🚀 CUDA-QによるGPU別実行性能比較：5090 / 4090 / 3090を徹底検証！
量子アルゴリズムの高速化において、GPUのパフォーマンスは非常に重要です。
本記事では、NVIDIAの量子開発環境「CUDA-Q」を使用し、**3世代のGPU（RTX 5090 / 4090 / 3090）**における 量子ビット数と実行時間の関係を比較しました。
⚙️ 実験概要
- 使用ライブラリ：CUDA-Q（
cudaq.sample()によるGHZ状態のシミュレーション） - 比較対象：
- GPU：RTX 5090 / 4090 / 3090
- CPU：それぞれのGPU搭載マシンに対応するCPU（参考値,3090:, 4090:EPYC 7B12, 5090:Ryzen9 9900x）
- 対象量子ビット数：
- 5〜25量子ビット：CPUとGPUの比較
- 26〜31量子ビット：GPUのみでの拡張計測（CPUでは実行困難なため）
- 測定値：1回の
cudaq.sample()呼び出しの実行時間（秒）
📈 実行時間グラフ
図は 5〜25量子ビットのCPU/GPU比較、右図は GPUのみ（26〜31量子ビット） の結果です。
🔍 考察ポイント
✅ GPUの世代差が顕著
- RTX 5090 は全体的に圧倒的なスピードを記録。
- 特に10量子ビット以下では 0.0006秒台 の超高速実行。
- 25量子ビットでも 0.004秒程度と、前世代の約10倍以上の速さ。
- RTX 3090 は安定しているが、全体的に5090・4090より遅く、特に20量子ビットを超えると差が大きくなる。
✅ 25量子ビット以降でもGPUは余裕
- **CPUでは実行時間が急増（最大77秒以上）**する一方、
- GPUでは30量子ビットでも数百ミリ秒台、31量子ビットでも1秒未満で処理可能。
- CUDA-Qのバックエンドが極めて効率的に量子回路をGPU上で展開・シミュレートしていることがわかる。
📊 数値ハイライト（抜粋）
| Qubits | 5090 GPU | 4090 GPU | 3090 GPU |
|---|---|---|---|
| 10 | 0.0006s | 0.0911s | 0.0030s |
| 20 | 0.0014s | 0.0043s | 0.0032s |
| 25 | 0.0042s | 0.0243s | 0.0347s |
| 31 | 0.2328s | 0.6469s | 0.8427s |
※ 単位はすべて秒（秒数が短いほど高速）
🧠 まとめ
| 項目 | 結論 |
|---|---|
| 最速GPU | RTX 5090（全領域で圧倒的な処理速度） |
| 旧世代 | 3090は処理可能だが、25Q以上は限界に近い |
| CUDA-Qの強み | GPUごとの違いをシンプルに比較でき、バックエンド切替も簡単 |
| 実用性 | 25Q以上の処理でも1秒以内で完了する性能は研究・産業応用にも有望 |
5090は32GBのVRAMですが、3090や4090と状態ベクトルで計算できる範囲は31量子ビットまでで変わりませんでした。
🧪 今後の展望
- より大規模な量子回路（35Q以上）での性能評価
- CUDA-Qと量子AI（QML）アルゴリズムの組み合わせによる検証
- cuQuantumなど他のNVIDIA量子スタックとの統合パフォーマンス評価
✅ 使用環境情報（参考）
| 項目 | 内容 |
|---|---|
| OS | Ubuntu 22.04 |
| CUDA | 12.1 |
| CUDA-Q | 最新バージョン |
| 各GPUのVRAM | 5090: 32GB / 4090: 24GB / 3090: 24GB |
| Python | 3.10 |
| 実行方法 | cudaq.sample(kernel) によるサンプリング実行時間の計測 |