• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  •  science >> Ciencia >  >> Física
    Los investigadores simulan una computadora cuántica con hasta 61 bits cuánticos utilizando una supercomputadora con compresión de datos

    Figura 1. Descripción general de la simulación con compresión de datos. Crédito:EPiQC (Habilitación de la computación cuántica a escala práctica) / Universidad de Chicago

    Al intentar depurar hardware y software cuánticos con un simulador cuántico, cada bit cuántico (qubit) cuenta. Cada qubit simulado más cercano al tamaño de la máquina física reduce a la mitad la brecha en la potencia de cálculo entre la simulación y el hardware físico. Sin embargo, el requisito de memoria de la simulación de estado completo crece exponencialmente con el número de qubits simulados, y esto limita el tamaño de las simulaciones que se pueden ejecutar.

    Investigadores de la Universidad de Chicago y del Laboratorio Nacional Argonne redujeron significativamente esta brecha mediante el uso de técnicas de compresión de datos para ajustar una simulación de 61 qubit del algoritmo de búsqueda cuántica de Grover en una gran supercomputadora con un error del 0,4 por ciento. También se simularon otros algoritmos cuánticos con sustancialmente más qubits y puertas cuánticas que los esfuerzos anteriores.

    La simulación clásica de circuitos cuánticos es crucial para comprender mejor las operaciones y los comportamientos de la computación cuántica. Sin embargo, El límite de simulación de estado completo práctico de hoy es de 48 qubits, porque el número de amplitudes de estado cuántico necesarias para la simulación completa aumenta exponencialmente con el número de qubits, haciendo de la memoria física el factor limitante. Dado n qubits, los científicos necesitan 2 ^ n amplitudes para describir el sistema cuántico.

    Ya existen varias técnicas que intercambian tiempo de ejecución por espacio de memoria. Para diferentes propósitos, la gente elige diferentes técnicas de simulación. Este trabajo proporciona una opción más en el conjunto de herramientas para escalar la simulación de circuitos cuánticos, aplicar técnicas de compresión de datos sin pérdida y con pérdida a los vectores de estado.

    La Figura 1 muestra una descripción general de nuestro diseño de simulación. La interfaz de paso de mensajes (MPI) se utiliza para ejecutar la simulación en paralelo. Suponiendo que simulamos sistemas n-qubit y tenemos r rangos en total, el vector de estado se divide igualmente en r rangos, y cada vector de estado parcial se divide en nb bloques en cada rango. Cada bloque se almacena en un formato comprimido en la memoria.

    La Figura 2 muestra la distribución de amplitud en dos puntos de referencia diferentes. "Si la distribución de la amplitud del estado es uniforme, podemos obtener fácilmente una alta relación de compresión con el algoritmo de compresión sin pérdidas, ", dijo el investigador Xin-Chuan Wu." Si no podemos obtener una buena relación de compresión, nuestro procedimiento de simulación adoptará una compresión con pérdidas limitada por errores para cambiar la precisión de la simulación por la relación de compresión ".

    Figura 2. Cambios de valor de los datos de simulación de circuitos cuánticos. (a) El valor de los datos cambia dentro de un rango. (b) Los datos exhiben una alta variación y picos de manera que los compresores sin pérdidas no pueden funcionar de manera efectiva. Crédito:EPiQC (Habilitación de la computación cuántica a escala práctica) / Universidad de Chicago

    Todo el marco de simulación de estado completo con compresión de datos aprovecha MPI para comunicarse entre los nodos de cálculo. La simulación se realizó en la supercomputadora Theta del Laboratorio Nacional Argonne. Theta consta de 4, 392 nodos, cada nodo contiene un procesador Intel Xeon PhiTM 7230 de 64 núcleos con 16 gigabytes de memoria en paquete de alto ancho de banda (MCDRAM) y 192 GB de RAM DDR4.

    El documento completo "Simulación de circuito cuántico de estado completo mediante compresión de datos, "fue publicado por The International Conference for High Performance Computing, Redes, Almacenamiento, y Análisis (SC'19).


    © Ciencia https://es.scienceaq.com