System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及分布式计算,尤其涉及一种云平台分布式集群模拟量子算力的方法。
技术介绍
1、一方面,量子计算(qc)在诸如shor的整数因子分解算法、grover的搜索算法、量子绝热算法等任务中展示了其量子优越性(quantum advantage)。qc通过量子加速可以扩展解决特定问题规模,远远超出最强大的经典计算机的能力。qc的主要应用场景包括网络安全、密码学、机器学习和物理化学仿真等。另一方面,云上高性能计算(hpc)是一个重要的产业发展趋势。hpc推动了基础科学的发展,为工程设计、药物开发、材料合成等领域提供了算力基础设施保证。研究表明,使用高性能的服务器集群可以在有效的时间范围内模拟量子线路(quantum circuit),量子门的保真度(fidelity of quantum gate)更高。
2、现有技术下,由于量子计算机的高建设成本,为了方便用户使用量子算力,量子计算云平台(quantum computing cloud platform)应运而生。为提高量子云平台的资源共享能力和并行效率,需要云平台的经典算力卸载用户提交的量子比特(qubit)规模较小的计算任务。这对量子线路经典模拟器(classical simulator for quantum circuit)提出了更高的性能要求,但是目前主流模拟器在单个节点上具有较好的性能,在充分利用数据中心内分布式经典算力、hpc算力和高性能网络的资源上还存在较大提升空间。
技术实现思路
1、本部分的目的在于
2、鉴于上述现有技术存在的问题,提出了本专利技术。
3、因此,本专利技术目的是提供一种云平台分布式集群模拟量子算力的方法,其为了解决现有技术下的问题。
4、为解决上述技术问题,本专利技术提供如下技术方案:
5、一种云平台分布式集群模拟量子算力的方法,包括以下步骤:
6、s1:假设有m个计算节点,根据每个节点的内存资源大小,计算各个节点承接仿真任务的工作负载比例,即其内存大小构成一个m维的资源向量vm,将其归一化后得到负载权重w;
7、s2:假设当前的量子门g对应的复数酉矩阵为u,则第i个节点负责计算量子门操作后量子态x的第项到第项,它需要依赖变换前的量子态x,以及u的第行到第行;
8、s3:各个节点同步并行完成量子门g操作,即并行完成如下分块矩阵乘法之后第i个节点本地量子态负责的子向量更新为x′i;
9、s4:通过支持roce的网络接口,各个节点允许以集合通信库的形式(allgather,scatter)调用底层verbs api,完成x1,...,xm的同步;
10、s5:量子线路中所有的量子门变换均已完成,对最终量子态x进行测量。
11、作为本专利技术所述一种云平台分布式集群模拟量子算力的方法的一种优选方案,其中,所述步骤s1中,因为用户输入的量子线路含有n个qubit,每个计算节点根据用户制定的初始值,维护一个本地的量子态向量x。
12、作为本专利技术所述一种云平台分布式集群模拟量子算力的方法的一种优选方案,其中,维护一个本地的量子态向量x的同时,保证vm的1范数大于存储单个量子门和量子态向量所需内存大小。
13、作为本专利技术所述一种云平台分布式集群模拟量子算力的方法的一种优选方案,其中,所述步骤s2中,整个矩阵被按比例分配到m个计算节点,假设这些节点能力相同,则构成了u矩阵按行均分成了m条分块矩阵分配给各个计算节点存储。
14、作为本专利技术所述一种云平台分布式集群模拟量子算力的方法的一种优选方案,其中,分配给各个计算节点存储的同时,每个计算节点还存储了一个本地的量子态x,在量子门变换前,这些量子态是同步的。
15、作为本专利技术所述一种云平台分布式集群模拟量子算力的方法的一种优选方案,其中,所述步骤s3中,更新后的m个计算节点上的本地量子态依次为x1,...,xm。
16、作为本专利技术所述一种云平台分布式集群模拟量子算力的方法的一种优选方案,其中,所述步骤s4中,在没有优化的情况下,单次通信的数据量可能达到上gb级别,同步时间开销和对网络资源的占用过大,通过引入量子态的稀疏表示技术和带权重的决策二分表示技术实现通信优化。
17、作为本专利技术所述一种云平台分布式集群模拟量子算力的方法的一种优选方案,其中,具体传输时,如果采用稀疏表示的吞吐量开销小于决策二分表示,则采用稀疏表示进行传输;如果采用决策二分表示的吞吐量开销小于稀疏表示,则采用决策二分表示进行传输;如果压缩后的数据量产生了膨胀,则采用原始量子态完成传输。
18、作为本专利技术所述一种云平台分布式集群模拟量子算力的方法的一种优选方案,其中,所述步骤s5中,以其中每个元素的模为概率,进行随机数采样,抽取元素下标的二进制表示即为模拟qubit测量输出。
19、作为本专利技术所述一种云平台分布式集群模拟量子算力的方法的一种优选方案,其中,所述步骤s5中,若量子门变换未完成,将回到步骤s2继续执行。
20、本专利技术的有益效果:
21、1、多计算节点仿真量子线路优化算法,可以最大化单个量子门变换操作的并行度,并最小化集合通信次数。
22、2、集合通信优化技术,利用高性能网络技术和量子态信息压缩技术显著减少集合通信导致的网络拥塞与时延开销,提高上述量子线路仿真方法的分布式计算适应性。
本文档来自技高网...【技术保护点】
1.一种云平台分布式集群模拟量子算力的方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种云平台分布式集群模拟量子算力的方法,其特征在于,所述步骤S1中,因为用户输入的量子线路含有n个Qubit,每个计算节点根据用户制定的初始值,维护一个本地的量子态向量x。
3.根据权利要求2所述的一种云平台分布式集群模拟量子算力的方法,其特征在于,维护一个本地的量子态向量x的同时,保证Vm的1范数大于存储单个量子门和量子态向量所需内存大小。
4.根据权利要求1所述的一种云平台分布式集群模拟量子算力的方法,其特征在于,所述步骤S2中,整个矩阵被按比例分配到M个计算节点,假设这些节点能力相同,则构成了U矩阵按行均分成了M条分块矩阵分配给各个计算节点存储。
5.根据权利要求4所述的一种云平台分布式集群模拟量子算力的方法,其特征在于,分配给各个计算节点存储的同时,每个计算节点还存储了一个本地的量子态x,在量子门变换前,这些量子态是同步的。
6.根据权利要求1所述的一种云平台分布式集群模拟量子算力的方法,其特征在于,所述步骤S3中,更
7.根据权利要求1所述的一种云平台分布式集群模拟量子算力的方法,其特征在于,所述步骤S4中,在没有优化的情况下,单次通信的数据量可能达到上GB级别,同步时间开销和对网络资源的占用过大,通过引入量子态的稀疏表示技术和带权重的决策二分表示技术实现通信优化。
8.根据权利要求7所述的一种云平台分布式集群模拟量子算力的方法,其特征在于,具体传输时,如果采用稀疏表示的吞吐量开销小于决策二分表示,则采用稀疏表示进行传输;如果采用决策二分表示的吞吐量开销小于稀疏表示,则采用决策二分表示进行传输;如果压缩后的数据量产生了膨胀,则采用原始量子态完成传输。
9.根据权利要求1所述的一种云平台分布式集群模拟量子算力的方法,其特征在于,所述步骤S5中,以其中每个元素的模为概率,进行随机数采样,抽取元素下标的二进制表示即为模拟Qubit测量输出。
10.根据权利要1所述的一种云平台分布式集群模拟量子算力的方法,其特征在于,所述步骤S5中,若量子门变换未完成,将回到步骤S2继续执行。
...【技术特征摘要】
1.一种云平台分布式集群模拟量子算力的方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种云平台分布式集群模拟量子算力的方法,其特征在于,所述步骤s1中,因为用户输入的量子线路含有n个qubit,每个计算节点根据用户制定的初始值,维护一个本地的量子态向量x。
3.根据权利要求2所述的一种云平台分布式集群模拟量子算力的方法,其特征在于,维护一个本地的量子态向量x的同时,保证vm的1范数大于存储单个量子门和量子态向量所需内存大小。
4.根据权利要求1所述的一种云平台分布式集群模拟量子算力的方法,其特征在于,所述步骤s2中,整个矩阵被按比例分配到m个计算节点,假设这些节点能力相同,则构成了u矩阵按行均分成了m条分块矩阵分配给各个计算节点存储。
5.根据权利要求4所述的一种云平台分布式集群模拟量子算力的方法,其特征在于,分配给各个计算节点存储的同时,每个计算节点还存储了一个本地的量子态x,在量子门变换前,这些量子态是同步的。
6.根据权利要求1所述的一种云平台分布式集群模拟量子算力的方法,其特征在于,所述步骤s...
【专利技术属性】
技术研发人员:杨明,徐亮,侯叶飞,张友梅,钱淑韵,
申请(专利权)人:天翼云科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。