Q-Profile: 应用于量子近似优化算法的量子控制栈性能剖析工具
量子物理
2024-09-05 v1
摘要
扩大量子比特规模并加速量子算法执行是迈向量子优势的重要步骤。这对控制栈提出了极高要求,因为脉冲需分发至不断增加的通道,且变分算法需要量子与经典计算的快速交错。因此,评估控制栈中的瓶颈是使其为达成量子优势做好准备的关键。然而,现有基准测试套件因对控制硬件的间接访问而缺乏细节。本工作中,我们提出 Q-Profile,一种剖析量子控制栈的工具,其通过主机 CPU 至控制栈的直接连接规避上述问题,提供运行时间测量的精细精度并得以识别性能瓶颈。我们通过在一个 Qblox Cluster 上对虚拟 4 至 14 量子比特 transmon 系统上的量子近似优化算法(QAOA)进行基准测试来演示该工具的使用。我们的结果识别出被动量子比特复位与通信开销中的主要执行瓶颈。我们估计,使用主动量子比特复位替代被动复位,相对于总运行时间可获得 1.40 倍的加速,并通过控制模块的并行初始化进一步展示 1.37 倍的加速。所提出的剖析方法适用于其他控制栈提供商及其他基准测试,同时仍提供超越单一指标的详细信息。引申而言,该工具将能识别并消除未来量子加速中的瓶颈。该剖析工具已包含在开源 Quantify 量子控制软件中,可支持多种后端。
引用
@article{arxiv.2303.01450,
title = {Q-Profile: Profiling Tool for Quantum Control Stacks applied to the Quantum Approximate Optimization Algorithm},
author = {Koen J. Mesman and Francesco Battistel and Edgar Reehuis and Damaz de Jong and Marijn J. Tiggelman and Jordy Gloudemans and Jules C. van Oven and Cornelis C. Bultink},
journal= {arXiv preprint arXiv:2303.01450},
year = {2024}
}
备注
8 pages, 6 figures