.png){kind=icon}
返回
A community detection-based parallel algorithm for quantum circuit simulation using tensor networks
.png){kind=icon}
OA
AI
DOI：10.1007/s11227-025-06918-3.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
量子计算在解决复杂问题方面具有巨大潜力，但由于当前量子硬件的限制，在经典计算机上模拟量子电路仍然是必要的。高效模拟对于量子算法和量子计算机的开发与验证至关重要。本文探讨了比较利用不同级别并行性加速表示大型量子电路的张量网络收缩的各种策略。我们提出了一种基于社群的新并行多阶段算法。原始张量网络被划分为若干社群，随后并行进行收缩。所得网络中的张量对可以通过GPU并行收缩。我们使用Girvan-Newman算法获取社群和收缩计划。我们将新算法与另外两种并行化策略进行比较：一种基于在GPU中收缩所有张量对，另一种使用切片技术切断张量网络的部分索引，然后利用MPI进程并行收缩所得切片。新的并行算法在具有高纠缠度的多种知名量子电路（包括随机量子电路）上取得了最佳结果。总之，结果表明限制模拟的主要因素是空间成本。然而，并行多阶段算法成功降低了具有大量量子比特电路的顺序模拟成本，并允许模拟更大的电路。
Keyword:
Quantum circuits simulation
Parallel computing
Tensor networks
Community detection
期刊
IF:
2.7
论文数:
1.1K
被引数:
1.0W
机构
引用论文
.png){kind=icon}
ExaTN: Scalable GPU-Accelerated High-Performance Processing of General Tensor Networks at ExascaleOAAI
OAAI分享收藏
查看更多内容