DOI: https://doi.org/10.1038/s44488-026-00002-2
تاريخ النشر: 2026-07-14
المؤلف: Marek Miller وآخرون
الموضوع الرئيسي: خوارزميات وهندسة الحوسبة الكمومية
نظرة عامة
في هذا القسم، يقدم المؤلفون phase2، وهو محاكي كامل لحالة المتجه مصمم لمحاكاة فعالة للخوارزميات الكمومية، مع التركيز بشكل خاص على تسلسلات من دوران باولي متعدد الكيوبت عبر مجموعات CPU وGPU الموزعة. من خلال الاستفادة من الهيكل الشائع في دوائر دوران باولي، يقلل المحاكي من التواصل بين العقد، مما يؤدي إلى تسريع كبير—حتى مرتبتين من حيث الحجم—عند تنفيذ الدورانات المجمعة. يتم التحقق من أداء phase2 من خلال اختبارات القياس الضعيف والقوي، حيث يحقق محاكاة فعالة تصل إلى 40 كيوبت على 512 GPU من نوع NVIDIA H100 مع إجمالي 32 تيرابايت من الذاكرة الموزعة.
علاوة على ذلك، يطبق المؤلفون المحاكي للتحقيق في تطور الزمن الهاميلتوني في المساحات النشطة المعقدة من الروثينيوم، حيث لوحظ أن خطأ تروتر التجريبي يكون باستمرار أقل بأكثر من مرتبتين من حيث الحجم من الحد الأعلى النظري لجميع المساحات النشطة المتقاربة، والتي تشمل تكوينات تصل إلى 32 كيوبت. تشير هذه النتيجة إلى أن أعماق الدوائر العملية وتكاليف المحاكاة المرتبطة بها أقل بكثير من التقديرات المحافظة السابقة، مما يبرز كفاءة المحاكي وإمكاناته في تعزيز تصميم الخوارزميات الكمومية وتقييم الأداء.
طرق
استخدمت الدراسة مرافق الحوسبة عالية الأداء (HPC) لتقدير ثابت خطأ تروتر لنموذج هاملتوني لمركب الروثينيوم NKP-1339 ضمن معقد دوائي-بروتيني. تم إجراء المحاكاة بين يناير ومارس 2025، باستخدام مجموعتين من HPC: مجموعة CPU إيلر في ETH زيورخ ومجموعة GPU NVIDIA جفيون في كوبنهاغن. سهلت مجموعة إيلر معايرة ومحاكاة نظام مكون من 36 كيوبت باستخدام ما يصل إلى 16,384 نواة CPU و8 تيرابايت من الذاكرة، بينما تم استخدام مجموعة جفيون للتجربة الرئيسية المكونة من 40 كيوبت، مستفيدة من ما يصل إلى 64 عقدة DGX مع 512 GPU و32 تيرابايت من ذاكرة GPU. بلغ إجمالي الجهد الحسابي حوالي 1.33 × 10^7 ساعة CPU و5 × 10^4 ساعة GPU.
لأغراض التقييم، قارن البحث تنفيذهم مع إصدار QuEST 3.7.0، مع التركيز على وقت التنفيذ لمجموعات من دوران باولي مع عدد مختلف من الكيوبتات (من 16 إلى 31) وتخصيصات نواة CPU (1 و8 و128). شملت المعايير أيضًا حسابات GPU مع جهاز واحد و8 أجهزة. على الرغم من الجهود المبذولة لضمان القابلية للمقارنة، تم ملاحظة اختلافات جوهرية في الحسابات بين الإصدارين البرمجيين، لا سيما في كفاءة تنفيذ دوران باولي. تم إجراء التقييم على خادم NVIDIA DGX H100 الخاص بجفيون، مع حساب متوسط وقت التنفيذ على مدار عدة جولات لتخفيف آثار ذاكرة التخزين المؤقت. أعرب المؤلفون عن امتنانهم للدعم الذي تلقوه من فريق إيلر والمركز الدنماركي للابتكار في الذكاء الاصطناعي، الذي سهل الموارد الحاسوبية اللازمة لهذا البحث.
النتائج
تظهر النتائج فعالية الطريقة المقترحة لمحاكاة تسلسلات دوران باولي على أنظمة كمومية كبيرة، مما يظهر قابلية كبيرة للتوسع على كل من مجموعات CPU وGPU. من الجدير بالذكر أن الأداء في دوران باولي المشترك المجمّع يظهر تحسنًا ملحوظًا، حيث تحقق تسريعات تصل إلى مرتبتين من حيث الحجم مقارنةً بمرجع مثبت لأحجام مجموعات كبيرة (L = 100). بالنسبة للدورانات الفردية (L = 1)، يتراوح التسريع الملحوظ من 1 إلى 10 مرات.
بالإضافة إلى ذلك، تم إجراء تجربة عددية لتقييم خطأ تروتر المرتبط بتطور الزمن الذي تحكمه هاملتونيوم المركب الروثينيوم NKP-1339. تم توضيح النتائج المستخلصة من هذه التجربة في القسم المعنون “المحاكاة”، الذي يوضح النتائج الحسابية التي تم الحصول عليها.
نقاش
تقدم الدراسة حزمة برمجية محسّنة لمحاكاة دقيقة كاملة لحالة المتجه لتطور الزمن الهاميلتوني، مستهدفة بشكل خاص مجموعات CPU وGPU الموزعة. تمثل الطريقة الحالة الكمومية لنظام مكون من $n$ كيوبت كصفيف من $2^n$ من السعات المعقدة، مما يسمح بمحاكاة تصل إلى 40 كيوبت باستخدام موارد حاسوبية كبيرة، بما في ذلك 32 تيرابايت من الذاكرة عبر 512 GPU من نوع NVIDIA H100. تركز التنفيذ على تطبيق دوران باولي بكفاءة، باستخدام تحسين مشترك يقلل من عبء التواصل أثناء المحاكاة. يعزز هذا التحسين، جنبًا إلى جنب مع بنية متعددة GPU، الأداء بشكل كبير، محققًا تسريعات تزيد عن 100 مرة مقارنة بالمحاكيات الحالية مثل QuEST v3.
تم إثبات قابلية التوسع للخوارزمية بشكل فعال، مع ملاحظة القياس الضعيف والقوي حتى 38 كيوبت. تشير تحليل الأداء إلى أن سرعة المحاكاة مقيدة بالذاكرة للأنظمة الأكبر، حيث يظهر قياس خطأ تروتر أن الخطأ الملحوظ أقل بمقدار مرتبة إلى مرتبتين من الحدود العليا النظرية. يشير هذا إلى أن تكاليف المحاكاة العملية قد تكون أقل من التقديرات المحافظة. ومع ذلك، فإن التنفيذ محدود بدوائر دوران باولي، والنمو الأسي في متطلبات الذاكرة يمثل تحديات للأنظمة الأكبر. قد تتضمن الأعمال المستقبلية استكشاف أساليب هجينة لتحسين الوصول إلى الذاكرة وتداخل الحسابات، بالإضافة إلى تعميم الطريقة لتشمل أنظمة جزيئية أخرى.
DOI: https://doi.org/10.1038/s44488-026-00002-2
Publication Date: 2026-07-14
Author(s): Marek Miller et al.
Primary Topic: Quantum Computing Algorithms and Architecture
Overview
In this section, the authors introduce phase2, a full-state-vector simulator designed for efficient simulation of quantum algorithms, particularly focusing on sequences of many-qubit Pauli rotations across distributed CPU and GPU clusters. By leveraging the common-suffix structure inherent in Pauli-rotation circuits, the simulator minimizes inter-node communication, resulting in a significant speedup—up to two orders of magnitude—when executing grouped rotations. The performance of phase2 is validated through weak and strong scaling tests, achieving effective simulation for up to 40 qubits on 512 NVIDIA H100 GPUs with a total of 32 TB of distributed memory.
Furthermore, the authors apply the simulator to investigate Hamiltonian time evolution in ruthenium-ligand active spaces, observing that the empirical Trotter error is consistently more than two orders of magnitude lower than the theoretical upper bound for all converged active spaces, which includes configurations of up to 32 qubits. This finding indicates that the practical circuit depths and associated simulation costs are significantly lower than previously conservative estimates, highlighting the simulator’s efficiency and potential for advancing quantum algorithm design and benchmarking.
Methods
The research employed high-performance computing (HPC) facilities to estimate the Trotter error constant for a Hamiltonian model of the ruthenium ligand NKP-1339 within a drug-protein complex. The simulations were conducted between January and March 2025, utilizing two HPC clusters: the CPU cluster Euler at ETH Zürich and the NVIDIA GPU cluster Gefion in Copenhagen. The Euler cluster facilitated the calibration and simulation of a 36-qubit system using up to 16,384 CPU cores and 8 TB of memory, while the Gefion cluster was used for the primary 40-qubit experiment, leveraging up to 64 DGX nodes with 512 GPUs and 32 TB of GPU memory. The entire computational effort amounted to approximately 1.33 × 10^7 CPU hours and 5 × 10^4 GPU hours.
For benchmarking, the study compared their implementation with QuEST version 3.7.0, focusing on the execution time for groups of Pauli rotations with varying qubit counts (16 to 31) and CPU core allocations (1, 8, and 128). The benchmarks also included GPU computations with 1 and 8 devices. Despite efforts to ensure comparability, intrinsic differences in the calculations between the two software versions were noted, particularly in the efficiency of the Pauli rotation implementations. The benchmarking was conducted on Gefion’s NVIDIA DGX H100 server, with the average execution time calculated over multiple runs to mitigate memory cache effects. The authors expressed gratitude for the support received from the Euler team and the Danish Centre for AI Innovation, which facilitated the computational resources necessary for this research.
Results
The results demonstrate the effectiveness of the proposed method for simulating sequences of Pauli rotations on large quantum systems, showcasing significant scalability on both CPU and GPU clusters. Notably, the performance on grouped common-suffix Pauli rotations shows a remarkable improvement, achieving speedups of up to two orders of magnitude compared to an established reference for large group sizes (L = 100). For individual rotations (L = 1), the observed speedup ranges from 1 to 10 times.
Additionally, a numerical experiment was conducted to assess the Trotter error associated with the time evolution governed by the Hamiltonian of the ruthenium complex NKP-1339. The findings from this experiment are elaborated in the section titled ‘Simulation’, which details the computational results obtained.
Discussion
The research presents an optimized software package for the exact full-state vector simulation of Hamiltonian time evolution, particularly targeting distributed CPU and GPU clusters. The method represents the quantum state of an $n$-qubit system as an array of $2^n$ complex amplitudes, allowing for simulations of up to 40 qubits using significant computational resources, including 32 TB of memory across 512 NVIDIA H100 GPUs. The implementation focuses on applying Pauli rotations efficiently, utilizing a common-suffix optimization that reduces communication overhead during simulations. This optimization, combined with a multi-GPU architecture, significantly enhances performance, achieving speedups of over 100 times compared to existing simulators like QuEST v3.
The scalability of the algorithm has been demonstrated effectively, with weak and strong scaling observed up to 38 qubits. The performance analysis indicates that the simulation speed is memory-bound for larger systems, with the Trotter error scaling showing that the observed error is one to two orders of magnitude below theoretical upper bounds. This suggests that practical simulation costs may be lower than conservative estimates. However, the implementation is limited to Pauli-rotation circuits, and the exponential growth in memory requirements poses challenges for larger systems. Future work may involve exploring hybrid approaches to further optimize memory access and computation overlap, as well as generalizing the method to other molecular systems.