内存可扩展且硬件自适应的无矩阵量子模拟

量子模拟的核心步骤通常是矩阵向量乘法 $\phi = \Hmat \psi$。执行此步骤受限于存储哈密顿量的内存需求。我们提出了一种内存可扩展、硬件自适应的无矩阵框架，用于在单个加速器上应用大型算子于向量，而无需物化完整矩阵。该算子通过块过程接口表示：块可以仅在需要其作用时生成、加载、缓存、分发或直接应用。对于量子模拟，它提供了量子操作的核心内核。自适应规划器根据内存和工作负载估计选择块大小、缓存策略、GPU 分组、行分布和任务并行化。我们描述了分析、测量和学习规划策略，这些策略在过程生成、部分缓存、完全缓存和行分布式缓存之间进行选择。该方法消除了完整稠密矩阵必须适合加速器内存的要求。这将大型模拟从固定内存障碍转变为块生成、缓存重用、数据移动、并行调度和数值精度之间的可调平衡。