GPU加速的主机感知死测量检测在混合量子-经典程序中的应用：完整版

混合程序将量子电路与消费测量结果的主机程序相结合。在此类程序中，一个结果可能在语法上被主机读取，但在语义上无贡献：改变结果不能改变返回值。此类结果掩盖了仅相对于主机语义为死代码的量子门，因此对于电路局部优化器是不可见的。我们提出了一种语义感知的主机端静态分析，通过抽象解释识别无贡献的测量结果，并证明其合理性。我们实现了该分析，并在24个跨量子化学、优化、量子机器学习和量子金融的应用忠实混合工作负载上进行了评估。与语法活跃性基线相比，我们的分析识别出的无贡献测量数量是其4倍以上，并且单独即可平均移除37.98%的总门数。即使在Qiskit、t|ket$\rangle$和PyZX等最先进优化器已经优化电路之后，我们的分析仍能移除超过30%的优化后门，表明我们分析暴露的主机语义机会并未被电路局部优化所涵盖。为了扩展我们的分析，我们进一步将主机程序降低为一种SSA风格的层级中间表示，该表示暴露了用于GPU执行的层级并行性，并实现了CUDA后端。我们证明了这种降低保留了分析结果，并且评估显示随着结构并行性的增加，相对于顺序基线实现了高达6.53倍的加速。