[論文レビュー] Enabling Dataflow Optimization for Quantum Programs

David Ittah, Thomas Häner+2 more|arXiv (Cornell University)|Jan 26, 2021

Quantum Computing Algorithms and Architecture参考文献 32被引用数 6

ひとこと要約

この論文では、最適化用の方言において値意味論を用いて量子および古典的データフローを明示的に符号化する、量子プログラムのためのマルチレベルの中間表現（IR）であるQIROを紹介する。MLIRを活用し、入力（メモリ意味論）と最適化（値意味論）の方言を分離することで、Shorのアルゴリズムにおいてゲート数が最大40％削減されるなど、顕著なリソース削減を達成する。同時に、コンpilationのオーバーヘッドはわずかで一定であり、大規模な量子アプリケーションに実用的である。

ABSTRACT

We propose an IR for quantum computing that directly exposes quantum and classical data dependencies for the purpose of optimization. The Quantum Intermediate Representation for Optimization (QIRO) consists of two dialects, one input dialect and one that is specifically tailored to enable quantum-classical co-optimization. While the first employs a perhaps more intuitive memory-semantics (quantum operations act as side-effects), the latter uses value-semantics (operations consume and produce states). Crucially, this encodes the dataflow directly in the IR, allowing for a host of optimizations that leverage dataflow analysis. We discuss how to map existing quantum programming languages to the input dialect and how to lower the resulting IR to the optimization dialect. We present a prototype implementation based on MLIR that includes several quantum-specific optimization passes. Our benchmarks show that significant improvements in resource requirements are possible even through static optimization. In contrast to circuit optimization at run time, this is achieved while incurring only a small constant overhead in compilation time, making this a compelling approach for quantum program optimization at application scale.

研究の動機と目的

• 量子プログラムにおけるデータフロー依存関係を明示的に露わにしない中間表現の欠如により、効果的な最適化が阻害されている問題に対処すること。
• メモリ意味論（副作用を伴う）を用いる既存の量子IRの限界を克服し、明示的なデータフローに依存する古典的コンパイラ最適化の再利用を妨げる要因を解消すること。
• 値意味論を用いた専用の最適化方言を設計することで、大規模な量子-古典的共同最適化を可能にすること。
• 数十億から数兆のゲートを要する大規模な量子アプリケーションをサポートすること。
• 実行時最適化のスケーラビリティ問題を避けるために、静的最適化パスを可能にするコンパイルスタックを構築すること。

提案手法

• 2方言のIRを設計：入力方言（Quantum）はメモリ意味論（キュービット参照への副作用を伴う操作）を用い、最適化方言（QuantumSSA）は値意味論（量子状態を消費および生成する操作）を用いる。
• 制御フローを保持しつつ、既存の量子言語（例：Qiskit、ProjectQ）を翻訳層を介して入力方言にマッピングする。
• レジスタアクセスを明示的な抽出および結合命令に変換することで、入力方言を最適化方言に下位化し、データフローを明示化する。
• 既存のコンパイラインfraを活用するため、MLIRにIRを実装し、古典的および量子コードの両方の最適化パスとインfraを統合する。
• 明示的なデータフローにより可能になる、定数畳み込みや共通部分式削除などの量子固有の最適化パスを実装する。
• 部分評価およびデータフロー解析を用いて、コンパイル時にレジスタ値を推定し、CNOTゲートの削除など、攻撃的な最適化を可能にする。

実験結果

リサーチクエスチョン

• RQ1 量子IRを設計し、量子および古典的データ依存関係を明示的に符号化することで、データフローに基づく最適化を可能にできるか？
• RQ2 値意味論によるデータフローの明示化により、既存の古典的コンパイラ最適化が量子プログラムにどの程度再利用可能になるか？
• RQ3 量子IRにおける静的最適化が、スケーリングに伴い禁止的なコンパイルオーバーヘッドを伴わずに、リソース要件（例：ゲート数）を削減できるか？
• RQ4 提案されたIRは、実行時最適化アプローチと比較して、大規模な量子アルゴリズムにおける量子-古典的共同最適化にどの程度効果的か？
• RQ5 MLIRにおける入力方言と最適化方言の分離は、量子プログラムコンパイルにおける使いやすさとパフォーマンスを両立できるか？

主な発見

• QIROは、静的最適化によりShorのアルゴリズムにおけるゲート数を最大40％削減し、リソース効率の面で実行時最適化アプローチを上回る。
• QIROの最適化パスによって生じるコンパイルオーバーヘッドは、問題サイズが増大してもわずかで一定であり、大規模な量子アプリケーションに適している。
• QuantumSSA方言における値意味論の使用により、効果的なデータフロー解析が可能になり、共通部分式削除のような古典的最適化パスが量子コードに適用可能になる。
• MLIRにおけるプロトタイプ実装は、一般化された定数畳み込みなどの量子固有の最適化を効果的に統合し、実用的な妥当性を示している。
• 明示的なデータフローの露わ化により、平坦なゲートリストやメモリ意味論IRでは実現不可能な最適化が可能になる。例えば、コンパイル時にレジスタ値が推定されると、重複するCNOTゲートの削除が可能になる。
• 本アプローチは、複雑な制御フローを持つ混合量子-古典プログラムをサポートし、従来のIRや実行時最適化フレームワークでは不可能な共同最適化を可能にする。