とコンパイラの実装の言語拡張で、異種量子古典プログラミング、コンパイル、単一ソースコンテキストでの実行を可能にする。
我々の研究は、量子言語で高レベルな量子カーネル(関数)を表現できる、第一種C++コンパイラを提供する。
論文 参考訳(メタデータ) (2020-10-08T12:49:07Z)
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。