論文の概要: Benchmarking Zero-Setup Quantum Circuit Simulators

• arxiv url: http://arxiv.org/abs/2607.09882v1
• Date: Fri, 10 Jul 2026 18:15:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 15:40:48.235342
• Title: Benchmarking Zero-Setup Quantum Circuit Simulators
• Title（参考訳）: ゼロセット量子回路シミュレータのベンチマーク
• Abstract要約: 行列積状態 (MPS) とパウリパスシミュレーション (PPS) の2つの広く使われている手法におけるGPU加速近似量子シミュレーションの比較を行った。 MPSの場合、GPUランタイムは結合次元のサブクアドラティックスケーリングをもたらし、スケールが大きくなるにつれてCPUよりも有利になる。 また、これらのシミュレーターの再現可能な特徴付けとして、分離された評価が示さないトレードオフを含むレギュレータを網羅する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Practitioners increasingly rely on hosted simulation environments, but their performance characteristics remain poorly documented. We present a systematic benchmarking study of GPU-accelerated approximate quantum simulation across two widely used methods: matrix product states (MPS) and Pauli path simulation (PPS), comparing BlueQubit (a hosted tool that handles hardware provisioning, simulator configuration, and job orchestration) against AWS Braket, Quantum Rings, PPS-Qiskit, and PauliPropagation.jl. For MPS, we find that GPU runtime yields sub-quadratic scaling with bond dimension, with a growing advantage over CPU at increasing scale. For Pauli path simulation on IBM's 127-qubit kicked Ising benchmark, GPUs deliver up to $1{,}400\times$ speedup at fine truncation thresholds ($δ= 2.5 \times 10^{-5}$, 27.6M Pauli terms), and are the only backends that reach accuracy regimes below $δ= 10^{-5}$, which remained inaccessible to the commodity CPU-based implementations and self-contained SDKs evaluated here. We also provide a reproducible characterization of these simulators across regimes, including tradeoffs that isolated evaluations do not show. To support transparency and reuse, we provide a public GitHub repository containing all benchmarking code and configurations.
• Abstract（参考訳）: 実践者はますますホストされたシミュレーション環境に依存しているが、その性能特性は文書化されていない。 本稿では、行列積状態(MPS)とパウリパスシミュレーション(PPS)という2つの広く使われている手法でGPUを加速した近似量子シミュレーションを、AWS Braket、Quantum Rings、PS-Qiskit、PauliPropagation.jlと比較する。 MPSの場合、GPUランタイムは結合次元のサブクアドラティックスケーリングをもたらし、スケールが大きくなるにつれてCPUよりも有利になる。 IBM の 127-qubit kicked Ising ベンチマークにおける Pauli パスのシミュレーションでは,GPU は 1,{,}400\times$ speedup at fine truncation thresholds (δ= 2.5 \times 10^{-5}$, 27.6M Pauli terms) を提供する。 また、これらのシミュレーターの再現可能な特徴付けとして、独立した評価が示さないトレードオフを含むレジーム間における特徴付けも提供する。 透明性と再利用をサポートするため、すべてのベンチマークコードと設定を含むパブリックなGitHubリポジトリを提供しています。

関連論文リスト

• Stochastic Pauli-path simulator for large-scale quantum optimization [57.179828941706006]
  パウリパスシミュレータは、低磁力状態における量子回路の大規模古典的シミュレーションへの有望な経路を提供する。 既存のアプローチでは、勾配ベースの最適化をネイティブにサポートしていないか、あるいは厳しい勾配バイアスに悩まされている。 本稿では,大規模量子最適化のための計算フレームワークであるPauli-path simulator (SPPS)を提案する。
  論文  参考訳（メタデータ） (2026-07-20T10:43:44Z)
• UniLab: A Heterogeneous Architecture for Robot RL Beyond GPU-Dominant Paradigms [68.40808444348735]
  シミュレーション支配型ロボット制御では、どのプロセッサが物理を実行するかではなく、シミュレーションスループット、ポリシー学習、実行時同期が効率的なエンドツーエンドループを形成するかどうかが重要な問題である。 データ移動、バッファリング、同期のための統一ランタイムを通じて、GPUポリシー更新からCPU並列シミュレーションを分離する、異種CPU常駐/GPU学習アーキテクチャであるUniLabを提案する。
  論文  参考訳（メタデータ） (2026-05-28T17:53:50Z)
• Accelerating State-Vector Quantum Simulation on Integrated GPUs via Cache Locality Optimization: A Cross-Architecture Evaluation [33.72751145910978]
  この研究は、コンシューマグレードのラップトップで一般的に見られる統合GPUをターゲットにしたベンダーに依存しないアプローチを提案する。 状態ベクトルシミュレーションにおける主な課題は、本質的には空間的局所性が低く、メモリ帯域幅のボトルネックが生じることである。 我々は、最後のレベルのキャッシュ局所性を最大化し、コストのかかるメインメモリフェッチを最小限に抑えるために、量子状態ベクトルを再編成する状態分割最適化を導入する。
  論文  参考訳（メタデータ） (2026-05-14T17:17:02Z)
• GPU-Accelerated Quantum Simulation: Empirical Backend Selection, Gate Fusion, and Adaptive Precision [0.0]
  本稿では,GPU加速量子回路シミュレーションフレームワークを提案する。 実証的なバックエンド選択アルゴリズムは、実行時にCuPy、PyTorchCUDA、NumPyのCPUバックエンドをベンチマークする。 ゲート融合エンジンはゲートシーケンスの自動識別により回路深さを低減する。 フォールバック機構はGPUメモリの消費を監視し、リソースの枯渇時にメモリ実行を優雅に低下させる。
  論文  参考訳（メタデータ） (2026-04-04T17:46:37Z)
• ParallelKittens: Systematic and Practical Simplification of Multi-GPU AI Kernels [40.94392896555992]
  既存のシステムは、計算通信の重複によってこれを緩和するが、しばしばワークロードと新しいアクセラレータ間の理論的帯域幅を満たさない。 演算子固有のテクニックの代わりに、簡単な再利用可能な原則の小さなセットが、ワークロードの最適なパフォーマンスを導くことができるかどうかを問う。 PKKittens(PK)カーネルは、最大2.33倍の並列ワークロードを実現する。
  論文  参考訳（メタデータ） (2025-11-17T21:48:33Z)
• Efficient Emulation of Neutral Atom Quantum Hardware [0.0]
  本研究では,Pasqalのパルスパッケージの計算バックエンドとして,emu-svとemu-mpsの2つのエミュレータを導入する。 Emu-svは高精度な状態ベクトルシミュレーションのために設計されている。 emu-mpsはマトリックス積状態表現やその他の制御された近似を用いて、より大きな原子配列を効率的にシミュレートする。
  論文  参考訳（メタデータ） (2025-10-10T19:21:20Z)
• Pushing the Envelope of LLM Inference on AI-PC [45.081663877447816]
  ウルトラロービットモデル(1/1.58/2-bit)は、同じモデルサイズを用いて、その完全精度のモデルのパープレキシティとエンドタスクのパフォーマンスとを一致させる。 最先端の推論ランタイム(例えばbitnet)の計算効率は未調査のままである。 まず1ビットと2ビットのマイクロカーネルを設計・実装し,計算効率の最大化を実現した。 我々は、現在のSOTAランタイムビットネットよりも優れた2ビットモデルを用いて、エンドツーエンドの推論結果を示す。
  論文  参考訳（メタデータ） (2025-08-08T23:33:38Z)
• phase2: Full-State Vector Simulation of Quantum Time Evolution at Scale [0.8223023312645978]
  量子コンピュータの大規模古典シミュレーションは、量子アルゴリズムのベンチマークに不可欠である。 パウリ作用素の列を囲む回転層のHPCシミュレーションを行うために,実状態ベクトルシミュレーションアルゴリズムとソフトウェア実装を提案する。
  論文  参考訳（メタデータ） (2025-04-24T18:41:23Z)
• Comparative Benchmarking of Utility-Scale Quantum Emulators [0.0]
  ユーティリティスケールでの量子アルゴリズムの評価は、量子コンピューティングの現実的な応用を進めるための重要なステップである。 我々は,テンソルネットワーク,行列積状態(MPS),決定図,因子化ケケット法などの手法を用いて,最先端の7つの量子エミュレータをベンチマークした。
  論文  参考訳（メタデータ） (2025-04-18T18:32:47Z)
• Scalable projected entangled-pair state representation of random quantum circuit states [0.0]
  ランダムな量子回路状態を表すバイダルゲージにおいて,投影された絡み合ったペア状態 (PEPS) の更新を示す。 従来のCPUで128ドル(約1万4000円)の大規模回路を使用すれば、状態の忠実さの普遍的なスケーリングの挙動が分かる。
  論文  参考訳（メタデータ） (2025-04-07T06:47:48Z)
• Classical Chaos in Quantum Computers [39.58317527488534]
  50-100量子ビットからなる現在の量子プロセッサは、古典的コンピュータ上の量子シミュレーションの範囲外で動作する。 古典的限界のシミュレーションは、この問題を緩和する潜在的に強力な診断ツールとなり得ることを実証する。 古典的および量子シミュレーションは、$mathcalO$transmonsを持つシステムにおいて、同様の安定性指標をもたらす。
  論文  参考訳（メタデータ） (2023-04-27T18:00:04Z)
• Accelerating Training and Inference of Graph Neural Networks with Fast Sampling and Pipelining [58.10436813430554]
  グラフニューラルネットワーク(GNN)のミニバッチトレーニングには、多くの計算とデータ移動が必要である。 我々は,分散マルチGPU環境において,近傍サンプリングを用いたミニバッチトレーニングを行うことを支持する。 本稿では,これらのボトルネックを緩和する一連の改良点について述べる。 また,サンプリングによる推論を支援する実験分析を行い,試験精度が実質的に損なわれていないことを示す。
  論文  参考訳（メタデータ） (2021-10-16T02:41:35Z)
• 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。