Figura 1. Visão geral da simulação com compactação de dados. Crédito:EPiQC (Enabling Practical-scale Quantum Computation) / Universidade de Chicago
Ao tentar depurar hardware e software quântico com um simulador quântico, cada bit quântico (qubit) conta. Cada qubit simulado mais próximo do tamanho da máquina física reduz pela metade a lacuna no poder de computação entre a simulação e o hardware físico. Contudo, o requisito de memória da simulação de estado completo cresce exponencialmente com o número de qubits simulados, e isso limita o tamanho das simulações que podem ser executadas.
Pesquisadores da Universidade de Chicago e do Laboratório Nacional de Argonne reduziram significativamente essa lacuna usando técnicas de compressão de dados para ajustar uma simulação de 61 qubit do algoritmo de busca quântica de Grover em um grande supercomputador com 0,4 por cento de erro. Outros algoritmos quânticos também foram simulados com substancialmente mais qubits e portas quânticas do que esforços anteriores.
A simulação clássica de circuitos quânticos é crucial para uma melhor compreensão das operações e comportamentos da computação quântica. Contudo, o limite prático de simulação de estado completo de hoje é de 48 qubits, porque o número de amplitudes de estado quântico necessárias para a simulação completa aumenta exponencialmente com o número de qubits, tornando a memória física o fator limitante. Dados n qubits, os cientistas precisam de 2 ^ n amplitudes para descrever o sistema quântico.
Já existem várias técnicas que trocam o tempo de execução por espaço de memória. Para diferentes propósitos, as pessoas escolhem diferentes técnicas de simulação. Este trabalho fornece mais uma opção no conjunto de ferramentas para dimensionar a simulação de circuitos quânticos, aplicação de técnicas de compressão de dados sem e com perda aos vetores de estado.
A Figura 1 mostra uma visão geral do nosso projeto de simulação. A Message Passing Interface (MPI) é usada para executar a simulação em paralelo. Supondo que simulemos sistemas n-qubit e tenhamos r classificações no total, o vetor de estado é dividido igualmente em r fileiras, e cada vetor de estado parcial é dividido em blocos nb em cada classificação. Cada bloco é armazenado em um formato compactado na memória.
A Figura 2 mostra a distribuição da amplitude em dois benchmarks diferentes. "Se a distribuição da amplitude do estado for uniforme, podemos facilmente obter uma alta taxa de compressão com o algoritmo de compressão sem perdas, "disse o pesquisador Xin-Chuan Wu." Se não conseguirmos uma boa taxa de compressão, nosso procedimento de simulação adotará compressão com perdas limitada por erro para negociar a precisão da simulação para a taxa de compressão. "
Figura 2. Mudanças de valor de dados de simulação de circuito quântico. (a) O valor dos dados muda dentro de um intervalo. (b) Os dados exibem um alto pico e variação, de modo que os compressores sem perdas não podem funcionar de forma eficaz. Crédito:EPiQC (Enabling Practical-scale Quantum Computation) / Universidade de Chicago
Toda a estrutura de simulação de estado completo com compactação de dados aproveita o MPI para se comunicar entre os nós de computação. A simulação foi realizada no supercomputador Theta no Argonne National Laboratory. Theta consiste em 4, 392 nós, cada nó contém um processador Intel Xeon PhiTM 7230 de 64 núcleos com 16 gigabytes de memória no pacote de alta largura de banda (MCDRAM) e 192 GB de RAM DDR4.
O artigo completo, "Full-State Quantum Circuit Simulation usando Data Compression, "foi publicado pela The International Conference for High Performance Computing, Networking, Armazenar, e Análise (SC'19).
