[논문 리뷰] Automated Quantum Software Engineering: why? what? how?

Aritra Sarkar|arXiv (Cornell University)|2022. 12. 01.

Cloud Computing and Resource Management인용 수 5

한 줄 요약

이 논문은 양자 알고리즘의 직관에 반하는 성격과 양자 소프트웨어 개발의 높은 진입 장벽을 극복하기 위해 자동화된 양자 소프트웨어 공학(AQSE)을 주장한다. 형식적 방법, 기호적 추론, 기계 학습 기법(예: 신경기반 기호 시스템, 자동 정리 증명, 강화 학습 등)을 통합한 프레임워크를 제안하여 체계적이고 검증 가능하며 확장 가능한 방식으로 양자 알고리즘을 탐색할 수 있도록 하며, 정확성과 해석 가능성 확보를 위해 검증 과정을 개발 파이pline에 통합한다.

ABSTRACT

This article provides a personal perspective on research in Automated Quantum Software Engineering (AQSE). It elucidates the motivation to research AQSE (why?), a precise description of such a framework (what?), and reflections on components that are required for implementing it (how?).

연구 동기 및 목표

• 양자 역학의 직관에 반하는 성격으로 인해 양자 하드웨어의 발전과 양자 소프트웨어 개발의 제한된 확장성 사이의 격차가 커지는 문제를 해결하기 위해.
• 현재는 고전적 소프트웨어 공학 수준을 초월한 전문적 훈련이 요구되므로, 양자 알고리즘 개발의 진입 장벽을 낮추기 위해.
• 연구자에 의존하는 방식을 넘어선 체계적이고 검증 가능하며 확장 가능한 방식으로 양자 알고리즘 탐색을 자동화하여 실현하기 위해.
• 정확성과 신뢰성을 확보하기 위해 형식적 검증과 해석 가능성 기능을 양자 소프트웨어 개발 파이pline에 통합하기 위해.
• 이론적 양자 알고리즘 설계와 실용적인 근접 양자 장치 상의 구현 사이의 괴리를 해소하기 위해 합성 및 최적화를 자동화하기 위해.

제안 방법

• 신경기반 기호 AI를 활용해 기호적 추론의 정확성과 신경망의 효율성을 조합하여 양자 프로그램 합성에 활용한다.
• QWIRE, SQIR, CoqQ와 같은 양자 전용 형식 체계를 사용해 자동 정리 증명(ATP)을 적용하여 Curry-Howard 이sovorphism를 통해 정확성 검증을 수행한다.
• 다이어그램 기반 추론과 추상 양자 프로그램의 정밀화를 위해 고카테고리 양자역학 도구(예: ZX-calculus, DisCoCirc, Catlab.jl)를 활용한다.
• 불완전하거나 노이즈가 있는 사양을 다룰 수 있도록 확률론적 논리와 불확실성 인식 합성(예: 마르코프 논리 네트워크, 확률론적 논리 프로그래밍)을 통합한다.
• 강화 학습 및 프로그래밍-예시 기반 패러다임을 활용해 입력-출력 쌍 또는 양자 시뮬레이터/환경과의 상호작용을 통해 양자 회로를 학습한다.
• 자연어 설명 도구(예: Coqatoo)를 통합한 형식적 검증을 통해 합성된 양자 프로그램의 해석 가능성과 사용자 신뢰도를 확보한다.

실험 결과

연구 질문

• RQ1 자동화된 시스템은 어떻게 양자 간섭과 얽힘의 특성을 활용하는 양자 알고리즘을 체계적으로 탐색할 수 있는가? 특히, 우연한 통찰에 의존하지 않고 말이다.
• RQ2 자동화된 양자 소프트웨어 합성에서 정확성, 확장성, 해석 가능성 보장을 위한 형식적이고 계산 가능한 프레임워크는 무엇인가?
• RQ3 신경기반 기호 시스템과 강화 학습과 같은 기계 학습 기법은 양자 프로그램 생성의 고유한 제약 조건에 어떻게 적응시킬 수 있는가?
• RQ4 범주론과 다이어그램 기반 추론은 모듈성, 조합 가능성, 검증 가능성을 확보하는 데 있어 양자 소프트웨어 공학에 어떤 역할을 할 수 있는가?
• RQ5 자동화된 양자 알고리즘 합성 과정에서 사용자 사양의 불확실성은 어떻게 체계적으로 전파되고 관리될 수 있는가?

주요 결과

• AQSE는 전문가의 직관에 의존하는 것을 줄이고, 확장 가능한 자동화된 방식으로 양자 알고리즘 탐색을 가능하게 하여 양자 소프트웨어 개발의 민주화에 필수적이다.
• QWIRE, SQIR, CoqQ와 같은 형식적 방법은 검증 가능한 양자 프로그램 합성의 기초를 제공하며, 기계로 검증 가능하고 해석 가능한 정확성 증명을 가능하게 한다.
• 신경기반 기호 및 강화 학습 접근법은 하이브리드 양자-고전적 워크로드에 특히 유망한 방식으로 양자 회로 합성을 자동화하는 데 성공했다.
• ZX-calculus, DisCoCirc와 같은 고카테고리 양자역학 도구는 양자 회로에 대한 고수준의 조합적 추론을 가능하게 하여 모듈식 설계와 최적화를 지원한다.
• 확률론적 논리와 불확실성 인식 합성은 불완전하거나 노이즈가 있는 문제 사양을 다룰 수 있어, AQSE가 실세계 응용에 더 강건하게 작동할 수 있도록 한다.
• 자연어 설명을 통한 형식적 검증(예: Coqatoo를 통해)은 자동화된 양자 소프트웨어의 투명성과 신뢰도를 향상시켜 해석 가능성 문제를 해결한다.