[논문 리뷰] Arline Benchmarks: Automated Benchmarking Platform for Quantum Compilers

Y. Kharkov, A. Ivanova외 2명|arXiv (Cornell University)|2022. 02. 28.

Quantum Computing Algorithms and Architecture인용 수 12

한 줄 요약

Arline Benchmarks는 NISQ 시대의 양자 하드웨어에서 회로 최적화 파이프라인을 체계적으로 평가할 수 있도록 하는 오픈소스 플랫폼을 소개한다. Qiskit, PyZX, Cirq 등의 다양한 벤더에서 온 서브루틴을 복합 파이프라인으로 조합하여, 개별 컴파일러나 전문가가 설계한 스택보다 최대 30% 낮은 CX 게이트 수를 달성한다. 이는 최적의 컴파일 순서가 표준 툴체인을 뛰어넘어 회로 압축을 크게 향상시킬 수 있음을 보여준다.

ABSTRACT

Efficient compilation of quantum algorithms is vital in the era of Noisy Intermediate-Scale Quantum (NISQ) devices. While multiple open-source quantum compilation and circuit optimization frameworks are available, e.g. IBM Qiskit, CQC Tket, Google Cirq, Rigetti Quilc, PyZX, their relative performance is not always clear to a quantum programmer. The growth of complexity and diversity of quantum circuit compilation algorithms creates a demand for a dedicated tool for cross-benchmarking and profiling of inner workflow of the quantum compilation stack. We present an open-source software package, Arline Benchmarks, that is designed to perform automated benchmarking of quantum compilers with the focus on NISQ applications. The name "Arline" was given in honour of Arline Greenbaum Feynman, the first wife of Richard Feynman, the pioneer of quantum computing. We compared several quantum compilation frameworks based on a set of important metrics such as post-optimization gate counts, circuit depth, hardware-dependent circuit cost function, compiler run time etc. with a detailed analysis of metrics for each compilation stage. We performed a variety of compiler tests for random circuits and structured quantum algorithms (VQE, Trotter decomposition, Grover search, Option Pricing via Amplitude Estimation) for several popular quantum hardware architectures. Leveraging cross-platform functionality of Arline, we propose a concept of composite compilation pipeline that combines compiler-specific circuit optimization subroutines in a single compilation stack and finds an optimized sequence of compilation passes. By providing detailed insights into the compilation flow of quantum compilers, Arline Benchmarks offers a valuable toolkit for quantum computing researchers and software developers to gain additional insights into compilers' characteristics.

연구 동기 및 목표

• NISQ 시대의 양자 컴파일러에 대한 체계적이고 프레임워크 간 비교가 부족한 문제를 해결하기 위해.
• 다양한 하드웨어 아키텍처와 양자 알고리즘 간의 양자 컴iles링 워크플로우 성능을 평가하기 위해.
• 순차적 최적화 서브루틴 순서가 회로 압축과 게이트 수 감소에 미치는 영향을 탐색하기 위해.
• 연구자와 개발자가 양자 컴파일러 파이프라인을 비교하고 프로파일링하며 최적화할 수 있도록 도구를 개발하기 위해.
• 여러 컴파일러와 하드웨어 타겟 간 회로 최적화를 평가하기 위한 표준화되고 확장 가능한 벤치마킹 프레임워크를 구축하기 위해.

제안 방법

• 표준화된 입력 회로(예: 랜덤 회로, VQE, 트로터 분해, 그로버 검색, 앙드레스티메이션을 통한 옵션 가격 설정 등)를 사용하여 양자 컴파일러의 종단 간 자동 벤치마킹을 자동화한다.
• 모든 입력 회로를 고정된 게이트 세트로 변환하고 출력을 하드웨어 네이티브 게이트 세트로 매핑하여 컴파일러 간 공정한 비교를 보장한다.
• 두 큐비트 게이트 수(CX), 회로 깊이, 런타임, 게이트 펄리티와 하드웨어 파rameter를 기반으로 한 현상학적 비용 함수를 포함한 핵심 메트릭을 평가한다.
• 다양한 프레임워크(예: Qiskit, Cirq, PyZX, Pytket)의 서브루틴을 조합한 복합 컴파일레이션 파이프라인에 대해 브루트 포스 검색을 구현하여 최적의 순서를 식별한다.
• 모든 대 모든 및 하드웨어 특화 큐비트 연결 모델을 지원하여 라우팅 및 매핑 서브루틴의 분석을 가능하게 한다.
• 각 컴파일 단계에서 메트릭의 변화를 시각화하여 각 서브루틴의 영향을 상세히 프로파일링할 수 있도록 한다.

실험 결과

연구 질문

• RQ1 양자 컴파일러 서브루틴의 성능은 다양한 양자 알고리즘과 하드웨어 아키텍처 간에 어떻게 달라지나?
• RQ2 다양한 벤더에서 온 서브루틴을 조합한 복합 컴파일레이션 파이프라인은 개별 컴파일러보다 더 나은 회로 압축을 달성할 수 있는가?
• RQ3 서브루틴 순서는 최종 회로 메트릭(예: CX 게이트 수, 회로 깊이)에 어떤 영향을 미치는가?
• RQ4 게이트 패턴이 무작위화되었을 때, 알고리즘 특화 최적화(예: UCCSD 회로용)는 어떻게 성능을 발휘하는가?
• RQ5 자동화된 파이프라인 검색은 전문가가 설계한 컴파일 스택을 얼마나 뛰어넘을 수 있는가?

주요 결과

• 복합 파이프라인 접근법은 H2cmpltJW631g (8Q) 회로에서 206개의 CX 게이트 수를 달성하여, 최고의 개별 서브루틴(242개)과 전문가가 설계한 PytketChemPl(236개)을 모두 뛰어넘었다.
• NHfrzJWsto3g (10Q) 회로의 경우, 최고의 복합 파이프라인이 CX 수를 862개로 줄였고, FullReduce 전용일 때는 1051개, ChemPl일 때는 1305개였다.
• EjectPhasedPaulis와 FullReduce의 조합은 FullReduce 전용일 때보다 추가로 10%의 CX 수 감소를 이끌어내어 상호 보완적인 최적화 효과를 입증했다.
• Put Option (11Q) 회로의 경우, 최고 성능을 낸 파이프라인이 단 54개의 CX 게이트만을 기록하여 입력 회로 대비 26% 감소했고, 최고의 개별 서브루틴보다도 8% 낮았다.
• 성능는 회로 유형과 하드웨어 연결성에 매우 의존적이었으며, 구조화된 회로는 게이트 패턴의 변화에 더 민감한 것으로 나타났다.
• 플랫폼의 브루트 포스 파이프라인 검색은 수작업으로 구성된 파이프라인인 PytketChemPl을 뛰어넘는 개선된 순서를 식별했으며, 특히 UCCSD 기반 회로에서 두드러진 성능 향상을 보였다.