Core Concepts
状態ベクトルシミュレーションの計算複雑性を軽減するために、ゲートマトリックスキャッシングと回路分割の組み合わせを提案する。
Abstract
本論文では、量子回路シミュレーションの実行速度を向上させるための2つの新しい手法を提案している。
ゲートマトリックスキャッシング:
量子ゲートマトリックスを部分的に分解し、キャッシュすることで、状態ベクトルへの適用時の計算量を削減する。
単一量子ゲートだけでなく、複合ゲートにも適用可能。
部分マトリックスの事前計算と保存により、Kronecker積の繰り返し計算を削減できる。
回路分割:
量子回路を依存関係グラフとして解釈し、サブ回路に分割する。
サブ回路ごとに状態ベクトルを部分的に更新することで、メモリ使用量と計算時間を削減する。
分割アルゴリズムは単純なグリーディーなものを採用しているが、今後はグラフアルゴリズムを活用した最適化が期待される。
これらの手法を組み合わせて実装したシミュレータ「Qandle」は、既存の量子回路シミュレータと比較して実行時間とメモリ使用量の両面で優れた性能を示している。
Qandleは、PyTorchライブラリとの高い親和性を持ち、量子機械学習ワークフローへの統合が容易である。
Stats
量子回路シミュレーションの実行時間は、従来のシミュレータと比べて大幅に短縮されている。
メモリ使用量も、従来のシミュレータと比べて低く抑えられている。
Quotes
"状態ベクトルシミュレーションの計算複雑性を軽減するために、ゲートマトリックスキャッシングと回路分割の組み合わせを提案する。"
"Qandleは、PyTorchライブラリとの高い親和性を持ち、量子機械学習ワークフローへの統合が容易である。"