캐시 지역성 (Cache Locality) 최적화를 통한 통합 GPU 상의 상태 벡터 (State-Vector) 양자 시뮬레이션 가속화: 교차

양자 알고리즘의 고전적 시뮬레이션 (Classical simulation)은 회로 개발, 테스트 및 검증을 위한 필수적인 도구입니다. GPU를 사용한 가속화는 시뮬레이션 시간을 크게 단축시키지만, 대부분의 고성능 시뮬레이터는 데이터 센터 하드웨어를 대상으로 하는 특정 벤더 전용 프레임워크에 의존합니다. 양자 시뮬레이션에 대한 접근성을 넓히기 위해, 본 연구는 소비자용 노트북에서 흔히 발견되는 통합 GPU (Integrated GPUs)를 대상으로 하는 벤더 중립적 (Vendor-agnostic) 접근 방식을 제안합니다. 상태 벡터 (State-vector) 시뮬레이션의 주요 과제는 본질적으로 낮은 공간 지역성 (Spatial locality)이며, 이는 메모리 대역폭 병목 현상을 야기합니다. 결과적으로, 기본 구현 방식은 시뮬레이션되는 큐비트 (Qubit) 수가 증가함에 따라 상대적인 GPU 가속 성능 (GPU speedup)이 심각하게 저하되는 현상을 겪습니다. 이러한 한계를 해결하기 위해, 우리는 마지막 레벨 캐시 (Last-level cache) 지역성을 극대화하고 비용이 많이 드는 메인 메모리 호출을 최소화하도록 양자 상태 벡터를 재구성하는 상태 분할 (State partitioning) 최적화를 도입합니다. 우리는 Intel, AMD, Apple의 다양한 아키텍처에 걸쳐 양자 위상 추정 (Quantum Phase Estimation) 알고리즘을 사용하여 이 전략을 평가합니다. 실험 결과는 제안된 최적화가 더 큰 큐비트 규모에서 성능 저하를 성공적으로 완화함을 보여줍니다. 특히, 28-큐비트 시뮬레이션의 경우, 이 최적화는 Intel Core i5에서의 성능 결손을 역전시켜 CPU 대비 GPU 가속 성능을 0.95x에서 1.89x로 향상시켰으며, Apple M1 Pro의 가속 성능을 3.71x에서 5.88x로 증가시켰습니다. 전반적으로, 이 접근 방식은 일관된 실행 시간 개선을 가져오며, 효율적인 양자 회로 시뮬레이션을 위한 통합 GPU의 생존 가능성을 입증합니다.