“青年科技工作者園地”第148次活動(dòng)
時(shí)間：2022年07月27日 (周三) 下午14:30
地點(diǎn)：計(jì)算中心二樓會(huì)議室
騰訊會(huì)議：630-285-673
報(bào)告1：淺層QAOA線路期望值的有效經(jīng)典模擬計(jì)算（報(bào)告人：普亞南）
Efficient Classical Computation of Quantum Mean Values for Shallow QAOA Circuits
量子近似優(yōu)化算法是一種變分量子算法，旨在給出組合優(yōu)化問題的次優(yōu)解。人們普遍認(rèn)為，QAOA有潛力在電路深度較淺的噪聲中尺度量子（NISQ）處理器中展示應(yīng)用級(jí)量子優(yōu)勢(shì)。由于QAOA的核心是計(jì)算問題哈密頓量的期望值，因此一個(gè)重要的實(shí)際問題是，我們能否找到一種有效的經(jīng)典算法來求解一般淺量子電路的量子平均值。在這里，我們提出了一種新的基于圖分解的經(jīng)典算法，該算法在除完全圖情況外的大多數(shù)優(yōu)化問題中與淺QOA電路的量子比特?cái)?shù)成線性比例。與最先進(jìn)的方法相比，在最大割、圖著色和Sherrington-Kirkpatrick模型問題中的數(shù)值測(cè)試表明性能提高了幾個(gè)數(shù)量級(jí)。這次報(bào)告首先介紹組合優(yōu)化問題的QUBO建模，接著介紹VQE變分算法和QAOA算法的基本思路，在此基礎(chǔ)上介紹基于圖分解的改進(jìn)思路，然后通過MAX-CUT舉例說明算法流程并展示實(shí)驗(yàn)結(jié)果。最后，總結(jié)分析并介紹基于此工作完成的軟件Qcover，希望在算法和軟件的進(jìn)一步改進(jìn)方面與大家相互討論，一起探索。
普亞南，2020年碩士畢業(yè)于中國(guó)科學(xué)院計(jì)算所，畢業(yè)后進(jìn)入量子院從事量子操作系統(tǒng)軟件的開發(fā)工作，完成了基于QAOA的組合優(yōu)化問題求解器Qcover的開發(fā)與改進(jìn)。目前的工作研究方向有：并行優(yōu)化，量子電路模擬，量子算法等。
報(bào)告2：基于FPGA的卷積神經(jīng)網(wǎng)絡(luò)加速（報(bào)告人：張敏行）
卷積神經(jīng)網(wǎng)絡(luò)CNN作為深度學(xué)習(xí)DL最重要的算法之一,通過感受區(qū)域和參數(shù)共享降低了網(wǎng)絡(luò)參數(shù)并提高了模型擴(kuò)展性。隨著CNN的不斷發(fā)展，其網(wǎng)絡(luò)深度和數(shù)據(jù)庫(kù)的不斷增大，神經(jīng)網(wǎng)絡(luò)訓(xùn)練的時(shí)間也越來越長(zhǎng)，因此如何對(duì)網(wǎng)絡(luò)訓(xùn)練進(jìn)行加速成為了一個(gè)重要挑戰(zhàn)?，F(xiàn)場(chǎng)可編程門陣列FPGA作為一種可重復(fù)編程的硬件結(jié)構(gòu),不但可以實(shí)現(xiàn)低功耗的計(jì)算而且并行計(jì)算的特點(diǎn)剛好與卷積神經(jīng)網(wǎng)絡(luò)相契合。使用FPGA對(duì)CNN中的各個(gè)環(huán)節(jié)進(jìn)行加速已經(jīng)成為一種應(yīng)用較廣的加速方式。本次主要介紹一些適用于FPGA實(shí)現(xiàn)的卷積神經(jīng)網(wǎng)絡(luò)加速方法。
報(bào)告3：系統(tǒng)框架及用戶層的內(nèi)存技術(shù)分享（報(bào)告人：夏立斌）
在面對(duì)爆炸式的數(shù)據(jù)增長(zhǎng)及高精度的計(jì)算需求時(shí)，諸多計(jì)算應(yīng)用都對(duì)性能、容量、延遲、吞吐率、擴(kuò)展性等指標(biāo)提出了嚴(yán)苛的要求。內(nèi)存作為連接傳統(tǒng)計(jì)算和存儲(chǔ)系統(tǒng)的媒介，需要盡可能得發(fā)揮出其速度優(yōu)勢(shì)，并解決在高性能、分布式計(jì)算環(huán)境下遇到的種種問題。本報(bào)告將從內(nèi)存分配器出發(fā)，自底向上介紹與Cache和內(nèi)存相關(guān)的系統(tǒng)框架設(shè)計(jì)，以及上層應(yīng)用的訪存優(yōu)化方法。
附件下載：
