[論文レビュー] Snowmass White Paper: Quantum Computing Systems and Software for High-energy Physics Research

Travis S. Humble, Andrea Delgado+24 more|arXiv (Cornell University)|Mar 14, 2022

Advanced Data Storage Technologies被引用数 5

ひとこと要約

このSnowmassホワイトペーパーは、今後10年間における素粒子物理学（HEP）研究への量子コンピューティング（QC）の統合を戦略的ロードマップとして提示し、複雑な量子場理論およびシミュレーション課題に対処するため、ハイブリッド量子古典アルゴリズム、ソフトウェアスタック、インfra構築を提言している。NISQ時代のハードウェアの限界を埋めるために、HEP、量子情報科学、産業界が共同で開発を進めることが強調され、HEP分野の画期的な発見を可能にする。

ABSTRACT

Quantum computing offers a new paradigm for advancing high-energy physics research by enabling novel methods for representing and reasoning about fundamental quantum mechanical phenomena. Realizing these ideals will require the development of novel computational tools for modeling and simulation, detection and classification, data analysis, and forecasting of high-energy physics (HEP) experiments. While the emerging hardware, software, and applications of quantum computing are exciting opportunities, significant gaps remain in integrating such techniques into the HEP community research programs. Here we identify both the challenges and opportunities for developing quantum computing systems and software to advance HEP discovery science. We describe opportunities for the focused development of algorithms, applications, software, hardware, and infrastructure to support both practical and theoretical applications of quantum computing to HEP problems within the next 10 years.

研究の動機と目的

• 量子色力学（QCD）における強い相互作用や量子場理論のシミュレーションの数学的・計算的複雑性に対処すること。これは、従来のHPCシステムでは解けない課題である。
• 近い将来のノイズの多い中規模量子（NISQ）デバイスの限界を克服するため、エラー低減、回路最適化、ハイブリッド量子古典ワークフローの開発。
• スケーラブルで分散可能かつ相互運用可能な量子-HPCワークロードを実現するため、量子コンピューティングを既存のハイパフォーマンスコンピューティング（HPC）およびデータインfraに統合すること。
• HEP、量子情報科学、その他の科学分野が協力して開発を進める国際的連携を促進し、共通の技術的進歩を加速すること。
• 国立プログラム、ユーザーファシリティ、共同テストベッドを通じて、HEP分野における量子コンピューティングの持続可能な研究開発エコシステムを構築すること。

提案手法

• 一般用途の量子アルゴリズム（例えば、変分量子固有状態探索法（VQE）や量子機械学習（QML））を、格子ゲージ理論や検出器シミュレーションといったHEP特有の問題に適応・拡張すること。
• 変分量子アルゴリズムと強化学習を用いて、NISQデバイス上で量子回路パラメータを最適化し、収束性を向上させるハイブリッド量子古典ワークロードを開発すること。
• 制限されたキュービット接続性とゲート忠実度を持つ実際の量子ハードウェアに、量子回路のトランスパイルおよびスケジューリング技術を適用して、効率的なマッピングを実現すること。
• コンテナ化モジュールと分散コンピューティングフレームワークを活用し、クラウドおよびHPC環境に量子コンピューティングAPIを統合することで、シームレスなハイブリッド実行を可能にすること。
• 実際の量子プロセッサにデプロイする前に、量子アルゴリズムの検証とデバッグを、HPCクラスタ上で高精度な古典的シミュレーションを用いて行うこと。
• CERNのASACUSAおよびALPHA実験など、低エネルギーおよび反物質実験における高精度測定を支援するため、量子データネットワークおよび時間/周波数分配システムを発展させること。

実験結果

リサーチクエスチョン

• RQ1 変分量子アルゴリズムは、格子場理論の文脈において、非アーベルゲージ理論（例：QCD）をどのように効果的にシミュレートできるか？
• RQ2 HEP実験におけるデータ分析および分類タスクの高速化に最も効果的なハイブリッド量子古典アーキテクチャと最適化戦略は何か？
• RQ3 NISQデバイス上で量子機械学習モデルをどのように訓練すれば、超新星分類や合成検出器データ生成といったタスクで古典的ベースラインを上回る性能を達成できるか？
• RQ4 効率的なデータフローとワークロードスケジューリングを実現するため、量子コンピューティングワークロードとHPCリソースをどのように統合するシステムレベルのパターンが必要か？
• RQ5 量子データネットワークおよび高精度な時間/周波数分配は、素粒子物理学における次世代の高精度実験を支援するために果たす役割は何か？

主な発見

• NISQデバイス上でのSU(2)ゲージ理論のシミュレーションが、プロトタイプの実現可能性を示したが、スケーラビリティと正確性に限界がある。
• 超新星分類のタスクにおいて、量子ハードウェア上で量子機械学習モデルが成功裏に訓練され、小規模データセットでは古典的モデルと同等の性能を達成した。
• 量子回路を用いた合成検出器データ生成が実証され、古典的および量子モデルのトレーニングデータ強化のための潜在的道筋が示された。
• オークリッジリーダーシップコンピューティングファシリティの量子コンピューティングユーザープログラム（QCUP）は、メリットベースのアクセスとハイブリッド実行を通じて、量子とHPCワークロードを統合する実用的なモデルを提供している。
• HPCクラスタ上で量子回路の分散および並列化された古典的シミュレーションにより、キュービット数の増加に伴う指数的メモリ増加の課題があるものの、量子アルゴリズムのスケーラブルなテストと検証が可能になった。
• CERNの量子技術イニシャチブ、DESY QUANTUM、米国エネルギー省のQuantISEDプログラムといった国際的イニシャチブは、量子-HPC統合の加速に向けた重要な機関間連携を促進している。