[논문 리뷰] A framework for algorithm deployment on cloud-based quantum computers

Sukin Sim, Yudong Cao외 3명|arXiv (Cornell University)|2018. 10. 24.

Quantum Computing Algorithms and Architecture인용 수 11

한 줄 요약

이 논문은 클라우드 기반 양자 컴퓨터에서 적응형 하이브리드 양자-고전적(AHQC) 알고리즘을 구현하고 프로토타이핑하기 위한 모듈식이고 고수준의 프레임워크인 algo2qpu를 소개한다. 이 프레임워크는 저수준의 하드웨어 세부 정보를 추상화하고 고전적 최적화를 통해 파라미터 조정을 간소화함으로써 NISQ 시대 알고리즘, 예를 들어 변이 양자 분류기와 양자 오토에인코더의 효율적 개발과 최적화를 가능하게 하며, Rigetti의 Forest 플랫폼에서 측정 가능한 허상도 및 분류 정확도 향상을 보이며 성공적인 구현을 보여준다.

ABSTRACT

In recent years, the field of quantum computing has significantly developed in both the improvement of hardware as well as the assembly of various software tools and platforms, including cloud access to quantum devices. Unfortunately, many of these resources are rapidly changing and thus lack accessibility and stability for robust algorithm prototyping and deployment. Effectively leveraging the array of hardware and software resources at a higher level, that can adapt to the rapid development of software and hardware, will allow for further advancement and democratization of quantum technologies to achieve useful computational tasks. As a way to approach this challenge, we present a flexible, high-level framework called algo2qpu that is well-suited for designing and testing instances of algorithms for near-term quantum computers on the cloud. Algorithms that employ adaptive protocols for optimizations of algorithm parameters can be grouped under the umbrella of "adaptive hybrid quantum-classical" (AHQC) algorithms. We demonstrate the utility of algo2qpu for near-term algorithm development by applying the framework to implement proof-of-principle instances of two AHQC algorithms that have applications in quantum chemistry and/or quantum machine learning, namely the quantum autoencoder and the variational quantum classifier, using Rigetti Computing's Forest platform.

연구 동기 및 목표

• 양자 소프트웨어 및 하드웨어 생태계의 불안정성과 급속한 변화를 해결하기 위해 유연하고 고수준의 프레임워크를 구축하여 강력한 알고리즘 프로토타이핑을 가능하게 하기 위해.
• 클라우드 기반 양자 프로세서에서 적응형 하이브리드 양자-고전적(AHQC) 알고리즘의 개발과 테스트를 단순화하여 저수준 하드웨어 세부 정보에 대한 의존도를 줄이기 위해.
• Rigetti의 8Q-Agave 장치에서 양자 오토에인코더와 변이 양자 분류기의 실용적 구현을 통해 프레임워크의 유용성을 입증하기 위해.
• 실제 양자 회로 실행에서의 피드백을 활용하여 연구자들이 반복적으로 양자 회로 설계를 개선하고 알고리즘 성능을 향상시킬 수 있도록 하기 위해.
• 플랫폼에 종속적인 복잡성을 추상화하고 다중 플랫폼 간 호환성을 보장함으로써 양자 컴퓨팅의 민주화와 확장성을 지원하기 위해.

제안 방법

• algo2qpu 프레임워크는 양자 회로 구축과 파라미터 최적화를 모듈식이고 재사용 가능한 구성 요소로 추상화하여 알고리즘 로직과 하드웨어 특정 세부 정보를 분리한다.
• 이 프레임워크는 Nelder-Mead와 같은 고전적 최적화 루틴을 활용하여 양자 회로의 변이 파라미터를 조정하고, 에너지, 허상도 또는 가능도와 같은 목적 함수를 최소화하거나 최대화한다.
• 프레임워크는 회로 생성, 파라미터 최적화, 클라우드 접근 가능한 양자 하드웨어 또는 시뮬레이터에서의 실행을 포함한 엔드 투 엔드 실행 파이프라인을 지원한다.
• Rigetti의 Forest 플랫폼과 같은 기존 양자 소프트웨어 스택과 통합되어 실제 장치와 시뮬레이터에서 원활한 배포를 가능하게 한다.
• 측정 결과를 분석하고 경험적 피드백에 기반해 파라미터를 조정함으로써 프레임워크는 양자 회로의 반복적 개선을 가능하게 한다.
• 특정 게이트를 컨텍스트 설정 파라미터로 간주하는 등의 고수준 추상화를 지원하여 더 효율적인 최적화와 회로 해석을 가능하게 한다.

실험 결과

연구 질문

• RQ1 빠르게 변화하는 클라우드 기반 양자 하드웨어와 소프트웨어 스택의 복잡성을 추상화할 수 있는 고수준 소프트웨어 프레임워크는 어떻게 설계될 수 있는가?
• RQ2 모듈식 프레임워크는 얼마나 효율적이고 재현 가능한 방식으로 적응형 하이브리드 양자-고전적 알고리즘의 프로토타이핑을 향상시킬 수 있는가?
• RQ3 algo2qpu 프레임워크는 실제 NISQ 장치에서 양자 오토에인코더와 변이 양자 분류기를 성공적으로 구현하고 최적화할 수 있는가?
• RQ4 실제 양자 회로 실행에서의 피드백은 어떻게 회로 설계와 파라미터 최적화를 향상시키는 데 기여하는가?
• RQ5 고전적 최적화를 통한 파라미터 조정은 양자 머신러닝 및 양자 화학 작업에서 고정밀도 결과를 달성하는 데 어떤 역할을 하는가?

주요 결과

• algo2qpu 프레임워크는 Rigetti의 8Q-Agave 장치에서 변이 양자 분류기의 구현과 최적화를 성공적으로 수행하여 XOR 형태의 데이터 세트를 정확하게 분류하였다.
• Nelder-Mead 알고리즘을 사용한 최적화로 분류기의 성능이 향상되었으며, 최적의 파라미터 설정은 $ w_0 = \pi/2 $ 로 확인되었으며, 이는 XOR 유사 결정 경계를 포괄하는 확률 표현을 유도하였다.
• 프레임워크는 파라미터 $ w_1 $ 가 상단 큐비트의 측정 결과에 영향을 주지 않음을 입증하여 이를 측정 컨텍스트 파라미터로 간주할 수 있음을 보여주었으며, 이는 최적화 경계의 단순화에 기여하였다.
• 확률 $ p_1 $ 의 명시적 계산을 통해 $ \sin(\theta_0)\cos(\theta_1) $ 항이 서로 다른 사분면에서 극값에 대해 반대 부호를 가짐으로써 원하는 XOR 유사 행동을 생성함을 확인하였다.
• 양자 장치에서의 반복적 테스트 결과, 회로는 이동된 XOR 데이터 세트를 완벽하게 분류할 수 있었으며, 이는 경험적 피드백이 회로 개선을 이끄는 데 기여할 수 있음을 시사하였다.
• 프레임워크는 Rigetti의 양자 클라우드 서비스와 같은 업데이트된 양자 플랫폼과도 호환되어 하드웨어 및 소프트웨어의 진화에도 불구하고 장기적인 유용성을 유지한다.