[논문 리뷰] A Binary Integer Programming-based Method for Qubit Mapping in Sparse Architectures

Hui Jiang|arXiv (Cornell University)|2023. 10. 15.

Quantum Computing Algorithms and Architecture인용 수 1

한 줄 요약

이 논문은 기호 시퀀스를 사용하여 회로를 표현함으로써 비연속적이지만 의미적으로 축약 가능한 패턴를 효율적으로 식별할 수 있는 패턴 매칭 기반의 양자 회로 리라이팅 프레임워크인 QRewriting을 제안한다. 패턴 매칭 문제를 별개의 부분수열 문제로 재정의하고 동적 프로그래밍을 적용함으로써, GIBM에서 GSur 게이트 세트로의 벤치마크 리라이팅에서 PaF 대비 평균 29%의 깊이 감소와 14%의 게이트 수 감소를 달성한다.

ABSTRACT

Qubit Mapping Based on MIP

연구 동기 및 목표

• 다른 양자 프로세서 아키텍처 간의 고유한 게이트 세트와 연결성 제약 조건을 고려한 양자 회로 리라이팅 문제를 해결한다.
• 복잡하고 비연속적인 게이트 패턴을 식별하고, 동등한 최적화된 조각으로 대체함으로써 효율적이고 효과적인 회로 리라이팅을 가능하게 한다.
• 동일한 패턴을 여러 규칙이 매칭할 경우 발생하는 대체 충돌 문제를 해결하여 최적 또는 근사 최적의 리라이팅 결정을 보장한다.
• 다양한 양자 벤치마크에서의 최적화를 지원하는 확장성 있고 효율적인 프레임워크를 개발하며, 특히 제한된 연결성과 게이트 정밀도를 가진 NISQ 시대의 프로세서에 적합하다.

제안 방법

• 전통적인 방향성 없는 비순환 그래프(DAGs)가 아닌 기호 시퀀스로 양자 회로를 표현함으로써, 비연속적이지만 의미적으로 축약 가능한 패턴를 더 쉽게 탐지할 수 있도록 한다.
• 패턴 매칭 문제를 기호 시퀀스 내의 별개의 부분수열을 찾는 문제로 재정의함으로써, 게이트가 연속적이지 않더라도 효율적인 패턴 탐지가 가능하도록 한다.
• 브루트 포스 방법에 비해 훨씬 효율적인 다이나믹 프로그래밍 기반 다항 시간 알고리즘을 설계하여 부분수열 매칭 및 대체 문제를 해결한다.
• 대체 충돌을 해결하기 위해 정밀, 근사, 확률적 세 가지 대체 스케줄링 정책을 도입하여 대규모 회로에 대한 최적화 품질과 런타임 간의 균형을 확보한다.
• GIBM에서 GSur로의 게이트 세트 간 매핑을 위한 기본 최적화 규칙 라이브러리를 구성하며, 일반적인 항등식과 게이트 분해를 포함한다.
• 게이트 세트 변환을 수행하면서 회로 깊이와 게이트 수를 최소화하는 전체 리라이팅 파이프라인에 프레임워크를 통합한다.

실험 결과

연구 질문

• RQ1 비연속적으로 배치되어 있지만 여전히 의미적으로 축약 가능한 양자 회로 패턴를 효율적으로 탐지하고 매칭할 수 있는 방법은 무엇인가?
• RQ2 양자 회로의 기호 시퀀스 표현 방식이 기존의 DAG 기반 표현 방식보다 더 확장성 있고 정확도가 높은 패턴 매칭을 가능하게 할 수 있는가?
• RQ3 다양한 대체 스케줄링 정책(정밀, 근사, 확률적)이 회로 리라이팅의 품질과 성능에 미치는 영향은 어떠한가?
• RQ4 GIBM에서 GSur로의 게이트 세트 간 변환 시, 패턴 매칭 및 대체 기법이 회로 깊이와 게이트 수를 얼마나 줄일 수 있는가?
• RQ5 기존 도구인 PaF와 비교하여 제안된 QRewriting 프레임워크는 표준 양자 회로 벤치마크에서 성능과 최적화 품질 측면에서 어떻게 비교되는가?

주요 결과

• GIBM 게이트 세트에서 GSur 게이트 세트로의 산술 및 토플리 벤치마크 리라이팅 시 QRewriting는 PaF 대비 평균 29%의 깊이 감소를 달성한다.
• 프레임워크는 PaF 대비 14%의 게이트 수 감소를 기록하여 더 높은 최적화 효율성을 입증한다.
• 기호 시퀀스 표현 방식은 DAG 기반 표현 방식으로는 어려운 비연속적이고 축약 가능한 패턴를 성공적으로 탐지함을 입증했다.
• 다이나믹 프로그래밍 기반 패턴 매칭 알고리즘은 다항 시간 내에 실행되어 대규모 회로에 대한 확장성 확보에 기여한다.
• 확률적 및 근사 대체 정책은 정밀 정책 대비 뚜렷한 런타임 감소를 보이며, 특히 대규모 벤치마크에서 근사 최적의 결과를 달성한다.
• 489 큐비트를 가진 GF(2^163)-Mult 벤치마크에서 QRewriting는 기준 대비 깊이 39.22% 감소와 게이트 수 43.53% 감소를 기록하여 뛰어난 확장성과 최적화 능력을 입증한다.