低精度・混合精度演算を用いた大規模量子計算機シミュレータの研究

量子計算機の研究開発が進む中、古典計算機でのより大規模で高速な量子回路シミュレーションの研究が進められている。本研究では、機械学習からの需要により発展した低精度演算（FP16等）、混合精度演算を用いた量子回路シミュレーションの性能向上及び、様々なハードウェア上で動作するシミュレータの開発を目的とする。混合精度量子回路シミュレーションでは、当初の研究計画に変更を加え、混合精度行列積演算器であるNVIDIA Tensorコアを用いたテンソルネットワーク縮約による量子回路シミュレーションの性能向上を行った。この手では、量子回路を表すテンソルネットワークを縮約することで振幅を得るが、その主たる計算は行列積となる。本研究では、Tensorコアを用いた単精度演算器の理論計算性能を上回る単精度行列積エミュレーション手法を開発し、これを自動性能チューニング手法と合わせ量子回路シミュレーションに応用することで、量子超越性ベンチマークに用いられるランダム量子回路において、最大1.8倍の高速化を単精度演算器を用いた場合と同等の計算精度で達成した。また、Google Sycamoreの量子超越性検証で用いられた量子回路の1スライスでは、1.4倍の高速化が確認された。様々なハードウェアでのFull-state量子回路シミュレータの開発では、PEZY-SC3s向けに既存シミュレータの移植を行い、その性能特性や計算に要する電力をNVIDIA GPUと比較し、高性能なシミュレータを開発する上での課題の調査を行った。

量子計算機の研究開発が進む中、古典計算機でのより大規模で高速な量子回路シミュレーションの研究が進められている。本研究では、機械学習からの需要により発展した低精度演算（FP16等）、混合精度演算を用いた量子回路シミュレーションの性能向上及び、様々なハードウェア上で動作するシミュレータの開発を目的とする。混合精度量子回路シミュレーションでは、当初の研究計画に変更を加え、混合精度行列積演算器であるNVIDIA Tensorコアを用いたテンソルネットワーク縮約による量子回路シミュレーションの性能向上を行った。この手では、量子回路を表すテンソルネットワークを縮約することで振幅を得るが、その主たる計算は行列積となる。本研究では、Tensorコアを用いた単精度演算器の理論計算性能を上回る単精度行列積エミュレーション手法を開発し、これを自動性能チューニング手法と合わせ量子回路シミュレーションに応用することで、量子超越性ベンチマークに用いられるランダム量子回路において、最大1.8倍の高速化を単精度演算器を用いた場合と同等の計算精度で達成した。また、Google Sycamoreの量子超越性検証で用いられた量子回路の1スライスでは、1.4倍の高速化が確認された。様々なハードウェアでのFull-state量子回路シミュレータの開発では、PEZY-SC3s向けに既存シミュレータの移植を行い、その性能特性や計算に要する電力をNVIDIA GPUと比較し、高性能なシミュレータを開発する上での課題の調査を行った。