論文の概要: GPU-Accelerated Quantum Simulation of Stabilizer Circuits

• arxiv url: http://arxiv.org/abs/2603.14641v1
• Date: Sun, 15 Mar 2026 22:34:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 16:19:35.933504
• Title: GPU-Accelerated Quantum Simulation of Stabilizer Circuits
• Title（参考訳）: GPUによる安定化回路の量子シミュレーション
• Authors: Muhammad Osama, Dimitrios Thanos, Alfons Laarman,
• Abstract要約: 我々はGPU上の安定化回路(クリフォード回路)を効率的にシミュレートするための新しい並列アルゴリズムを提案する。 提案手法は,大規模な量子ビット数とマルチショットサンプリングのためのGPUアクセラレーション安定化シミュレータであるQuaSARQで実装されている。
• 参考スコア（独自算出の注目度）: 0.084963488352489
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce new parallel algorithms for efficiently simulating stabilizer (Clifford) circuits on GPUs, with a focus on data-parallel tableau evolution and scalable handling of projective measurements. Our approach reformulates key bottlenecks in stabilizer simulation -- such as Gaussian elimination and measurement updates -- into GPU-tailored primitives that eliminate sequential dependencies and maximize memory coalescing. We implement these techniques in QuaSARQ, a GPU-accelerated stabilizer simulator designed for large qubit counts and many-shot sampling. Across a broad benchmark suite reaching 180,000 qubits and depth 1,000 (roughly 130M gates), QuaSARQ shows substantial runtime improvements, with up to 105$\times$ speedup, and over 80% energy reduction on demanding instances. Moreover, QuaSARQ consistently outperforms Stim, a state-of-the-art CPU-optimized stabilizer simulator, as well as Qiskit-Aer (CPU/GPU), Qibo, Cirq, and PennyLane. Finally, QuaSARQ exhibits a significant advantage in many-shot sampling on large workloads. These results demonstrate that our parallel algorithms can significantly advance the scalability of stabilizer-circuit simulation, particularly for workloads involving extensive measurements and sampling.
• Abstract（参考訳）: 我々は,GPU上の安定化回路(クリフォード回路)を効率的にシミュレーションするための新しい並列アルゴリズムを導入し,データ並列テーブルーの進化と射影測定のスケーラブルな処理に着目した。 当社のアプローチでは,ガウス除去や測定更新などのスタビライザシミュレーションにおける重要なボトルネックを,シーケンシャルな依存関係を排除し,メモリの合体を最大化するGPUカスタマイズプリミティブに修正しています。 提案手法は,大規模な量子ビット数とマルチショットサンプリングのために設計されたGPUアクセラレーション安定化シミュレータであるQuaSARQで実装されている。 ベンチマークスイートが180,000キュービット,奥行き1,000(約130万ゲート)に達したのに対して,QuaSARQは,105$\times$のスピードアップと,要求されるインスタンスの80%以上のエネルギー削減という,大幅なランタイム改善を実現している。 さらにQuaSARQは、最先端のCPU最適化安定化シミュレータであるStimと、Qiskit-Aer(CPU/GPU)、Qibo、Cirq、PennyLaneを一貫して上回っている。 最後に、QuaSARQは、大規模なワークロード上での多ショットサンプリングにおいて、大きなアドバンテージを示している。 これらの結果から,我々の並列アルゴリズムは安定化回路シミュレーションのスケーラビリティを著しく向上させることができることが示唆された。

関連論文リスト

• STABSim: A Parallelized Clifford Simulator with Features Beyond Direct Simulation [11.931352847653763]
  量子コンピューティングにおいて,CPUゲートよりも高速なGPU加速安定化器シミュレータを提案する。 次に、T1/T2エラーチャネルにおける非ユニタリティを、ほとんどの物理量子ビットに対してはるかに高速かつ正確な精度でキャプチャする新しいエラーモデルを実装した。
  論文  参考訳（メタデータ） (2025-07-03T18:05:19Z)
• HALO: Hadamard-Assisted Lower-Precision Optimization for LLMs [48.55966021231297]
  本稿では,トランスフォーマーのための新しい量子化学習手法HALOを提案する。 提案手法により, 前方・後方パスにおける行列乗算の精度が低くなることが保証される。 LLAMAファミリーモデルに適用すると、HALOは様々なタスクの微調整中にほぼ完全精度に等しい結果が得られる。
  論文  参考訳（メタデータ） (2025-01-05T18:41:54Z)
• Parallel Simulation for Log-concave Sampling and Score-based Diffusion Models [55.07411490538404]
  本稿では,次元$d$の適応的複雑性依存性を改善する並列サンプリング手法を提案する。 我々の手法は科学計算による並列シミュレーション技術に基づいている。
  論文  参考訳（メタデータ） (2024-12-10T11:50:46Z)
• Boundaries for quantum advantage with single photons and loop-based time-bin interferometers [37.28808413070634]
  ループベースのボソンサンプリング器は、一連の遅延線を用いて自由度で光子を干渉する。 本稿では, このループ構造を利用して, より効率的な古典的なサンプリングを行う手法を提案する。
  論文  参考訳（メタデータ） (2024-11-25T19:13:20Z)
• Queen: A quick, scalable, and comprehensive quantum circuit simulation for supercomputing [2.821829060100186]
  ゲート最適化とシミュレーションモジュールからなる革新的な量子回路シミュレーションツールキットを提案する。 我々はQuEST、IBM-Aer、NVIDIA-cuQuantumなどの最先端シミュレータと比較して平均9倍のスピードアップを実現している。 提案手法は,より高速な量子回路シミュレーションを実現するため,新しい量子アルゴリズムの開発を容易にする。
  論文  参考訳（メタデータ） (2024-06-20T08:00:41Z)
• Sparse Simulation of VQE Circuits [0.0]
  Variational Quantum Eigensolver (VQE) は将来のノイズ中間量子(NISQ)デバイスのための有望なアルゴリズムである。 本稿では,イテレーティブなQubit Coupled Cluster (iQCC) アンサッツの古典的シミュレーションについて考察する。
  論文  参考訳（メタデータ） (2024-04-15T18:00:05Z)
• Efficient Quantum Circuit Simulation by Tensor Network Methods on Modern GPUs [11.87665112550076]
  量子ハードウェアでは、一次シミュレーション法は状態ベクトルとテンソルネットワークに基づいている。 量子ビットと量子ゲートの数が増加するにつれて、ヒルベルト空間の圧倒的な大きさと広範な絡み合いにより、従来の状態ベクトルベースの量子回路シミュレーション手法は不十分であることが証明される。 本研究では,計算効率と精度の2つの側面から最適化手法を提案する。
  論文  参考訳（メタデータ） (2023-10-06T02:24:05Z)
• 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)
• BayesSimIG: Scalable Parameter Inference for Adaptive Domain Randomization with IsaacGym [59.53949960353792]
  BayesSimIGは、最近リリースされたNVIDIA IsaacGymと統合されたBayesSimの実装を提供するライブラリである。 BayesSimIGはNVIDIABoardと統合して、高次元の後方のスライスを簡単に視覚化する。
  論文  参考訳（メタデータ） (2021-07-09T16:21:31Z)

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。