[發明專利]一種量子隨機電路的多振幅模擬方法和裝置

有效

• 申請號: 202211068173.8
• 申請日: 2022-09-02
• 公開（公告）號: CN115130675B
• 公開（公告）日: 2023-01-24
• 發明（設計）人: 劉鑫;劉勇;宋佳偉;陳垚鍵;史新民;彭達佳;郭楚;付昊桓;吳汶釗;楊雨靈;趙朋朋
• 申請（專利權）人: 之江實驗室;國家超級計算無錫中心
• 主分類號: G06N10/20
• 分類號: G06N10/20;G06N10/40;G06F15/78
• 代理公司: 杭州浙科專利事務所(普通合伙) 33213
• 代理人: 孫孟輝

本發明涉及量子隨機電路計算模擬技術領域，尤其涉及一種量子隨機電路的多振幅模擬方法和裝置，該方法包括：步驟一：根據芯片片上存儲的最大存儲容量以及張量網絡收縮路徑中每一步張量的最大維數確定進行算子融合的起始位置至結束位置；步驟二：在起始位置，分別將片外存儲中的兩個張量讀取到片上存儲并進行相應的轉置，再進行融合；步驟三：將融合的結果進行轉置后儲存，用于在下一位置與所讀取后轉置的張量進行融合；步驟四：重復上述步驟三，直到算子融合到結束位置，將最終的融合的結果寫回到片外存儲。本發明可以有效減少片上存儲和片外存儲之間的數據訪問次數，一方面提高多振幅計算模擬的并行度，另一方面提升多振幅計算模擬的效率。

技術領域

本發明涉及量子隨機電路計算模擬技術領域，尤其涉及一種量子隨機電路的多振幅模擬方法和裝置。

背景技術

量子隨機電路計算模擬作為現階段量子計算領域一個重要的研究內容，對于促進量子計算的發展有著重要意義。目前量子隨機電路的計算模擬大多采用張量網絡方法，其核心思想是將量子電路轉化成張量網絡，并將整個張量網絡按照特定的路徑進行張量收縮計算。由于張量網絡中每一個張量的維度是有限的，可以被經典計算機存儲，因此可以利用經典計算機，尤其是超算系統的強大運算能力，對量子隨機電路進行計算模擬。

當前量子隨機電路計算模擬主要分為單振幅計算模擬和多振幅計算模擬。單振幅模擬通過優化后的高維張量運算庫進行計算，可以獲得較高的運算效率。多振幅模擬目前主要根據隨機采樣的數量進行串行模擬，當采樣數量較大時，效率往往較低。當前多振幅模擬主要是基于單振幅模擬的串行實現，并行度低；同時單個振幅模擬中每一步張量收縮都存在片上存儲和片外存儲之間的數據訪問，當采樣數量較多時，頻繁的數據訪問會嚴重影響采樣的效率。

發明內容

為了解決現有技術中存在的上述問題，本發明提出了一種量子隨機電路的多振幅模擬方法，從張量收縮過程中的某一步開始，通過減少片上存儲和片外存儲之間的數據訪問次數，同時根據片上計算核心的數量對多個振幅并行計算，即增加任務的并行度，以提高量子隨機電路多振幅計算模擬的效率，其具體技術方案如下：

一種量子隨機電路的多振幅模擬方法，包括以下步驟：

步驟一：根據芯片片上存儲的最大存儲容量以及張量網絡收縮路徑中每一步張量的最大維數確定進行算子融合的起始位置至結束位置；

步驟二：在起始位置，分別將片外存儲中的兩個張量讀取到片上存儲并進行相應的轉置，再進行融合；

步驟三：將融合的結果進行轉置后儲存，用于在下一位置與所讀取后轉置的張量進行融合；

步驟四：重復上述步驟三，直到算子融合到結束位置，將最終的融合的結果寫回到片外存儲。

進一步的，所述步驟一，具體為：當維數最大的張量所需的存儲空間小于片上存儲的最大存儲容量的三分之一時，則這一步的張量網絡收縮可進行算子融合，即可得到進行算子融合的起始位置至結束位置。

進一步的，所述張量網絡是由多個張量按照收縮規則構成的網絡模型。

進一步的，所述步驟二具體包括以下子步驟：

步驟2.1：在起始位置，通過直接存儲器訪問讀取方式將片外存儲中的張量B讀取到片上存儲的本地數據內存ldmC位置，在片上存儲中對張量B進行轉置，將轉置后的結果存放到片上存儲的本地數據內存ldmB位置；

步驟2.2：通過直接存儲器訪問讀取方式將片外存儲中的張量A1讀取到片上存儲的本地數據內存ldmC位置，在片上存儲中對張量A1進行轉置，將轉置后的結果存放到片上存儲的本地數據內存ldmA位置；

步驟2.3：在片上存儲中完成張量A1和張量B的融合，將融合的結果存放到片上存儲的本地數據內存ldmC位置。

進一步的，所述步驟三具體包括以下子步驟：