[論文レビュー] QPanda: high-performance quantum computing framework for multiple application scenarios

Menghan Dou, Tianrui Zou+9 more|arXiv (Cornell University)|Dec 29, 2022

Quantum Computing Algorithms and Architecture被引用数 8

ひとこと要約

QPandaは、NISQ時代の量子計算を想定した高性能でマルチスナリオ対応の量子プログラミングフレームワークであり、量子化学、ファイナンス、機械学習などの多様な応用分野において、量子回路の効率的なシミュレーション、コンパイル、最適化を可能にしている。CPUおよびGPU上で優れたシミュレーション性能を発揮し、高度な回路最適化およびマッピング技術により、物理的量子プロセッサ上での高精度な実行を実現している。

ABSTRACT

With the birth of Noisy Intermediate Scale Quantum (NISQ) devices and the verification of "quantum supremacy" in random number sampling and boson sampling, more and more fields hope to use quantum computers to solve specific problems, such as aerodynamic design, route allocation, financial option prediction, quantum chemical simulation to find new materials, and the challenge of quantum cryptography to automotive industry security. However, these fields still need to constantly explore quantum algorithms that adapt to the current NISQ machine, so a quantum programming framework that can face multi-scenarios and application needs is required. Therefore, this paper proposes QPanda, an application scenario-oriented quantum programming framework with high-performance simulation. Such as designing quantum chemical simulation algorithms based on it to explore new materials, building a quantum machine learning framework to serve finance, etc. This framework implements high-performance simulation of quantum circuits, a configuration of the fusion processing backend of quantum computers and supercomputers, and compilation and optimization methods of quantum programs for NISQ machines. Finally, the experiment shows that quantum jobs can be executed with high fidelity on the quantum processor using quantum circuit compile and optimized interface and have better simulation performance.

研究の動機と目的

• 量子ファイナンス、材料シミュレーション、量子機械学習などの多様な応用分野をカバーする、柔軟で高性能な量子プログラミングフレームワークのニーズに対応すること。
• スパコンと量子プロセッサを統合することで、大規模な量子タスクにおけるハイブリッド量子古典計算を可能にすること。
• 制御可能なノイズモデルとエラー低減サポートを通じて、量子アルゴリズムのロバスト性を向上させること。
• NISQデバイス向けの高度な回路最適化およびコンパイル技術を活用し、シミュレーションの効率性と正確性を向上させること。
• 高レベルの量子言語統合と低レベルのQPUインタラクションを両立できる、使いやすく拡張可能なフレームワークを提供すること。

提案手法

• QPandaは、CPUおよびGPUアクセラレーションをサポートする高性能な量子回路シミュレータを実装しており、最適化されたゲート統合と並列処理技術を用いている。
• デバイスのトポロジー（例：グリッド、サイクル）とゲート制約を考慮した、論理的量子回路を物理的キュービット配置にマップする統一されたコンパイルパイプラインを提供している。
• ゲート統合（aggregate_operationsを介して）やCNOT削減などの回路最適化戦略を統合し、回路の深さとゲート数を最小限に抑える。
• 回路分割と分散実行を可能にするため、量子プロセッサとスパコンの間でシームレスに統合可能なハイブリッド量子古典ワークロードをサポートしている。
• 量子アルゴリズム設計とエラー低減のテストに適した、設定可能なノイズモデルバックエンドを提供している。
• 外部の量子ライブラリ（例：CirqやPennyLane）をQPanda実行バックエンドとして統合可能なモジュラーバックエンドシステムを提供している。

実験結果

リサーチクエスチョン

• RQ1 量子化学、ファイナンス、機械学習を含む多様な応用シナリオをサポートできるように、量子プログラミングフレームワークをどのようにアーキテクチャ設計すべきか？
• RQ2 NISQ時代の量子計算において、パフォーマンスと正確性を最大化するためのシミュレーションおよびコンパイル技術は何か？
• RQ3 制限付きの量子ハードウェア上で、アルゴリズムの正しさを保ちながらゲート数と深さを低減するには、回路最適化をどのように実現すべきか？
• RQ4 スパコンは、大規模な量子回路におけるハイブリッド量子古典計算を実現するために、どのような役割を果たせるか？
• RQ5 ノイズモデルとエラー低減戦略の統合は、実世界の展開における量子アルゴリズムのロバスト性をどのように向上させるか？

主な発見

• QPandaは、Qiskit や Qulacs といった最先端のフレームワークよりも、ランダム回路のシングルスレッドおよびマルチスレッドCPUシミュレーションで優れた性能を発揮しており、特に回路最適化を有効にした場合に顕著である。
• QPandaのGPUアクセラレートシミュレーションは、CPUオンリーよりも著しく高速であり、参照結果と10^-3以内の精度を維持している。
• QPandaの回路最適化により、グリッドおよびサイクルトポロジーのさまざまなQAOAベンチマークにおいて、回路の深さが最大35％、CNOTゲート数が平均で最大50％削減された。
• コンパイルおよび最適化された量子回路は、物理的量子プロセッサ上で高い正確性で実行され、QPandaのマッピングおよびコンパイルパイプラインの有効性が裏付けられた。
• フレームワークは、高性能なシミュレーションと効率的なQPUインタラクションを実現し、複数のベンチマーク設定において実行速度とリソース効率に顕著な改善が見られた。
• QPandaのモジュラーバックエンド設計は、外部の量子ライブラリとの統合に成功しており、より広範なエコシステムの拡張性を実現している。