Achieving Energetic Superiority Through System-Level Quantum Circuit Simulation

量子计算的优越性在于快速计算和高能效。尽管最近经典算法取得了一些进展，试图反驳谷歌Sycamore量子计算机的里程碑声明，但是产生不相关的随机量子电路样本仍然存在挑战。本文提出了一种开创性的大规模系统技术，利用全局、节点和设备级别的优化，实现了张量网络的前所未有的可扩展性。这使得处理容量达到数十太字节的大规模张量网络成为可能，超越了单个节点的内存空间限制。我们的技术使得可以容纳具有高达数十太字节内存的大规模张量网络，达到了2304个GPU的峰值计算能力为561 PFLOPS的水平。值得注意的是，我们实现了一个14.22秒的解决方案时间，能耗为2.39 kWh，实现了0.002的保真度，而我们最显著的成果是一个17.18秒的解决方案时间，仅耗费0.29 kWh的能量，在后处理后实现了0.002的XEB，超越了谷歌的量子处理器Sycamore在速度和能效上的表现，后者分别为600秒和4.3 kWh。

解决问题：论文致力于解决量子计算中生成不相关随机量子电路样本的问题。

关键思路：论文提出了一种基于全局、节点和设备级别的优化技术，实现了对张量网络的前所未有的可扩展性，达到了单个节点内存容量达到数十TB的处理能力，同时实现了高速和高能效的计算。

亮点：实验结果显示，该方法在时间、能源效率和精度等方面都优于谷歌的量子处理器Sycamore，具有很大的潜力。此外，该方法还能够处理大规模的张量网络，开启了新的研究方向。

相关研究：最近的相关研究包括谷歌的Sycamore量子处理器的研究。