[論文レビュー] High-performance Vector-length Agnostic Quantum Circuit Simulations on ARM Processors

Ruimin Shi, Gabin Schieffer+4 more|arXiv (Cornell University)|Feb 10, 2026

Quantum Computing Algorithms and Architecture被引用数 0

ひとこと要約

本論文は ARM SVE/RVV 上での量子状態ベクトルシミュレーションのためのベクトル長非依存設計（VLA）を提案し、Qsim 実装として、Grace, Graviton, A64FX の各 ARM プラットフォームでベクトル化とメモリ活動をプロファイリングしつつ有意な高速化を達成している。

ABSTRACT

ARM SVE and RISC-V RVV are emerging vector architectures in high-end processors that support vectorization of flexible vector length. In this work, we leverage an important workload for quantum computing, quantum state-vector simulations, to understand whether high-performance portability can be achieved in a vector-length agnostic (VLA) design. We propose a VLA design and optimization techniques critical for achieving high performance, including VLEN-adaptive memory layout adjustment, load buffering, fine-grained loop control, and gate fusion-based arithmetic intensity adaptation. We provide an implementation in Google's Qsim and evaluate five quantum circuits of up to 36 qubits on three ARM processors, including NVIDIA Grace, AWS Graviton3, and Fujitsu A64FX. By defining new metrics and PMU events to quantify vectorization activities, we draw generic insights for future VLA designs. Our single-source implementation of VLA quantum simulations achieves up to 4.5x speedup on A64FX, 2.5x speedup on Grace, and 1.5x speedup on Graviton.

研究の動機と目的

• ARM アーキテクチャ上の VLA 自動ベクトル化に対する現在のコンパイラサポートとそれが量子状態ベクトルシミュレーションに与える影響を評価する。
• 量子状態ベクトルシミュレーションのポータビリティと性能向上を図る VLA 設計を提案・実装する。
• Google Qsim を用い、最大 36 キュビットの五つの量子回路で複数の ARM プラットフォームの性能を評価する。
• PMU イベントによるベクトル化活動を特徴付け、将来の VLA アーキテクチャへの設計洞察を導出する。

提案手法

• VL A 設計を開発し、VLEN 適応メモリレイアウト、ロードバッファリング、細粒度ループ制御を用いる。
• ARM SVE イントリンシック（ACLE）を用いて VLA 設計を実装し、ベクトル長の移動性を確保する。
• ゲートフュージョン（縦方向・横方向）を適用して演算強度を適応させ、ハードウェアのルーフライン限界へ近づける。
• 状態グループをスレッド間で分割し、同期を回避するとともにグループ内でベクトル化を活用する。
• ベクトル化活動とメモリボトルネックを定量化する指標と PMU ベースのプロファイリングを定義する。

Figure 1 : Vectorize a loop with conditional statement using predication to mask out the 2nd and 3rd elements.

実験結果

リサーチクエスチョン

• RQ1 ARM アーキテクチャ上の VLA 設計に対するコンパイラ自動ベクトル化は、量子状態ベクトルシミュレーションでどれくらい効果的か？
• RQ2 ARM プラットフォーム全体で Qsim において高性能を生む VLA 固有の最適化（メモリレイアウト、バッファリング、ループ制御）は何か？
• RQ3 ゲートフュージョンは VLA 量子シミュレーションの演算強度とメモリバランスにどう影響するか？
• RQ4 Grace、Graviton、A64FX の異なる ARM プロセッサで、代表的な回路に対する VLA 設計の性能向上はどの程度か？
• RQ5 どの PMU 指標がベクトル化の有効性を最もよく特徴づけ、将来の VLA 設計を導くのか？

主な発見

• コンパイラによる自動ベクトル化は、ARM SVE 上の研究対象となった Qsim カーネルにとって顕著な性能向上を生み出さない。
• メモリレイアウト適応、バッファリング、細粒度ループを備えた VLA 設計は大幅な高速化をもたらし、A64FX で最大 4.5 倍、Grace で 2.5 倍、Graviton で 1.5 倍を達成。
• SVE の最適化により Grace でベクトル命令の使用が ~20% から ~60%へ、A64FX で ~0% から ~40%へと増加し、ベクトル化の効果的な改善を示す。
• ゲートフュージョンは演算強度を高め、ルーフラインに近づける効果があり、ジョピターンノード上で 288 スレッドまでスケーリング可能である。
• 高性能を得るにはベクトルユニットとメモリサブシステムの適合が重要であると指摘する。
• 実装はプラットフォームを超えてシングルソースであり、最大 36 キュビットの五つの回路で評価された。

(a)