开源之夏系列 | 提升MindSpore Quantum中Stabilizer模拟器性能

开源之夏，是由中国科学院软件研究所发起，专为高校学生精心打造的活动。旨在鼓励广大学子积极参与开源软件的开发与维护，推动优秀开源软件社区的蓬勃发展。

目前，开源之夏2024已圆满结项！在本届开源之夏中，不少开发者跟随昇思MindSpore一起，在开源的世界里畅游，成功完成项目任务。在此，昇思 MindSpore 开源社区邀请了开源之夏的开发者们，分享他们在本次活动中的宝贵经验与心得。我们希望通过这些精彩的项目经历和实战技巧，能够激发更多创意火花，帮助大家提升技术能力。本文为昇思MindSpore 开源之夏项目经验分享系列第5篇。

项目基本介绍

1、项目名称：提升MindSpore Quantum中Stabilizer模拟器性能

2、项目导师：杨金元

3、项目链接：https://summer-ospp.ac.cn/org/prodetail/24c6d0467?list=org&navpage=org

4、项目描述：Minspore Quantum运行的基本原理是使用矩阵计算让经典计算机去模拟量子计算机，目前框架已使用Python实现几个常用的量子模拟器，但存在效率不高的问题，无法满足量子模拟的实际需求。项目内容是使用C++实现一个Stabilizer模拟器，并探索实现改进Stabilizer模拟器性能的方法，以用来满足大比特场景下复杂量子计算。同时，对改进Stabilizer模拟器性能与Mindspore Quantum 现有的模拟器性能进行基准测试，验证其高效性能。

项目代码：https://gitee.com/mindspore/mindquantum/tree/research/summer_ospp/2024/24c6d0467

项目选择初衷

在本科的时候，经过同学介绍，参与过一次开源之夏，当时负责的是ElasticSearch数据库增删改查接口的实现，项目难度为基础，编程语言为Java。在经过实验室科研训练和参加算法编程竞赛后，我发现自己相较于Java面向业务端的开发内容，更喜欢底层模块开发以及更具有挑战性的算法优化与实现。正又值开源之夏申请季，我在浏览了众多项目后，与杨金元导师简单沟通，了解到量子计算与量子模拟的相关内容，发现项目内容十分富有挑战性。MindSpore作为国内顶尖AI开源框架，我认为这是近距离接触前沿技术的良好契机，抱着试一试的态度，投递了项目申请书。在杨金元导师的悉心指导下，我成功中选并着手进行项目开发。

项目方案介绍

目前MindSpore Quantum中已有python实现的基于stabilizer tableau模拟器，但由于python自身的运行效率较低，无法满足1000大比特的实现，无法满足功能模拟。同时，根据参考文献，目前有一种改进的Stabilizer Tableau模拟器。至此，项目的开发内容就比较明确：

1、完成Stabilizer Tableau的C++重构

2、实现改进Stabilizer Tableau模拟器的创新点，分别为 1). Inverse Tableau. 2). Vectorized Code

项目实现思路

我将从原理解析和程序设计两个方面来介绍项目的实现思路。

01

原理解析

- Inverse Tableau 优化 Stabilizer Tableau

Mindspore Quantum现有基于Python实现的Stabilizer模拟器，参考的是CHP算法，时间复杂度为O(n^2)。根据参考文献，取消Clifford门与Tableau的计算，通过追踪Clifford门的逆，在最后进行量子测量的时候，判断量子态是否为确定态，确定态即可直接得到测量结果（复杂度降到线性O(1)），非确定态再进行测量。

02

Vectorized Code 向量化计算

以H门为例，H^-1与tableau的计算，是Xq与Zq整行进行交换。其他大部分的量子逻辑门逆都是整行计算，现有的矩阵向量计算方案多为逐个元素计算，单线程操作，效率低下，面对量子比特大，量子电路复杂的情况，表现十分差。因此，采用SIMD指令优化加速计算过程，并行操作。

03

程序设计

核心的数据结构是Tableau的设计，所有的操作实际上是针对Tableau 模拟。一个Tableau从数据结构的角度来理解，由X、Z、Phase三部分组成，是一个值全为0/1的二维矩阵，大小为(2n+1)*2n，n系统的量子比特数。其中X、Z大小为n*2n，Phase大小为n*1。如果用常用的数据类型(例如int类型)构建一个二维数组对Tableau进行存储，会造成存储空间的巨大浪费（值只有0/1，一个int类型消耗1byte的内存），并且计算效率低下（单线程）。针对存储空间优化，每个元素实际上只需要1bit的内存。针对计算效率优化，在原理解析已经介绍了SIMD指令多线程加速计算。在C++中，SIMD指令有相关的头文件（Linux系统下是<immintrin.h>）封装了相关数据类型及基本操作。

最终方案

SIMD指令加速方面，<immintrin.h>头文件中，支持不同类型的SIMD指令，我使用了256位AVX指令，也就意味着一次对256位的数据进行计算，使用m256i类型创建变量，每一位存储Tableau的一个值(0/1)。这里，我将m256i变量和基础位运算操作简单封装为SIMDWord类，Tableau存储到多个SIMDWord中。又因为调用一次SIMD指令最小操作单位为256位，因此需要对不足256的数据进行补全。

Tableau与量子逻辑门计算通过操作SIMDWord位运算实现。观察不同量子门的计算发现，一共有两种，对X或者Z行/列计算、逐位计算。因此，Tableau需要支持按行查询一整行该数据，同时支持按行按列查询该位存储数据，类似一个二维数据。针对以上需求，我封装了SIMDTable类、SIMDArray类，通过重载[]运算符，支持按行查询，返回结果为SIMDArray类。SIMDArray类中重载[]运算符，返回结果为SIMDWord中一个bit。

在梳理完需求后，剩下的工作内容就是代码复现和完善程序设计，值得一提的就是内存管理部分的优化设计，这也是由C++语言特性决定的。在初版代码中，由于理解不到位，我把内存的申请与内存的释放写在了SimdTable、SimdArray的析构函数中，但SIMDTable是一个中间变量，会多次调用，是根据SimdWord生成，这样会存在Tableau还需要运算，SIMDWord申请的内存已经释放的情况，导致内存泄漏。所以，内存申请释放应该写在Tableau的构造函数中，然后在Tableau中实现对XTable、ZTable、Phase的查询。

项目总结

回顾整个项目开发过程，60%的时间在了解量子计算与Stabilizer模拟器相关的基础知识，因为我是初次接触量子力学，这也是最具有挑战的部分，在这个过程中，杨金元导师给我的鼓励和支持，并且耐心地为我解答相关知识。这次项目开发极大地锻炼了我独立解决问题、思考的能力，将理论问题抽象成程序设计并实现。经过这次开发，我意识到一个项目的开发是需要经历多次版本迭代，并不可能一次就完成，项目的完成更需要的是面对一次次报错的耐心和坚持。最后，再次感谢昇思提供的这次机会，让我了解开源，爱上开源。