HybriD-GM: parallel model for quantum computing targeted to hybrid architectures
Resumo
Uma grande quantidade de pesquisas científicas e desenvolvimentos tecnológicos ainda depende de simulações de computação quântica, uma vez que os computadores quânticos ainda são limitados por implementações físicas. Atualmente, o desenvolvimento de algoritmos de computação quântica tem sido realizado por procedimentos analíticos ou de simulação enquanto os computadores quânticos não estão amplamente disponíveis. Embora a simulação de computação quântica seja paralela por natureza, a complexidade espacial e temporal são os maiores riscos de desempenho, pois os estados quânticos e as transformações quânticas aumentam exponencialmente com o número de qubits simulados. Esta proposta contribui desde a concepção até a consolidação do modelo HybriD-GM, bem como introduz a extensão do ambiente D-GM, proporcionando execuções paralelas eficientes para computação quântica, que neste trabalho é voltada para arquiteturas híbridas, considerando tanto
CPU quanto GPU. O modelo HybriD-GM explora as potencialidades da Computação de Alto Desempenho, fornecendo funcionalidades e explorando operadores de projeção que atuam em estruturas quânticas, estados e transformações, para manipular a granularidade e distribuição de cálculos. Neste contexto, a distribuição das computações é baseada em estruturas de dados em árvore, onde os nós intermediários e finais correspondentes às camadas de projeção e execução são configurados para otimizar os recursos de hardware. Simulações dos algoritmos de Shor e Grover foram realizadas a fim de avaliar o modelo HybriD-GM, e os resultados alcançaram melhorias
de desempenho significativas para execuções em CPU e GPU. Quando comparados com a versão anterior do D-GM, eles apresentaram speedups de 21 e 9; 5 para simulações paralelas em CPU e de 61; 9 e 38; 32 para simulações em GPU. Além disso, em relação aos simuladores LIQUiji e ProjectQ, a simulação paralela com 23 qubits do Shor foi 4; 64 mais rápida e do Grover foi 32 mais rápida. Os resultados das simulações híbridas mostraram que é possível aumentar o desempenho para algumas
classes de algoritmos, melhorando o desempenho do algoritmo de Grover em até 3; 18 em comparação ao uso apenas da abordagem GPU.
Collections
Os arquivos de licença a seguir estão associados a este item: