[論文レビュー] QPack: Quantum Approximate Optimization Algorithms as universal benchmark for quantum computers

Koen Mesman, Zaid Al-Ars+1 more|arXiv (Cornell University)|Mar 31, 2021

Quantum Computing Algorithms and Architecture被引用数 16

ひとこと要約

QPackは、Noisy Intermediate-Scale Quantum（NISQ）コンピュータのためのハードウェアに依存しないアプリケーションレベルのベンチマークを、Quantum Approximate Optimization Algorithms（QAOA）を用いて、MaxCut、支配集合、巡回セールスマン問題を対象として、問題サイズ、実行時間、正確性の複数のパフォーマンス次元を評価するものである。IBMのランタイム環境を用いることで顕著な性能向上が確認され、24倍の高速化が観測された。XACCライブラリを介して、多様なシミュレータおよびハードウェア向けに普遍的なベンチマークを提供する。

ABSTRACT

In this paper, we present QPack, a universal benchmark for Noisy Intermediate-Scale Quantum (NISQ) computers based on Quantum Approximate Optimization Algorithms (QAOA). Unlike other evaluation metrics in the field, this benchmark evaluates not only one, but multiple important aspects of quantum computing hardware: the maximum problem size a quantum computer can solve, the required runtime, as well as the achieved accuracy. The applications MaxCut, dominating set and traveling salesman are included to provide variation in resource requirements. This will allow for a diverse benchmark that promotes optimal design considerations, avoiding hardware implementations for specific applications. We also discuss the design aspects that are taken in consideration for the QPack benchmark, with critical quantum benchmark requirements in mind. An implementation is presented, providing practical metrics. QPack is presented as a hardware agnostic benchmark by making use of the XACC library. We demonstrate the application of the benchmark on various IBM machines, as well as a range of simulators.

研究の動機と目的

• 低レベルのゲートパフォーマンスを超えて、現実世界の実用性を反映する実用的でアプリケーションレベルのベンチマークがNISQ時代の量子コンピュータに不足しているという問題に対処すること。
• 最大で解ける問題サイズ、必要な実行時間、解の正確性という複数の重要なメトリクスを用いて、量子ハードウェアの性能を評価すること。
• XACC量子コンピューティングライブラリを活用することで、シミュレータおよび実際のデバイスを横断して実行可能なポータブルな、ハードウェアに依存しないベンチマークを促進すること。
• 将来的に他の量子アルゴリズムへの拡張を可能にする標準化された評価フレームワークを確立すること。
• 多様な問題インスタンスにわたる一貫性があり測定可能なパフォーマンスメトリクスを提供することで、量子シミュレータおよびハードウェアの公平な比較を可能にすること。

提案手法

• ベンチマークは、古典最適化がQAOAパラメータを調整するハイブリッド古典量子ループで実行されるQAOAをコアアルゴリズムとして用いる。
• リソース要件を変化させるために、MaxCut、支配集合、巡回セールスマン問題の3つのNP困難な最適化問題のスイートを用いてパフォーマンスを評価する。
• XACCライブラリを用いて実装されており、IBM量子デバイスおよび複数のシミュレータ上でハードウェアに依存しない実行を可能にする。
• パフォーマンスメトリクスには、量子回路の深さ、合計実行時間（量子＋古典）、古典ベースラインとの相対的な解の正確性が含まれる。
• QAOA実装の成熟度を性能と安定性に基づいてランク付けするためのQuantum Technology Readiness Level（QTRL）が導入されている。
• パrameterチューニングをサポートしており、古典最適化の並列実行も可能であり、将来的にはVQE、ショアのアルゴリズム、グローバーのアルゴリズムへの拡張が想定される。

実験結果

リサーチクエスチョン

• RQ1 NISQ量子コンピュータ向けに、低レベルのゲートメトリクスを超えて実用的応用パフォーマンスを評価できる普遍的なベンチマークをどのように設計できるか？
• RQ2 古典最適化の選択とQAOAの深さが、量子最適化における解の正確性と実行時間にどの程度影響を与えるか？
• RQ3 ハイブリッド量子古典ワークロードにおいて、リモートの古典バックエンド（例：IBMのランタイム環境）を用いることで、どの程度のパフォーマンス向上が達成できるか？
• RQ4 同じQAOAベンチマークを実行する際、異なる量子シミュレータが、さまざまな問題サイズにおいてどのようにパフォーマンスを発揮するか？
• RQ5 現在の量子ハードウェアおよびシミュレータにおいて、QAOAベースの最適化ワークロードを実行する際の主なボトルネックは何か？

主な発見

• リモートの古典コンピュータを用いたIBMのランタイム環境を適用した場合、エンドツーエンドの実行時間が顕著に短縮され、24倍の高速化が観測された。
• 13キュービット以上の大規模な問題サイズではQASMシミュレータが他を上回ったが、qsimは小規模なインスタンスでは優れていたが、実行時間の上昇率が急激に高まった。
• XACCライブラリを用いて、複数のIBM量子プロセッサおよびシミュレータにおいて、ハードウェアに依存しない評価が成功裏に実現された。
• パrameterチューニングは依然として大きな課題であり、この実装ではβおよびγパラメータの集中が観測されなかったが、このような手法は訓練効率の向上が期待される。
• 現在のQAOA実装はリソース最適化がなされていないため、回路の深さとキュービット使用量の改善の余地がある。
• 並列古典最適化のサポートは実現可能であり、ハードウェアがより大きな問題インスタンスを処理できるようになるに従い、顕著な高速化が得られる可能性がある。