量子科技中心_量科网

在噪声中等规模量子（NISQ）时代，量子电路的经典模拟对于算法开发、硬件验证和误差分析仍不可或缺。然而，态矢量模拟面临内存指数级增长的问题——n个量子比特系统需要O(2^n)个复数振幅，且现有模拟器通常缺乏运行时灵活利用异构计算资源的能力。本文提出一种GPU加速的量子电路模拟框架，包含三项创新：(1) 基于实测的后端选择算法，在运行时对CuPy、PyTorch-CUDA和NumPy-CPU后端进行基准测试，根据实测吞吐量选择最优执行路径；(2) 基于有向无环图（DAG）的门融合引擎，通过自动识别可融合门序列降低电路深度，并结合complex64与complex128表示的自适应精度切换；(3) 内存感知回退机制，实时监控GPU内存使用情况，在资源耗尽时无缝降级至CPU执行。该框架通过统一适配层与Qiskit、Cirq、PennyLane和Amazon Braket集成。在NVIDIA A100-SXM4（40 GiB）GPU上的测试表明，针对20至28量子比特的态矢量模拟，其速度较NumPy CPU执行提升64至146倍，16量子比特以上即可获得超过5倍的加速效果。在IBM量子处理器（QPU）上的硬件验证证实：贝尔态保真度达0.939，五量子比特GHZ态保真度达0.853，通过融合流程将电路深度从42个门缩减至14个门。该系统设计支持跨NVIDIA消费级与数据中心级GPU的便携部署，无需供应商特定编译步骤。