《基於GPU集群的大規模量子線路仿真理論與方法研究》是依託南京航空航天大學，由袁家斌擔任項目負責人的面上項目。
基本介紹
- 中文名：基於GPU集群的大規模量子線路仿真理論與方法研究
- 項目類別：面上項目
- 項目負責人：袁家斌
- 依託單位：南京航空航天大學
項目摘要,結題摘要,
項目摘要
量子計算是信息科學領域研究前沿之一。在量子計算機實用化之前，量子計算仿真技術是開展量子計算理論研究的重要手段。本課題採用量子線路計算模型，運用大規模GPU集群技術，搭建量子計算仿真平台，開展量子線路仿真理論與方法的研究。為建設具有國際領先水平、可模擬多比特量子計算的超級計算機提供理論研究基礎。研究內容如下：1.針對量子計算仿真單指令多數據流的特點設計低網路延遲的GPU集群架構；2.針對量子計算仿真中的研究對象和操作步驟，從存儲和計算兩方面進行仿真計算方法研究；3.針對CPU+GPU異構集群中多級存儲結構和多層次通信的特點，研究通用量子計算仿真的GPU集群計算方法；4.對量子計算仿真算法的複雜性和集群軟硬體環境進行抽象，開展量子計算仿真系統的性能分析研究。通過上述研究，從計算仿真模型、量子線路仿真、GPU算法最佳化和系統性能評估等方面為大規模量子線路仿真提供綜合化理論支撐和系統可行性驗證。
結題摘要
量子計算是信息科學領域研究前沿之一。在實用量子計算機技術尚未成熟之時，量子計算仿真技術是開展量子計算理論研究的重要手段。本項目依靠大規模GPU集群技術優勢，開展了一系列量子線路仿真理論與方法的研究，主要研究內容及成果包括：第一，設計了高效的CPU+GPU異構集群架構來進行量子計算仿真。第二，利用GPU集群環境下的量子門仿真數據依賴關係，研究了適合GPU集群環境下仿真實現的通用量子門組合。第三，利用量子計算特性將經典機器學習算法量子化，使其在量子仿真平台中獲得了極大的加速效果。第四，構建了規則一致超圖和二面體群凱萊圖上離散量子漫步模型，研究了其統計性質並證明了其相對於經典搜尋算法具有加速效果。上述研究為大規模量子線路仿真提供了綜合化理論支撐和系統可行性驗證。在本項目支持下，我們共發表學術論文16篇，其中SCI檢索12篇。
