TL;DR
- چکیده:.
- شبیهسازی کلاسیک مدارهای کوانتومیبرای توسعه الگوریتم،.
- اعتبارسنجی سختافزار،.
چه اتفاقی افتاد
چکیده:. شبیهسازی کلاسیک مدارهای کوانتومیبرای توسعه الگوریتم،.
اعتبارسنجی سختافزار،. و تحلیل خطا در عصر کوانتومیدر مقیاس متوسط (NISQ) ضروری است.
با این حال،. شبیهسازی بردار حالت با مقیاسگذاری حافظه نمایی،.
با یک سیستم n-qubit که به دامنههای پیچیده O(2^n) نیاز دارد،. و شبیهسازهای موجود اغلب فاقد انعطافپذیری برای بهرهبرداری از منابع محاسباتی ناهمگن در زمان اجرا هستند.
این مقاله یک چارچوب شبیهسازی مدار کوانتومیبا شتاب GPU را ارائه میکند که سه مشارکت را معرفی. میکند:.
(1) یک الگوریتم انتخاب باطن تجربی که باطنهای CuPy،. PyTorch-CUDA و NumPy-CPU را در زمان اجرا معیار قرار میدهد و مسیر اجرای بهینه را بر اساس توان.
اندازهگیری شده انتخاب میکند. (2) یک موتور فیوژن گیت مبتنی بر گراف غیر چرخهای جهتدار (DAG) که عمق مدار را از طریق.
شناسایی خودکار توالیهای گیت همجوشی کاهش میدهد. همراه با سوئیچینگ دقیق تطبیقی بین نمایشهای complex64 و complex128.
و (3) یک مکانیسم بازگشتی آگاه به حافظه که مصرف حافظه GPU را نظارت میکند و زمانی. که منابع تمام میشود،.
به طرز ظریفی به اجرای CPU تنزل میدهد. این چارچوب با Qiskit، Cirq، PennyLane و Amazon Braket از طریق یک لایه آداپتور یکپارچه ادغام میشود.
معیارهای یک پردازنده گرافیکی NVIDIA A100-SXM4 (40 گیگا بایت) افزایش سرعت 64 برابری تا 146 برابری را نسبت. به اجرای CPU NumPy برای شبیهسازی بردار حالت مدارها با 20 تا 28 کیوبیت،.
با سرعتهای بیش از 5 برابر از 16 کیوبیت به بعد نشان میدهند. اعتبار سنجی سخت افزاری در واحد پردازش کوانتومی IBM (QPU) وفاداری حالت بل 0.
939، وفاداری حالت پنج کیوبیت گرینبرگر-هورن-زیلینگر (GHZ) 0. 853 و کاهش عمق مدار از 42 به 14 گیت از طریق خط لوله فیوژن را تأیید می.
کند. این سیستم برای حمل و نقل در سراسر پردازندههای گرافیکی مصرف کننده و مرکز داده NVIDIA طراحی.
شده است. بدون نیاز به مراحل تلفیقی خاص فروشنده.
صفحه، 6 شکل، 8 جدول فیزیک کوانتومی (quant-ph); محاسبات توزیع شده، موازی و خوشهای (cs. DC)؛ فناوریهای نوظهور (cs.
ET) استناد بهعنوان:. (یا v1 [quant-ph] برای این نسخه) https:.
// شده توسط arXiv از طریق DataCite (در انتظار ثبت نام) تاریخچه ارسال از:. پروفسور Santhosh Sivasubramani [مشاهده ایمیل] [v1] شنبه،.
4 آوریل 2026،. 17:.
46:. 37 UTC (699 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.