論文の概要: Atlas: Hierarchical Partitioning for Quantum Circuit Simulation on GPUs (Extended Version)
- arxiv url: http://arxiv.org/abs/2408.09055v1
- Date: Sat, 17 Aug 2024 00:34:43 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-20 22:56:40.571944
- Title: Atlas: Hierarchical Partitioning for Quantum Circuit Simulation on GPUs (Extended Version)
- Title(参考訳): Atlas: GPU上の量子回路シミュレーションのための階層的パーティショニング(拡張バージョン)
- Authors: Mingkuan Xu, Shiyi Cao, Xupeng Miao, Umut A. Acar, Zhihao Jia,
- Abstract要約: 本稿では,理論的,実用的,スケーラブルな量子回路シミュレーションのための手法を提案する。
我々のアプローチでは、量子回路をサブ回路の階層に分割し、マルチノードGPU上でサブ回路をシミュレートする。
通信コストを最小限に抑えるため,ニアバイゲートのシミュレーションを「ニアバイ」に報いる線形プログラムを定式化する。
スループットを最大化するために、動的プログラミングアルゴリズムを用いて、各カーネルがGPUでシミュレーションしたサブ回路を計算する。
- 参考スコア(独自算出の注目度): 9.483321080040131
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents techniques for theoretically and practically efficient and scalable Schr\"odinger-style quantum circuit simulation. Our approach partitions a quantum circuit into a hierarchy of subcircuits and simulates the subcircuits on multi-node GPUs, exploiting available data parallelism while minimizing communication costs. To minimize communication costs, we formulate an Integer Linear Program that rewards simulation of "nearby" gates on "nearby" GPUs. To maximize throughput, we use a dynamic programming algorithm to compute the subcircuit simulated by each kernel at a GPU. We realize these techniques in Atlas, a distributed, multi-GPU quantum circuit simulator. Our evaluation on a variety of quantum circuits shows that Atlas outperforms state-of-the-art GPU-based simulators by more than 2$\times$ on average and is able to run larger circuits via offloading to DRAM, outperforming other large-circuit simulators by two orders of magnitude.
- Abstract(参考訳): 本稿では,量子回路をサブ回路の階層に分割し,マルチノードGPU上でのサブ回路をシミュレーションする手法を提案する。通信コストを最小化しつつ,利用可能なデータ並列性を生かし,通信コストを最小化するため,"ニアバイ"GPU上の"ニアバイ"ゲートのシミュレーションを行うInteger Linear Programを定式化する。
スループットを最大化するために、動的プログラミングアルゴリズムを用いて、各カーネルがGPUでシミュレーションしたサブ回路を計算する。
我々は、分散マルチGPU量子回路シミュレータであるAtlasでこれらの技術を実現する。
様々な量子回路に対する評価では、Atlasは最先端のGPUベースのシミュレータを平均2$\times$で上回り、DRAMへのオフロードによりより大きな回路を走らせることができ、他の大規模回路シミュレータを2桁以上上回ります。
関連論文リスト
- AMARETTO: Enabling Efficient Quantum Algorithm Emulation on Low-Tier FPGAs [0.6553587309274792]
AMARETTOは低層フィールドプログラマブルゲートアレイ(FPGA)上の量子コンピューティングエミュレーションのために設計されている
RISC(Reduceed-Instruction-Set-Computer)のような構造とスパース量子ゲートの効率的な処理を用いて、量子アルゴリズムの検証を単純化し、高速化する。
論文 参考訳(メタデータ) (2024-11-14T10:01:53Z) - Efficient techniques to GPU Accelerations of Multi-Shot Quantum
Computing Simulations [0.0]
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。
論文 参考訳(メタデータ) (2023-08-07T08:32:36Z) - QCLAB++: Simulating Quantum Circuits on GPUs [0.0]
我々は、GPU加速量子回路シミュレーションのための軽量で完全に測定されたC++パッケージであるqclab++を紹介する。
qclab++は高度に最適化されたゲートシミュレーションアルゴリズムによって性能と数値安定性を設計する。
また、qclab++を模倣した構文を持つMatlab用の量子回路ツールボックスであるqclabを紹介する。
論文 参考訳(メタデータ) (2023-02-28T22:56:48Z) - Performance Evaluation and Acceleration of the QTensor Quantum Circuit
Simulator on GPUs [6.141912076989479]
我々は、NumPy、PyTorch、CuPyのバックエンドを実装し、ベンチマークを行い、CPUまたはGPUにテンソルシミュレーションの最適な割り当てを見つける。
ベンチマークしたQAOA回路のCPU上のNumPyベースライン上でのGPUの高速化により,MaxCut問題を解く。
論文 参考訳(メタデータ) (2022-04-12T19:03:44Z) - 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) - 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) - 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) - Machine Learning Optimization of Quantum Circuit Layouts [63.55764634492974]
本稿では量子回路マッピングQXXとその機械学習バージョンQXX-MLPを紹介する。
後者は、レイアウトされた回路の深さが小さくなるように最適なQXXパラメータ値を自動的に推論する。
近似を用いてレイアウト法を学習可能な経験的証拠を提示する。
論文 参考訳(メタデータ) (2020-07-29T05:26:19Z) - Kernel methods through the roof: handling billions of points efficiently [94.31450736250918]
カーネル法は、非パラメトリック学習に対するエレガントで原則化されたアプローチを提供するが、今のところ大規模な問題ではほとんど利用できない。
最近の進歩は、最適化、数値線形代数、ランダム射影など、多くのアルゴリズム的アイデアの利点を示している。
ここでは、これらの取り組みをさらに進めて、GPUハードウェアを最大限に活用する解決器を開発し、テストする。
論文 参考訳(メタデータ) (2020-06-18T08:16:25Z) - Efficient classical simulation of random shallow 2D quantum circuits [104.50546079040298]
ランダム量子回路は古典的にシミュレートするのは難しいと見なされる。
典型例の近似シミュレーションは, 正確なシミュレーションとほぼ同程度に困難であることを示す。
また、十分に浅いランダム回路はより一般的に効率的にシミュレーション可能であると推測する。
論文 参考訳(メタデータ) (2019-12-31T19:00:00Z)
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。