[論文レビュー] Quantum Random Number Generators : Benchmarking and Challenges

David Cirauqui, Miguel Ángel García-March+6 more|arXiv (Cornell University)|Jun 10, 2022

Advanced Data Storage Technologies被引用数 4

ひとこと要約

本稿では、FPGAおよびGPUを用いた2次元イジング格子における臨界ダイナミクスのシミュレーションを通じて、量子乱数生成器（QRNG）の性能をベンチマーク化している。これにより、古典的疑似乱数生成器（PRNG）と比較して、QRNGが中程度の格子サイズ（128×128）において相関を検出する能力に優れていることが明らかになった。本研究では、量子優位性を達成するための速度、アクセス時間、効率に関する定量的要件を設定した。

ABSTRACT

We discuss the current state of the art of Quantum Random Number Generators (QRNG) and their possible applications in the search for quantum advantages. To this aim, we first discuss a possible way of benchmarking QRNG by applying them to the computation of complicated and hard to realize classical simulations, such as critical dynamics in two-dimensional Ising lattices. These are performed with the help of computing devices based on field-programmable gate arrays (FPGAs) or graphic processing units (GPUs). The results obtained for QRNG are compared with those obtained by classical pseudo-random number generators (PRNG) of various qualities. Monte Carlo simulations of critical dynamics in moderate lattice sizes (128$ imes$128) start to be sensitive to the correlations present in pseudo-random numbers sequences, allowing us to detect them. By comparing our analysis with that of Ref. [PRE {\bf 93}, 022113 (2016)], we estimate the requirements for QRNGs in terms of speed, rapidity of access, and efficiency to achieve the objective of quantum advantage with respect to the best PRNGs. We discuss the technical challenges associated with this objective.

研究の動機と目的

• 2次元イジング格子における臨界ダイナミクスのシミュレーションを通じて、量子乱数生成器（QRNG）の性能を評価すること。
• モンテカルロシミュレーションにおいて、長距離相関を捉えることが難しい古典的疑似乱数生成器（PRNG）の限界を特定すること。
• 量子優位性を達成するためのQRNGの定量的ベンチマーク（特に速度、アクセス時間、効率）を設定すること。
• PRNGに統計的相関が生じることでシミュレーション精度が低下する高精度シミュレーションにおいて、QRNGの実用可能性を評価すること。
• モンテカルロシミュレーションから導出される動的臨界指数を用いた、高品質なランダムネスの区別手法を提供すること。

提案手法

• FPGAおよびGPUを用いた計算プラットフォーム上で、2次元イジング格子（128×128）の臨界ダイナミクスをモンテカルロ法でシミュレートすること。
• シミュレーションに使用する乱数源として、QRNGと複数のクラスのPRNG（相関長が異なるもの）を併用すること。
• 有限サイズスケーリングとべき乗則へのフィッティングを用いて、PRNGの相関によって生じる偏差を検出するため、動的臨界指数 $ z $ を分析すること。
• 緩和時間のフィッティングから $ \log(\tau_0) $ を計算し、ランダムネスの質に対する感度を抽出する。値が低いほど相関が強いことを示す。
• 文献に記載された既知の理論的・数値的ベンチマークと比較することで、シミュレーションの正確性を検証すること。
• 動的臨界指数 $ z $ を、乱数列にわずかな統計的相関が存在するかどうかを検出する感受性の高いプローブとして用いること。

実験結果

リサーチクエスチョン

• RQ1 古典的PRNGが中程度の格子サイズですら回避できない相関を、QRNGは検出できるか？
• RQ2 2次元イジング格子の臨界ダイナミクスをシミュレートする際、最良の古典的PRNGを上回るためのQRNGの最小性能要件（速度、アクセス時間、効率）は何か？
• RQ3 動的臨界指数 $ z $ は、シミュレーション出力におけるランダムネスの質を感受性高く示す指標としてどのように機能するか？
• RQ4 相関長が異なる複数のPRNGが、2次元イジングモデルのモンテカルロシミュレーションの精度に及ぼす影響はどの程度か？
• RQ5 臨界ダイナミクスのシミュレーションは、高リスク応用における乱数生成器の品質を評価するためのベンチマークツールとして利用可能か？

主な発見

• 128×128の2次元イジング格子のモンテカルロシミュレーションは、PRNGの相関に敏感となり、小さな系では検出できない統計的欠陥を検出可能となった。
• QRNGは $ \log(\tau_0) = -0.362 $ を達成し、テストしたすべてのPRNGよりも顕著に低い値を示しており、優れたランダムネス品質と相関効果の低減を示した。
• 長い相関長を示すPRNG（例：PRNG3 $ k=2 $、$ \log(\tau_0) = -0.2454 $）ですらQRNGに劣っており、量子乱数の根本的優位性が裏付けられた。
• QRNGを用いたシミュレーションから抽出した動的臨界指数 $ z $ は、既知の理論的・数値的値とよく一致しており、本手法の感受性が検証された。
• 本研究では、実世界の量子優位性シナリオにおいて、QRNGが高速な生成レートと低アクセス遅延を達成する必要があると推定した。
• 臨界ダイナミクスに基づくベンチマークフレームワークは、スケーラブルで物理的根拠を持つ高品質なランダムネスソースの区別法を提供し、シミュレーション結果に明確な影響を与えることが分かった。