量智信息中心_量科网

有效经典模拟量子哈密顿动力学通常受限于指数级状态增长和通用稀疏线性代数的高昂开销。该团队提出了对角预算化特罗特化方法，这是一种结构感知策略，在将哈密顿量分解为保持对角稀疏性的因子的同时，严格控制保真度损失。该工作的实现方案 HamSim 利用紧凑的对角稀疏数据布局和专门的 C++/CUDA 内核，绕过了 CSR 等通用格式的开销。通过利用 SIMD 向量化、多线程和 GPU 加速，HamSim 在异构架构上实现了高性能。在 HamLib 基准测试套件上的评估表明，HamSim 显著优于 Qiskit-Aer。在 CPU 上，HamSim 在优化实例（TSP、MaxCut）上实现了 \(182\) 至 \(1,269\) 倍的加速，在物理模型（TFIM、Heisenberg）上实现了 \(4.8\) 至 \(841\) 倍的加速。在 GPU 上，对于 \(12\) 至 \(16\) 量子比特的问题，该研究实现了高达 \(178\) 倍的加速。与传统特罗特化不同，HamSim 无需指数级步数即可保持近乎完美的保真度。这表明对角感知数值内核为高保真经典哈密顿模拟提供了可扩展的基础。