[论文解读] Large-Scale Simulation of Quantum Computational Chemistry on a New Sunway Supercomputer

Honghui Shang, Li Shen+12 more|arXiv (Cornell University)|Jul 8, 2022

Cloud Computing and Resource Management被引用 4

一句话总结

本论文提出 Q2 Chemistry，一种基于张量网络态（MPS）与密度矩阵嵌入理论（DMET）的高性能变分量子本征求解器（VQE）模拟器，可在神威超算上实现大规模量子计算化学模拟。该模拟器在高达 2000 万个核心下实现了近乎线性的弱缩放与强缩放，可模拟最多 100 个原子与 1000 个量子比特的体系，验证了其在近中期量子化学实验基准测试中的可行性。

ABSTRACT

Quantum computational chemistry (QCC) is the use of quantum computers to solve problems in computational quantum chemistry. We develop a high performance variational quantum eigensolver (VQE) simulator for simulating quantum computational chemistry problems on a new Sunway supercomputer. The major innovations include: (1) a Matrix Product State (MPS) based VQE simulator to reduce the amount of memory needed and increase the simulation efficiency; (2) a combination of the Density Matrix Embedding Theory with the MPS-based VQE simulator to further extend the simulation range; (3) A three-level parallelization scheme to scale up to 20 million cores; (4) Usage of the Julia script language as the main programming language, which both makes the programming easier and enables cutting edge performance as native C or Fortran; (5) Study of real chemistry systems based on the VQE simulator, achieving nearly linearly strong and weak scaling. Our simulation demonstrates the power of VQE for large quantum chemistry systems, thus paves the way for large-scale VQE experiments on near-term quantum computers.

研究动机与目标

• 开发一种可扩展的经典 VQE 模拟器，用于研究近中期量子计算机上的量子计算化学问题。
• 克服全配置相互作用（FCI）方法在大分子体系中指数级增长的内存需求。
• 在噪声中等规模量子（NISQ）设备执行前，实现对真实世界量子化学问题（如蛋白质-配体相互作用）的大规模、高精度模拟。
• 在高达 2000 万个核心的超级计算机上实现近线性的强缩放与弱缩放，以支持近中期量子算法的基准测试。
• 在真实化学体系（包括含已知抑制剂的 SARS-CoV-2 主蛋白酶）上验证该方法，以实现具有量子化学精度的结合亲和力预测。

提出的方法

• VQE 模拟器采用矩阵乘积态（MPS）表示法，以降低大量子体系的内存需求并提升模拟效率。
• 将密度矩阵嵌入理论（DMET）与基于 MPS 的 VQE 相结合，突破纯 MPS 方法的模拟极限。
• 采用三级并行化策略——基于 MPI 的域分解、OpenMP 多线程与 GPU 加速，实现对 2000 万个核心的可扩展性。
• 使用 Julia 作为主要编程语言，通过 Julia 的即时编译（JIT）机制与优化库，在保持高级语言表达性的同时实现接近原生 C/Fortran 的性能。
• 模拟器通过参数化量子线路进行迭代 VQE 优化，结合哈特里-福克几何优化与能量评估，用于预测配体结合亲和力。
• 通过高效的 MPI_Allreduce 与 MPI_Bcast 操作最小化通信开销，在大规模下每轮迭代的数据传输时间低于 0.001 秒。

实验结果

研究问题

• RQ1 能否在现代超级计算机上实现经典 VQE 模拟器对高达 1000 个量子比特的大规模量子化学体系的可扩展模拟？
• RQ2 MPS 与 DMET 的结合在多大程度上提升了 VQE 模拟在大分子体系中的精度与可扩展性？
• RQ3 该 VQE 模拟器在高达 2000 万个核心的超级计算机上，其强缩放与弱缩放性能能达到何种程度？
• RQ4 该模拟器能否准确预测真实蛋白质-配体复合物（如含已知抑制剂的 SARS-CoV-2 主蛋白酶）的结合能？
• RQ5 与传统 HPC 语言相比，基于 Julia 的实现方式在开发效率与计算性能方面表现如何？

主要发现

• Q2 Chemistry 模拟器在高达 2000 万个核心下实现了近乎线性的弱缩放与强缩放，每轮 VQE 迭代的通信开销低于 0.001 秒。
• 该方法成功模拟了含 103 个原子（阿扎那韦）的体系，包含 378 个电子与 1000 个量子比特，是采用该方法报告的最大规模量子化学模拟。
• Candesartan cilexetil 的结合能被预测为 -6.8 eV，与实验观测结果高度一致。
• Nirmatrelvir（Paxlovid 成分）的结合能为 -7.3 eV，低于 Candesartan cilexetil，表明其结合更强，与已知抗病毒活性一致。
• 使用 Julia 实现显著提升了开发效率，性能可与手工优化的 C/Fortran 代码相媲美，且高效集成了 MPI 与优化的 BLAS/LAPACK 库。
• 该模拟器表明，VQE 可在近中期含约 100 个量子比特的量子硬件部署前，通过经典超级计算机可靠地进行基准测试。