异构集群环境下通用量子计算仿真技术研究

发布时间：2020-10-13 23:21

　　 量子计算近年来的一系列进展吸引了广泛的关注,量子计算机得益于其内在并行性,可以在线性时间内解决某些经典计算机上的NP难问题,尽管目前已有的优于经典计算的量子算法还比较少,量子计算的潜力已经初现。然而,目前距离有实际使用价值的量子计算机的问世还有很长一段距离,量子计算机的物理实现规模还很小,因此,目前量子计算仿真技术仍然是进行量子算法研究和验证的有效途径。本文主要开展了关于应用CPU+GPU异构集群进行通用量子计算机仿真的研究。本文主要研究内容如下:1.对异构集群量子计算仿真中的通信特点进行分析,针对通信开销大的问题提出了优化方法,有效降低量子计算仿真过程中的通信开销。2.结合CUDA架构特性、Kepler设备特性和量子计算仿真的特点,对量子计算仿真进行了访存优化和性能提升。3.在对量子计算仿真并行特征分析的基础上,构建了通用量子计算仿真平台,进行了多组实验验证本文提出的方法的有效性,并对仿真平台的性能进行了分析。通过上述的研究,本文从降低通信开销、性能优化等方面入手,构建了基于CPU+GPU异构集群的大规模通用量子计算机仿真平台,为量子算法的研究提供有力工具。
【学位单位】：南京航空航天大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP38
【部分图文】：

基本存储单元，与经典计算机的比特，即为基态的线性组合，称为叠加态，量以用二维向量来表示，本文采用向量 基态的概率幅，概率幅是复数，其意义别为 和 ，并且满足 =系统的基态复合态可以用如下的状态向 ∑ ∑

小、寄存器初态、量子线路等数据，然后主节点将各种参数及量子线路分发到其余各个节点，然后每个节点启动 GPU 设备，并检测可用的 GPU 设备数量，然后每个节点都根据量子寄存器大小分配 Host 端内存空间和 GPU 设备内存空间然后根据寄存器初态初始化量子寄存器，然后将 Host 端数据分发到各个 GPU 设备上来，然后根据量子线路逐个量子门进行仿真，每个量子门计算结束后进行线程级同步并更新概率幅，直至量子门仿真结束后，将 GPU 上的数据拷贝到内存中，最后返回仿真结果。在仿真中，本文对任务做水平拆分即将数据和任务均等的进行分配，因为在量子门仿真中，矩阵运算的每一个单位计算基本都是相同的，所以可以将数据和计算任务进行水平拆分，平均分发到各个节点和设备上去，这里的数据拷贝通过 CUDA 的流来实现，通过异步数据传输，可以达到部分隐藏 GPU 和 Host 端之间的通信开销的作用，在执行过程中，并通过多线程来实现多 GPU 并行。仿真结束后，测量得到程序的执行时间，并返回给客户端，如果线路中有测量门，则将测量得到的基态也返回给客户端。3.3.2 量子计算仿真器设计本文设计实现的量子计算仿真器基于 QT 平台开发，目标是设计实现一个具备量子线路设计功能的可视化的量子线路编辑器。其工作界面如图 3.4 所示。
【参考文献】

相关期刊论文 前1条

1 郭光灿;周正威;郭国平;涂涛;;量子计算机的发展现状与趋势[J];中国科学院院刊;2010年05期

相关硕士学位论文 前1条

1 张珮;基于CPU+GPU异构集群的量子计算仿真方法的研究[D];南京航空航天大学;2016年

本文编号：2839840