論文の概要: Versatile Cross-platform Compilation Toolchain for Schrödinger-style Quantum Circuit Simulation

• arxiv url: http://arxiv.org/abs/2503.19894v1
• Date: Tue, 25 Mar 2025 17:53:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-26 16:53:29.106872
• Title: Versatile Cross-platform Compilation Toolchain for Schrödinger-style Quantum Circuit Simulation
• Title（参考訳）: シュレーディンガー型量子回路シミュレーションのための多機能クロスプラットフォームコンパイルツールチェーン
• Authors: Yuncheng Lu, Shuang Liang, Hongxiang Fan, Ce Guo, Wayne Luk, Paul H. J. Kelly,
• Abstract要約: CAST(Cross-platform Adaptive Schr"odiner-style Simulation Toolchain)は,クロスプラットフォーム(CPUとNvidia GPU)最適化と高性能バックエンドサポートを備えた,新しいコンパイルツールチェーンである。 Castは、ターゲットとするハードウェアプラットフォームに対して、最良の融合戦略とバックエンド設定を自動的に選択する、新しいスペーサリティ対応のゲート融合アルゴリズムを利用している。 我々は、IBM Qiskit、Google QSimCirq、Nvidia cuQuantumバックエンド、その他の高性能シミュレータに対してCASTをベンチマークする。
• 参考スコア（独自算出の注目度）: 15.448800194552705
• License:
• Abstract: While existing quantum hardware resources have limited availability and reliability, there is a growing demand for exploring and verifying quantum algorithms. Efficient classical simulators for high-performance quantum simulation are critical to meeting this demand. However, due to the vastly varied characteristics of classical hardware, implementing hardware-specific optimizations for different hardware platforms is challenging. To address such needs, we propose CAST (Cross-platform Adaptive Schr\"odiner-style Simulation Toolchain), a novel compilation toolchain with cross-platform (CPU and Nvidia GPU) optimization and high-performance backend supports. CAST exploits a novel sparsity-aware gate fusion algorithm that automatically selects the best fusion strategy and backend configuration for targeted hardware platforms. CAST also aims to offer versatile and high-performance backend for different hardware platforms. To this end, CAST provides an LLVM IR-based vectorization optimization for various CPU architectures and instruction sets, as well as a PTX-based code generator for Nvidia GPU support. We benchmark CAST against IBM Qiskit, Google QSimCirq, Nvidia cuQuantum backend, and other high-performance simulators. On various 32-qubit CPU-based benchmarks, CAST is able to achieve up to 8.03x speedup than Qiskit. On various 30-qubit GPU-based benchmarks, CAST is able to achieve up to 39.3x speedup than Nvidia cuQuantum backend.
• Abstract（参考訳）: 既存の量子ハードウェアリソースは可用性と信頼性が限られているが、量子アルゴリズムを探索し検証する必要性が高まっている。 高性能量子シミュレーションのための効率的な古典シミュレータは、この要求を満たすために重要である。 しかし、古典的ハードウェアの特徴が非常に多様であるため、異なるハードウェアプラットフォーム向けにハードウェア固有の最適化を実装することは困難である。 このようなニーズに対処するために、クロスプラットフォーム(CPUとNvidia GPU)最適化と高性能バックエンドサポートを備えた新しいコンパイルツールチェーンであるCAST(Cross-platform Adaptive Schr\"odinerスタイルのシミュレーションツールチェーン)を提案する。 CASTは、ターゲットとするハードウェアプラットフォームに対して、最良の融合戦略とバックエンド設定を自動的に選択する、新しいスペーサリティ対応のゲート融合アルゴリズムを利用している。 CASTはまた、さまざまなハードウェアプラットフォームに対して、多用途で高性能なバックエンドを提供することも目標としている。 この目的のために、CASTは様々なCPUアーキテクチャと命令セットのためのLLVM IRベースのベクトル化最適化と、Nvidia GPUのサポートのためのPTXベースのコードジェネレータを提供する。 我々は、IBM Qiskit、Google QSimCirq、Nvidia cuQuantumバックエンド、その他の高性能シミュレータに対してCASTをベンチマークする。 32kbitのCPUベースのベンチマークでは、CASTはQiskitよりも最大8.03倍のスピードアップを達成することができる。 30kbitのGPUベースのベンチマークでは、CASTはNvidia cuQuantumバックエンドよりも39.3倍のスピードアップを実現している。

関連論文リスト

• Quasar-ViT: Hardware-Oriented Quantization-Aware Architecture Search for Vision Transformers [56.37495946212932]
  視覚変換器(ViT)は、畳み込みニューラルネットワーク(CNN)と比較して、コンピュータビジョンタスクにおいて優れた精度を示す。 ハードウェア指向の量子化対応アーキテクチャ検索フレームワークであるQuasar-ViTを提案する。
  論文  参考訳（メタデータ） (2024-07-25T16:35:46Z)
• Hybrid quantum programming with PennyLane Lightning on HPC platforms [0.0]
  PennyLaneのLightningスイートは、CPU、GPU、HPCネイティブアーキテクチャとワークロードをターゲットにした高性能なステートベクタシミュレータのコレクションである。 QAOA、VQE、合成ワークロードなどの量子アプリケーションは、サポート対象の古典的コンピューティングアーキテクチャを実証するために実装されている。
  論文  参考訳（メタデータ） (2024-03-04T22:01:03Z)
• Superstaq: Deep Optimization of Quantum Programs [7.48254648693787]
  基礎となるハードウェアプリミティブに合わせて量子プログラムの実行を最適化する量子ソフトウェアプラットフォームであるSuperstaqについて説明する。 Bernstein-VaziraniアルゴリズムやQubit Coupled Cluster Chemistry法のようなベンチマークでは、最先端のコンパイラに比べてプログラム実行性能を少なくとも10倍向上させることができる。
  論文  参考訳（メタデータ） (2023-09-10T22:14:38Z)
• cuQuantum SDK: A High-Performance Library for Accelerating Quantum Science [7.791505883503921]
  本稿では,GPU加速量子回路シミュレーションのための実装可能なプリミティブの最先端ライブラリであるNVIDIA cuQuantum SDKを紹介する。 cuQuantum SDKは、量子情報科学コミュニティが開発した量子回路シミュレータの高速化とスケールアップを目的として開発された。
  論文  参考訳（メタデータ） (2023-08-03T19:28:02Z)
• 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)
• MAPLE: Microprocessor A Priori for Latency Estimation [81.91509153539566]
  現代のディープニューラルネットワークは、低レイテンシとエネルギー消費を示しながら最先端の精度を示す必要がある。 評価されたアーキテクチャのレイテンシの測定は、NASプロセスにかなりの時間を加えます。 転送学習やドメイン適応に依存しない推定用マイクロプロセッサAプライオリティを提案する。
  論文  参考訳（メタデータ） (2021-11-30T03:52:15Z)
• Enabling Retargetable Optimizing Compilers for Quantum Accelerators via a Multi-Level Intermediate Representation [78.8942067357231]
  我々は、最適化され、再ターゲット可能で、事前コンパイルが可能なマルチレベル量子古典中間表現(IR)を提案する。 ゲートベースのOpenQASM 3言語全体をサポートし、共通量子プログラミングパターンのカスタム拡張と構文の改善を提供します。 私たちの研究は、通常のPythonのアプローチよりも1000倍高速で、スタンドアロンの量子言語コンパイラよりも5～10倍高速なコンパイル時間を実現しています。
  論文  参考訳（メタデータ） (2021-09-01T17:29:47Z)
• Extending Python for Quantum-Classical Computing via Quantum Just-in-Time Compilation [78.8942067357231]
  Pythonは、その柔軟性、ユーザビリティ、可読性、開発者の生産性を重視することで有名な人気のあるプログラミング言語です。 量子ジャスト・イン・タイム・コンパイルのための堅牢なC++インフラストラクチャを通じて、異種量子古典計算を可能にするPythonの言語拡張を提案する。
  論文  参考訳（メタデータ） (2021-05-10T21:11:21Z)
• 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)
• Qibo: a framework for quantum simulation with hardware acceleration [0.0]
  本稿では,量子回路を高速に評価するオープンソースソフトウェアであるQiboを紹介する。 我々は,ハードウェアやプラットフォーム実装の複雑なすべての側面をライブラリに委譲することを可能にする,新しい量子シミュレーションフレームワークを導入する。
  論文  参考訳（メタデータ） (2020-09-03T18:00:01Z)
• t$|$ket$\rangle$ : A Retargetable Compiler for NISQ Devices [55.41644538483948]
  t$|$ket$rangle$は、様々なNISQデバイス向けのコードを生成するために設計された言語に依存しない最適化コンパイラである。 コンパイラは広範囲にベンチマークされ、回路最適化とキュービットルーティングの点でほとんどの競合より優れている。
  論文  参考訳（メタデータ） (2020-03-24T01:49:08Z)

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。