面向近期量子控制的Lindblad主方程仿真的缓存层次与向量化分析

通过Lindblad主方程仿真开放量子系统是近期量子控制工作流程中的计算瓶颈，包括最优脉冲工程(GRAPE)、基于轨迹的鲁棒性分析以及反馈控制器设计。对于与近期量子控制相关的系统规模($d=3$ 表示单个 transmon 及泄漏，$d=9$ 表示双量子比，$d=27$ 表示三量子比)，每个时间步的主导成本是 $(d^2 \times d^2)$ 的复矩阵向量乘法：分别是 $9\times9$、$81\times81$ 或 $729\times729$ 的稠密matvec。工作集大小(1.5 KB、105 KB 和 8.1 MB)跨越现代 CPU 的 L1、L2 和 L3 缓存边界，这使得该系统成为理想的缓存层次性能分析对象。我们对该算子强度进行特征化($\approx 1/2$ FLOP/字节在大 $d$ 极限下)，构建传播核的Roofline模型，并系统性地变更编译器标志和数据布局，以隔离自动向量化、 fused multiply-add 和结构化数组(SoA)内存布局的贡献。我们表明，结合 SoA 布局和 -O3 -march=native -ffast-math 可实现对标量数组结构化(AoS)基准的 $2$--$4\times$ 加速，且 -ffast-math 对启用 GCC 对复数算术的自动向量化至关重要。这些结果为面向近期系统规模的量子仿真库作者提供了一组具体的建议。