Opis
Wiele symulacji kwantowych opiera się na sieciach tensorowych. Obliczenia te ograniczone są nie tylko mocą obliczeniową, ale coraz częściej dostępem do pamięci (tzw. ściana pamięci, ang. memory wall). Architektury typu Processing-in-Memory (PIM), integrujące logikę obliczeniową bezpośrednio w modułach pamięci, pozwalają na zaadresowanie tego problemu. Omówię obliczenia na sieciach tensorowych, ich klasyczne optymalizacje oraz możliwe adaptacje algorytmów w celu uczynienia ich jawnie „świadomymi pamięci” (ang. memory-aware). Tradycyjne metryki optymalizacyjne, skupione na minimalizacji liczby operacji zmiennoprzecinkowych (FLOPs), są nieadekwatne dla architektur PIM. Dlatego podejmuję próbę stworzenia algorytmu kontrakcji sieci tensorowych skrojonego dla PIM. Podsumowuję analizą możliwości zastosowania takiego algorytmu na przykładzie strukturalnych sieci tensorowych dla kwantowego aproksymacyjnego algorytmu optymalizacyjnego (QAOA, ang. quantum approximate optimization algorithm).
