[論文レビュー] Optimization Applications as Quantum Performance Benchmarks

Thomas Lubinski, Carleton Coffrin+4 more|arXiv (Cornell University)|Feb 5, 2023

Quantum Computing Algorithms and Architecture被引用数 7

ひとこと要約

要約は、論文は量子最適化ソルバー（QAOAと量子アニーリング）をMax-Cut上で評価するためのオープンソースのベンチマークフレームワークを開発・実演し、解の品質と実行時間のトレードオフを異種ハードウェア間で分析する。

ABSTRACT

Combinatorial optimization is anticipated to be one of the primary use cases for quantum computation in the coming years. The Quantum Approximate Optimization Algorithm (QAOA) and Quantum Annealing (QA) can potentially demonstrate significant run-time performance benefits over current state-of-the-art solutions. Inspired by existing methods to characterize classical optimization algorithms, we analyze the solution quality obtained by solving Max-Cut problems using gate-model quantum devices and a quantum annealing device. This is used to guide the development of an advanced benchmarking framework for quantum computers designed to evaluate the trade-off between run-time execution performance and the solution quality for iterative hybrid quantum-classical applications. The framework generates performance profiles through compelling visualizations that show performance progression as a function of time for various problem sizes and illustrates algorithm limitations uncovered by the benchmarking approach. As an illustration, we explore the factors that influence quantum computing system throughput, using results obtained through execution on various quantum simulators and quantum hardware systems.

研究の動機と目的

• ヘテロジニアスなプラットフォーム上で最適化ソルバーを実行する量子コンピュータの性能を評価するための手法を開発する。
• QED-Cフレームワークと統合し、反復的な量子-古典ハイブリッドアルゴリズムをサポートするオープンソースのベンチマーク手順を実装する。
• QAOAとQAを用いたMax-Cutを用いてフレームワークを実演し、アプリケーション志向の性能洞察を提供する。
• 最適化タスクに関連するスループットと品質のトレードオフを明らかにする可視化と分析技術を提示する。

提案手法

• QAOAとQAのベンチマークアルゴリズムを、問題サイズの範囲で動作するよう定義する。
• Max-Cutのインスタンス（3-regular graphs）をQAOAとQAのベンチマーク実行のために量子回路にエンコードする。
• 近似比や最適性ギャップなどのアプリケーション固有の品質指標と、経過時間や回路深さといった実行時間指標を測定する。
• 再起動ループとパラメータ最適化を用いて、時間制限内で解の風景を探索する。
• バックエンド間の品質対時間のトレードオフを示すパフォーマンス・プロファイルを作成する。
• クロスバックエンドの比較可能性を確保するため、オープンソースのQED-Cベンチマークスイートとの互換性を確保する。

実験結果

リサーチクエスチョン

• RQ1 Max-Cut問題に対するQAOAとQAで、実行時間が進むにつれて解の品質（例：近似比）はどう変化するか？
• RQ2 組合せ最適化問題を解く際、ゲートモデルとアニーリング機械のアンザッツ忠実度とスループットを左右する要因は何か？
• RQ3 強化されたベンチマークフレームワークは、多様な量子バックエンドに対して明確で比較可能な性能プロファイルを提供できるか？
• RQ4 反復的なハイブリッドパイプラインにおける総コストに対するスループットの考慮は、量子最適化ソルバーの使用方法にどう影響するか？

主な発見

• フレームワークは、Max-Cutの問題サイズ全体で、QAOAとQAの結果品質と実行時間のトレードオフを描く性能プロファイルを提供する。
• オープンソースのベンチマーク手順がQED-Cベンチマークエコシステム内で実装・実演され、バックエンド間の分析を可能にする。
• 量子シミュレータ上のベンチマーク結果は期待される挙動を検証し、スループットと品質に関する洞察を抽出する方法を示す。
• 本研究は、量子加速最適化の性能に影響を与える変数を特定し、さまざまな量子技術に適応できることを実証する。
• このアプローチは、熟知した運用研究（Operations Research）の文脈で、反復的な量子-古典最適化の性能を可視化・比較するフレームワークの能力を示す。