并行与分布式费米子模拟：基于动态编码的方法
Parallel and Distributed Fermionic Simulation via Dynamic Encoding
浏览论文内容
中文总结 AI 辅助
提出利用组合覆盖设计定义最小费米子-量子比特编码，实现多QPU上Trotter化费米子模拟的并行化，通信成本降至O(M r)，优于静态编码，并在多数分子系统中表现最优。
中文摘要 AI 辅助
我们展示了一种简单且高效的方法，用于在多个量子处理单元（QPU）上并行化和分布式地执行费米子系统的Trotter化哈密顿量模拟。通过使用组合覆盖设计来定义一组最小的费米子-量子比特编码，我们证明了对于包含M个费米子模式和Trotter数r的系统，通信成本缩放为O(M r)，这优于静态编码在q个QPU上的界限O(M^4 q r)。我们将此方法与使用随机方法、泡利权重优化和超图划分的动态编码方法进行了比较。将这种方法应用于一系列分子系统的哈密顿量，我们发现组合覆盖方法在除最稀疏哈密顿量外的所有情况下均实现了最低的通信成本。
英文摘要
We demonstrate a simple and efficient method to parallelize and distribute Trotterized Hamiltonian simulation of fermionic systems across multiple QPUs. Using combinatorial covering designs to define a minimal set of fermion-qubit encodings, we demonstrate communication cost scaling as $\mathcal{O}(M q^4 r)$ for a system of $M$ fermionic modes and Trotter number $r$, improving on the static encoding bound for $q$ QPUs, $\mathcal{O}(M^4 q r)$. We compare this approach to dynamic encoding using a randomised method, Pauli-weight based optimisation and hypergraph partitioning. Applying these to the Hamiltonians of a range of molecular systems split across two QPUs, we find the combinatorial covering approach results in the lowest communication cost in all but the sparsest Hamiltonians.
发表机构
- Centre for Computational Science, Department of Chemistry, UCL（计算科学中心，化学系，伦敦大学学院）
机构由 AI 辅助整理，请以论文原文为准。
