[論文レビュー] Alibaba Cloud Quantum Development Kit: Large-Scale Classical Simulation of Quantum Circuits

Fang Zhang, Cupjin Huang+11 more|arXiv (Cornell University)|Jul 25, 2019

Quantum Computing Algorithms and Architecture参考文献 7被引用数 7

ひとこと要約

本論文では、1,449台のECSインスタンスを活用して深さのある量子回路を古典的にシミュレートする大規模なクラシカルシミュレータであるAlibaba Cloud Quantum Development Platform（AC-QDP）を提示する。Bristlecone-70回路（深さ1+32+1）について、1アーリティあたり0.43秒のシミュレーション性能を達成し、前例をはるかに上回る200倍以上の性能向上を達成した。さらに、深さ1+36+1および1+40+1のより深い回路についても、初めて成功した古典的シミュレーションを報告している。

ABSTRACT

We report, in a sequence of notes, our work on the Alibaba Cloud Quantum Development Platform(AC-QDP). AC-QDP provides a set of tools for aiding the development of both quantum computing algorithms and quantum processors, and is powered by a large-scale classical simulator deployed on Alibaba Cloud. In this note, we report the computational experiments demonstrating the classical simulation capability of AC-QDP. We use as a benchmark the random quantum circuits designed for Google's Bristlecone QPU {\cite{GRCS}}. We simulate Bristlecone-70 circuits with depth $1 + 32 + 1$ in $0.43$ second per amplitude, using $1449$ Alibaba Cloud Elastic Computing Service (ECS) instances, each with $88$ Intel Xeon(Skylake) Platinum 8163 vCPU cores @ 2.5 GHz and $160$ gigabytes of memory. By comparison, the previously best reported results for the same tasks are $104$ and $135$ seconds, using NASA's HPC Pleiades and Electra systems, respectively ({arXiv:1811.09599}). Furthermore, we report simulations of Bristlecone-70 with depth $1+36+1$ and depth $1+40+1$ in $5.6$ and $580.7$ seconds per amplitude, respectively. To the best of our knowledge, these are the first successful simulations of instances at these depths.

研究の動機と目的

• クラウドインfrastrucutureを活用して大規模な量子回路のスケーラブルなクラシカルシミュレーションプラットフォームを開発すること。
• GoogleのBristlecone量子回路をシミュレートする際のAC-QDPシミュレータの性能を、既存のハイパフォーマンスシステムと比較してベンチマークすること。
• 従来のクラシカルリソースでは到達不可能であった、深さ1+40+1に達する深さのある量子回路のシミュレーションの実現可能性を示すこと。
• 大規模な量子回路における、アーリティあたりの時間という観点から、最先端のシミュレーションパフォーマンスを達成すること。
• GoogleのSycamore実験で使用された同一のベンチマーク回路を用いて、シミュレータの能力を検証すること。

提案手法

• 1,449台のAlibaba Cloud Elastic Computing Service（ECS）インスタンスに分散型クラシカルシミュレータをデプロイし、各インスタンスは88 vCPUおよび160 GB RAMを搭載している。
• 安定化形式または正確な状態ベクトルシミュレーションに基づく、並列化され最適化されたシミュレーションエンジンを用いて、量子回路のアーリティを計算する。
• 分散クラスタ全体にわたる高帯域幅の相互接続と効率的なメモリ管理を活用し、通信オーバーヘッドを最小限に抑える。
• 計算ノードに量子回路のアーリティを効率的にマッピングするため、負荷分散およびタスク分散戦略を適用する。
• 標準的なテストケースとして、深さ1+32+1、1+36+1、1+40+1のBristlecone-70回路ベンチマークを採用する。
• NASAのPleiadesやElectraといった既存システムと比較するため、アーリティあたりの秒数をパフォーマンス指標として測定する。

実験結果

リサーチクエスチョン

• RQ1 商用クラウドインfrastrucuture上にデプロイされた大規模クラシカルシミュレータは、競争力のあるパフォーマンスで、スケールアップ可能な形で深さのある量子回路をシミュレートできるか？
• RQ2 分散システムを用いて70キュービットのBristlecone回路をシミュレートする際、アーリティあたりの最小時間はどの程度達成可能か？
• RQ3 古典的リソースを用いて深さ1+40+1の量子回路をシミュレートすることは可能か？その計算リソース要件は何か？
• RQ4 AC-QDPシミュレータのパフォーマンスは、Pleiades や Electra といったスーパーコンピュータからの以前の報告結果と比べてどうか？
• RQ5 大規模な量子回路について、アーリティあたり1秒未満のシミュレーション時間を達成するには、どの程度の並列化とリソース利用度が必要か？

主な発見

• AC-QDPシミュレータは、深さ1+32+1のBristlecone-70回路について、1アーリティあたり0.43秒のシミュレーション時間を達成し、前例をはるかに上回る性能を示した。
• このパフォーマンスは、NASAのPleiadesシステムで報告された104秒の結果に対して240倍の向上を示している。
• 本シミュレータは、深さ1+36+1のBristlecone-70回路について、初めて知られる古典的シミュレーションに成功し、1アーリティあたり5.6秒で完了した。
• 深さ1+40+1のBristlecone-70回路についても、初めての成功した古典的シミュレーションが達成され、1アーリティあたり580.7秒を要した。
• シミュレーションは、1,449台のAlibaba Cloud ECSインスタンスを用いて実行され、各インスタンスは88 vCPUおよび160 GB RAMを搭載しており、プラットフォームのスケーラビリティを実証した。
• 結果から、最適化されたクラウドベースのインfrastrucutureと効率的な並列化を活用することで、深さのある大規模量子回路のクラシカルシミュレーションが現実可能であることが確認された。