| 研究課題/領域番号 |
20H04197
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分60100:計算科学関連
|
|---|
| 研究機関 | 東北大学 |
|---|
研究代表者 |
張山 昌論 東北大学, 情報科学研究科, 教授 (10292260)
|
|---|
| 研究分担者 |
Waidyasooriya Ha 東北大学, 情報科学研究科, 准教授 (60723533)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
17,290千円 (直接経費: 13,300千円、間接経費: 3,990千円)
2023年度: 2,470千円 (直接経費: 1,900千円、間接経費: 570千円)
2022年度: 2,470千円 (直接経費: 1,900千円、間接経費: 570千円)
2021年度: 2,340千円 (直接経費: 1,800千円、間接経費: 540千円)
2020年度: 10,010千円 (直接経費: 7,700千円、間接経費: 2,310千円)
|
|---|
| キーワード | FPGA / リコンフィギャラブルコンピューティング / 量子コンピュータシミュレーション / 量子アニーリング / 量子コンピュータ / 高性能計算 / 量子化学計算 / 量子コンピューティング / 量子化学 / 大規模固有値計算 / GPU / ヘテロジニアスコンピューティング / 大規模固有値問題 / 組合せ最適化問題 / マテリアルインフォマティクス / 量子アリーリング / 並列処理 |
|---|
| 研究開始時の研究の概要 |
創薬，エネルギーなどの様々な分野で，計算材料科学（マテリアルズ・インフォマティクス）のニーズが急速に高まっている．計算材料科学ではシミュレーションにより材料の性能を予測し，性能が良さそうな材料のみを製造することで開発を効率化できる．しかしながら，そのシミュレーションは計算量が膨大であり，スーパーコンピュータなどの高性能な計算機を用いても長い計算時間がかかる．本研究では，この問題を解決するために， 量子アニーリングに基づき分子構造の最適化を行う専用アクセラレータ，および，大規模な量子化学シミュレータのための専用アクセラレータの開発を行う．本研究により新規材料の開発の大幅な効率化が期待できる．
|
| 研究実績の概要 |
今年度は，分子構造の最適化手法のためのFPGAを用いた大規模かつ高速な量子アニーリングシミュレータの大規模アーキテクチャを確立した．複数のFPGAを用いて，量子ビットを分割することにより処理速度を落とさずに，問題サイズ（量子ビット数）大規模化な問題を扱えるアーキテクチャを考案し評価を行った．提案のアーキテクチャでは，量子重ね合わせを仮想的にシミュレーションするためのトロッタースライス数も，複数FPGAを用いることで拡張することができる．トロッタースライス数を増やすことで，良い解を早く得ることができることが確かめられた．グラフベンチマーク（グラフカット問題）を用いて評価を行ったところ，最適化のクオリティとしてD-wave社の量子アニーラーとほぼ遜色ない結果を得ることができた．さらなる解のクオリティを向上するための方法として，量子アニーリングの初期状態を変更しながら複数回の探索を行うことにより，単一の量子アニーリングよりも解のクオリティを向上する方法を検討した．また，それらの方法はマルチコアCPUまたは，GPUなどの並列処理デバイスで実装することにより，より簡便に高速な量子アニーリングを利用できる環境を構築した．また，テンソルネットワークを用いたゲート型量子計算についてHBM(High-Bandwidth Memory)内蔵のFPGAを用いたアーキテクチャを考案した．FPGAは小規模な行列が得意であることに注目して，FPGAおよびGPUを組み合わせることにより効率の良い処理を実現した． また， 量子アニーリングのために開発した超並列アーキクテチャが， 脳シミュレーションなどの他の種々の応用においても有用となることを見出し， 有効性を実証した．
|
| 現在までの達成度 (段落) |
令和5年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
令和5年度が最終年度であるため、記入しない。
|
