論文の概要: Circuit Partitioning and Full Circuit Execution: A Comparative Study of GPU-Based Quantum Circuit Simulation

• arxiv url: http://arxiv.org/abs/2502.11385v1
• Date: Mon, 17 Feb 2025 03:04:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-18 14:09:00.669884
• Title: Circuit Partitioning and Full Circuit Execution: A Comparative Study of GPU-Based Quantum Circuit Simulation
• Title（参考訳）: 回路分割と全回路実行:GPUに基づく量子回路シミュレーションの比較検討
• Authors: Kartikey Sarode, Daniel E. Huang, E. Wes Bethel,
• Abstract要約: 大規模な量子回路の実行は、現在利用可能なNISQ(ノイズの中規模量子)デバイスでは不可能である。 本研究では,分散メモリを用いた回路分割と全回路実行の2つのシミュレーション手法の比較解析を行った。 その結果,単一ノード上でのシミュレーションにおいて,全回路実行は回路分割よりも高速であることが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Executing large quantum circuits is not feasible using the currently available NISQ (noisy intermediate-scale quantum) devices. The high costs of using real quantum devices make it further challenging to research and develop quantum algorithms. As a result, performing classical simulations is usually the preferred method for researching and validating large-scale quantum algorithms. However, these simulations require a huge amount of resources, as each additional qubit exponentially increases the computational space required. Distributed Quantum Computing (DQC) is a promising alternative to reduce the resources required for simulating large quantum algorithms at the cost of increased runtime. This study presents a comparative analysis of two simulation methods: circuit-splitting and full-circuit execution using distributed memory, each having a different type of overhead. The first method, using CutQC, cuts the circuit into smaller subcircuits and allows us to simulate a large quantum circuit on smaller machines. The second method, using Qiskit-Aer-GPU, distributes the computational space across a distributed memory system to simulate the entire quantum circuit. Results indicate that full-circuit executions are faster than circuit-splitting for simulations performed on a single node. However, circuit-splitting simulations show promising results in specific scenarios as the number of qubits is scaled.
• Abstract（参考訳）: 大規模な量子回路の実行は、現在利用可能なNISQ(ノイズの中規模量子)デバイスでは不可能である。 実際の量子デバイスを使用する場合の高コストは、量子アルゴリズムの研究と開発をさらに困難にしている。 結果として、古典シミュレーションの実行は通常、大規模量子アルゴリズムの研究と検証の方法として好まれる。 しかし、これらのシミュレーションには膨大な量の資源が必要であり、各追加のキュービットは必要な計算空間を指数関数的に増やす。 分散量子コンピューティング(DQC)は、大規模量子アルゴリズムのシミュレーションに必要なリソースをランタイムのコストで削減する、有望な代替手段である。 本研究では,分散メモリを用いた回路分割と全回路実行の2つのシミュレーション手法の比較分析を行った。 第1の方法は、CutQCを用いて回路を小さなサブ回路に切断し、より小さなマシンで大きな量子回路をシミュレートする。 第2の方法は、Qiskit-Aer-GPUを使用して、分散メモリシステムに分散された計算空間を分散し、量子回路全体をシミュレートする。 その結果,単一ノード上でのシミュレーションにおいて,全回路実行は回路分割よりも高速であることが示唆された。 しかし、回路分割シミュレーションは、キュービットの数がスケールするにつれて、特定のシナリオにおいて有望な結果を示す。

関連論文リスト

• Compact quantum algorithms for time-dependent differential equations [0.0]
  我々は、ユニタリの線形結合に基づくアイデアに基づいて、非ユニタリで非エルミート量子系をシミュレートする。 我々は,反復行列ベクトル乗算と行列逆演算を効率的に行うハイブリッド量子古典アルゴリズムを生成する。
  論文  参考訳（メタデータ） (2024-05-16T02:14:58Z)
• QuantumSEA: In-Time Sparse Exploration for Noise Adaptive Quantum Circuits [82.50620782471485]
  QuantumSEAはノイズ適応型量子回路のインタイムスパース探索である。 1)トレーニング中の暗黙の回路容量と(2)雑音の頑健さの2つの主要な目標を達成することを目的としている。 提案手法は, 量子ゲート数の半減と回路実行の2倍の時間節約で, 最先端の計算結果を確立する。
  論文  参考訳（メタデータ） (2024-01-10T22:33:00Z)
• Parallelizing Quantum-Classical Workloads: Profiling the Impact of Splitting Techniques [4.741651490006498]
  我々はIBMのQuantum Cloud上で2つのワークロード分割手法を評価した。 その結果,(1)回路切断によるVQEは,アンカット版よりも基底状態推定が39%向上し,(2)データ並列化と特徴量削減を組み合わせたQSVMは,量子ワークロード実行時間の最大3倍向上することがわかった。
  論文  参考訳（メタデータ） (2023-05-11T05:46:55Z)
• Quantum Clustering with k-Means: a Hybrid Approach [117.4705494502186]
  我々は3つのハイブリッド量子k-Meansアルゴリズムを設計、実装、評価する。 我々は距離の計算を高速化するために量子現象を利用する。 我々は、我々のハイブリッド量子k-平均アルゴリズムが古典的バージョンよりも効率的であることを示す。
  論文  参考訳（メタデータ） (2022-12-13T16:04:16Z)
• A single $T$-gate makes distribution learning hard [56.045224655472865]
  この研究は、局所量子回路の出力分布の学習可能性に関する広範な評価を提供する。 ハイブリッド量子古典アルゴリズムを含む多種多様な学習アルゴリズムにおいて、深度$d=omega(log(n))$ Clifford回路に関連する生成的モデリング問題さえも困難であることを示す。
  論文  参考訳（メタデータ） (2022-07-07T08:04:15Z)
• Quantum State Preparation with Optimal Circuit Depth: Implementations and Applications [10.436969366019015]
  我々は、$Theta(n)$-depth回路は、$O(ndlog d)$ acillary qubitsを持つ$Theta(log(nd))で作成可能であることを示す。 我々は、ハミルトンシミュレーション、方程式の線形系解法、量子ランダムアクセスメモリの実現など、異なる量子コンピューティングタスクにおける結果の適用について論じる。
  論文  参考訳（メタデータ） (2022-01-27T13:16:30Z)
• An Algebraic Quantum Circuit Compression Algorithm for Hamiltonian Simulation [55.41644538483948]
  現在の世代のノイズの多い中間スケール量子コンピュータ(NISQ)は、チップサイズとエラー率に大きく制限されている。 我々は、自由フェルミオンとして知られる特定のスピンハミルトニアンをシミュレーションするために、量子回路を効率よく圧縮するために局所化回路変換を導出する。 提案した数値回路圧縮アルゴリズムは、後方安定に動作し、$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 Swapping in a Quantum Multiplier Modelled as a Queuing Network [64.1951227380212]
  量子回路をキューネットワークとしてモデル化することを提案する。 提案手法はスケーラビリティが高く,大規模量子回路のコンパイルに必要となる潜在的な速度と精度を有する。
  論文  参考訳（メタデータ） (2021-06-26T10:55:52Z)
• 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)
• 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。