[论文解读] Efficient techniques to GPU Accelerations of Multi-Shot Quantum Computing Simulations

Jun Doi, Hiroshi Horii+1 more|arXiv (Cornell University)|Aug 7, 2023

Quantum Computing Algorithms and Architecture被引用 4

一句话总结

本文提出两种GPU优化技术——批量多轮执行（batched multi-shot execution）与轮次分支（shot-branching），以加速多轮量子线路模拟，尤其在存在噪声的情况下。通过将多轮合并为单次内核启动，并在相同路径的轮次间共享状态向量，作者实现相较于先前GPU实现高达10倍的性能提升，使GPU模拟在小型线路中也快于CPU。

ABSTRACT

Quantum computers are becoming practical for computing numerous applications. However, simulating quantum computing on classical computers is still demanding yet useful because current quantum computers are limited because of computer resources, hardware limits, instability, and noises. Improving quantum computing simulation performance in classical computers will contribute to the development of quantum computers and their algorithms. Quantum computing simulations on classical computers require long performance times, especially for quantum circuits with a large number of qubits or when simulating a large number of shots for noise simulations or circuits with intermediate measures. Graphical processing units (GPU) are suitable to accelerate quantum computer simulations by exploiting their computational power and high bandwidth memory and they have a large advantage in simulating relatively larger qubits circuits. However, GPUs are inefficient at simulating multi-shots runs with noises because the randomness prevents highly parallelization. In addition, GPUs have a disadvantage in simulating circuits with a small number of qubits because of the large overheads in GPU kernel execution. In this paper, we introduce optimization techniques for multi-shot simulations on GPUs. We gather multiple shots of simulations into a single GPU kernel execution to reduce overheads by scheduling randomness caused by noises. In addition, we introduce shot-branching that reduces calculations and memory usage for multi-shot simulations. By using these techniques, we speed up x10 from previous implementations.

研究动机与目标

• 解决由于高内核启动开销和噪声引起的随机性，导致基于GPU的多轮量子模拟效率低下的问题。
• 克服因GPU开销导致CPU模拟在小型线路中性能优于GPU的性能差距。
• 提升含泡利噪声与克拉乌斯噪声模型的噪声量子线路模拟效率。
• 利用MPI实现跨多GPU和计算节点的可扩展、高性能多轮模拟。
• 开发适用于CPU与GPU的优化技术，以提升在不同线路尺寸与噪声条件下的模拟性能。

提出的方法

• 通过将多个轮次分组为单次GPU内核启动，实现批量多轮执行，以减少内核启动开销。
• 引入轮次分支技术，实现相同路径轮次之间的状态向量共享，减少冗余计算与内存占用。
• 在噪声采样与测量操作期间，通过轮次间的同步机制，确保批量执行的正确性。
• 在Qiskit Aer中应用这些技术，利用其GPU与多节点模拟能力，实现端到端加速。
• 设计优化方案以兼容现有量子模拟堆栈，避免依赖专用API（如cuStateVec），以提升可移植性。
• 结合批量多轮执行与轮次分支技术，实现混合优化，兼顾小型与大型线路场景。

实验结果

研究问题

• RQ1 当噪声与中间测量导致难以高效并行化时，如何加速基于GPU的多轮量子模拟？
• RQ2 批量执行能否有效降低GPU内核启动开销，使GPU模拟在小型线路中也快于CPU？
• RQ3 在低错误率的噪声模拟中，轮次分支在多大程度上能减少计算与内存使用？
• RQ4 这些优化在集群环境中跨多GPU与计算节点的可扩展性如何？
• RQ5 所提技术能否推广至CPU与GPU执行？与现有模拟后端相比表现如何？

主要发现

• 批量多轮执行优化显著降低了GPU内核启动开销，使GPU模拟在20量子比特以下的线路中也能超越CPU模拟。
• 轮次分支在噪声模拟中显著减少计算与内存使用，尤其在错误率较低、分支稀疏时效果更明显。
• 批量多轮执行与轮次分支技术的联合使用，使新实现相比先前Qiskit Aer GPU版本实现高达10倍的加速。
• 优化方案在使用MPI的多节点集群中表现出强可扩展性，尤其在高轮次数与大线路中效果显著。
• 这些技术在CPU与GPU上均有效，其中轮次分支在大线路中表现更优，而批量执行在小线路中更具优势。
• 作者观察到，新实现使整个量子比特范围内的模拟速度均快于CPU，成功克服了以往GPU效率低下的问题。