量子科技中心_量科网

张量网络已被证明是一种重要工具，例如在（强关联）量子系统的经典模拟中。随着系统规模的扩大，收缩更大张量网络的计算需求急剧增加。该工作针对高性能计算架构开展分布式内存研究以解决该问题。由于计算和内存成本对分区策略高度敏感，在多个节点间高效分配收缩任务至关重要。虽然前人研究采用通用超图分区算法，但这些方法往往忽略张量网络收缩的特定结构和成本特征。该团队提出了一种基于模拟退火的方法，通过迭代优化分区来最小化总操作数，从而缩短求解时间。该算法在MQT Bench电路上进行评估，与原始分区相比，平均降低8倍计算成本和8倍内存成本。