量智信息中心_量科网

该研究团队提出了一套新型并行算法，用于在GPU上高效模拟稳定子（克利福德）电路，其核心创新在于数据并列表演化技术与可扩展的投影测量处理方法。通过将稳定子模拟中的关键瓶颈（如高斯消元与测量更新）重构为适配GPU架构的并行原语，该工作成功消除了顺序依赖性并实现了内存访问的最大化合并。这些技术被集成至QuaSARQ——一个专为大比特数、多采样场景设计的GPU加速稳定子模拟器中。 在涵盖18万个量子比特、电路深度达1000层（约1.3亿个量子门）的基准测试中，QuaSARQ展现出显著性能优势：最高可实现105倍加速，且在复杂实例中能耗降低超80%。该系统持续优于当前CPU优化的顶尖稳定子模拟器Stim，以及Qiskit-Aer（CPU/GPU）、Qibo、Cirq和PennyLane等平台。特别值得注意的是，QuaSARQ在大规模多采样任务中表现出突出优势。这些成果证明，该团队提出的并行算法能显著提升稳定子电路模拟的可扩展性，尤其适用于包含大量测量与采样的工作负载。