VQCSim：编译一次的状态向量模拟何时优于通用量子框架？
量子物理
2026-07-13 v1 新兴技术
机器学习
摘要
混合量子-经典机器学习工作流在训练和模型探索过程中会重复评估许多小型参数化电路。在这种情况下，框架调度和编排开销通常主导运行时间。先前的模拟器加速了执行，但未回答编译一次的特化对于静态变分电路何时是正确选择的问题。我们通过VQCSim回答了这个问题，这是一个编译一次、PyTorch原生的状态向量执行路径，具有原生自动微分。在系统的MQT Bench研究中，VQCSim编译了所有测试的静态电路，并提供了87.7%的端到端语义验证。在五GPU评估集上，VQCSim在原生推理和原生训练方面分别提供了4.49倍和26.78倍的合并中位数加速，同时在匹配的有限差分训练下保持了3.31倍的优势。消融实验确定原生自动微分是加速的主要来源（27.6倍），编译一次缓存和批量向量化贡献了额外的增益。这种加速以更高的GPU内存（VQCSim在高负载下受内存限制）换取更低的运行时间。我们推导出一个硬件感知的机制图，并发布了vqcsim-oracle，一个开源的、具有91.1%-97.7% top-1一致性的后端选择器（包括跨GPU迁移），能够在QML设计循环中实现自动模拟器选择。
引用
@article{arxiv.2607.11985,
title = {VQCSim: When Does Compile-Once Statevector Simulation Beat Generic Quantum Frameworks?},
author = {Anton Firc and Martin Perešíni and Vojtěch Mrázek and Kamil Malinka and Vojtěch Staněk and Zbyněk Lička and Nouhaila Innan and Walid El Maouaki and Alberto Marchisio and Muhammad Shafique},
journal= {arXiv preprint arXiv:2607.11985},
year = {2026}
}
备注
Accepted at IEEE/ACM International Conference on Computer-Aided Design (ICCAD 2026), San Jose, CA, USA. 9 pages