[论文解读] GPU accelerated Trotter-Suzuki solver for quantum spin dynamics

Axel D. Dente, Carlos Bederián+2 more|arXiv (Cornell University)|Apr 30, 2013

Quantum many-body systems参考文献 16被引用 6

一句话总结

本文提出了一种基于GPU加速的四阶Trotter-Suzuki算法，用于模拟多体系统中非平衡态的量子自旋动力学。通过大规模并行化自旋相互作用和局部旋转，该实现相较于基于CPU的OpenMP代码实现了最高30倍的加速，使得在实际内存限制下可模拟最多27个自旋的系统。

ABSTRACT

The resolution of dynamics in out of equilibrium quantum spin systems lies at the heart of fundamental questions among Quantum Information Processing, Statistical Mechanics and Nano-Technologies. Efficient computational simulations of interacting many-spin systems are extremely valuable tools for tackling such questions. Here, we use the Trotter-Suzuki (TS) algorithm, a well-known strategy that provides the evolution of quantum systems, to address the spin dynamics. We present a GPU implementation of a particular TS version, which has been previously implemented on single cores in CPUs. We develop a massive parallel version of this algorithm and compare the efficiency between CPU and GPU implementations. This method reduces the execution time considerably and is capable of dealing with systems of up to 27 spins (only limited by GPU memory).

研究动机与目标

• 解决在相互作用多自旋量子系统中模拟非平衡态动力学的计算挑战。
• 克服传统基于CPU的模拟所受的指数级希尔伯特空间缩放限制。
• 开发一种幺正且不截断的数值方法，以保持量子演化保真度。
• 利用GPU并行性加速无对称性假设的自旋哈密顿量的Trotter-Suzuki分解。
• 在仅受GPU内存限制的前提下，实现最多27个自旋的自旋系统大规模模拟。

提出的方法

• 对自旋-1/2哈密顿量的时间演化算符实现四阶Trotter-Suzuki分解。
• 通过XYZ分解将哈密顿量划分为X、Y和Z分量，其中Z项为对角项，X/Y项为非对角项。
• 通过局部旋转将非对角的X和Y项转换为等效的Z型项，以实现高效的相位调控。
• 通过GPU内核中的大规模并行化实现相位更新和局部旋转，利用线程间的独立性。
• 使用$2^N$个伊辛态的计算基表示多体波函数，避免截断。
• 通过在整个时间演化过程中保持态矢量的范数，确保幺正性，避免使用如Runge-Kutta等非幺正积分器。

实验结果

研究问题

• RQ1 GPU加速能否显著缩短使用Trotter-Suzuki方法对多体量子自旋系统进行时间演化的时间？
• RQ2 Trotter-Suzuki算法在GPU架构上对非平凡自旋哈密顿量的并行化程度如何？
• RQ3 在使用完整希尔伯特空间表示的GPU加速TS方法下，可高效模拟的最大系统尺寸（自旋数）是多少？
• RQ4 与精确解或参考CPU模拟相比，GPU优化的TS实现的精度如何？
• RQ5 该GPU加速的TS求解器能否有效应用于物理相关的场景，如封闭量子系统中的热化或矩阵乘积态演化？

主要发现

• 与在6核处理器上优化的OpenMP CPU实现相比，GPU实现的最大加速比约为30倍。
• 该方法使最多可模拟27个自旋，其限制仅来自GPU内存容量（在测试设置中约为6 GB）。
• 通过Loschmidt回声测量的时间演化相对误差保持在Trotter-Suzuki近似可接受的范围内，验证了该方法的精度。
• Loschmidt回声可作为检测GPU和CPU实现中计算误差的可靠判据。
• 该实现与高级量子态表示（如随机叠加态和矩阵乘积态）兼容，可拓展至量子多体物理中的更广泛应用。
• 该算法在整个演化过程中保持幺正性，确保概率守恒和物理一致性。