[논문 리뷰] Benchmarking 50-Photon Gaussian Boson Sampling on the Sunway TaihuLight

Yuxuan Li, Mingcheng Chen외 7명|arXiv (Cornell University)|2020. 09. 02.

Quantum Information and Cryptography참고 문헌 45인용 수 9

한 줄 요약

이 논문은 태호라이트 초고성능 컴퓨터에서 50광자의 가우시안 보존 샘플링을 매우 최적화된 고전적 시뮬레이션으로 제시하며, 128비트 정밀도에서 2.78 PFLOPS, 256비트 정밀도에서 1.27 PFLOPS의 성능를 기록한다. 부하 균형 잡힌 병렬 기법, DAG 기반 명령어 스케줄링, 아키텍처 특화 다중 정밀도 고정점 설계를 조합하여, 저자들은 128비트 정밀도에서 20시간, 256비트 정밀도에서 2일이 소요되는 100×100 토론토니안 함수를 계산하였으며, 이는 고전적 양자 샘플링 문제 시뮬레이션의 새로운 기준을 설정한다.

ABSTRACT

Boson sampling is expected to be one of an important milestones that will demonstrate quantum supremacy. The present work establishes the benchmarking of Gaussian boson sampling (GBS) with threshold detection based on the Sunway TaihuLight supercomputer. To achieve the best performance and provide a competitive scenario for future quantum computing studies, the selected simulation algorithm is fully optimized based on a set of innovative approaches, including a parallel scheme and instruction-level optimizing method. Furthermore, data precision and instruction scheduling are handled in a sophisticated manner by an adaptive precision optimization scheme and a DAG-based heuristic search algorithm, respectively. Based on these methods, a highly efficient and parallel quantum sampling algorithm is designed. The largest run enables us to obtain one Torontonian function of a 100 x 100 submatrix from 50-photon GBS within 20 hours in 128-bit precision and 2 days in 256-bit precision.

연구 동기 및 목표

• 임계 탐지 조건을 갖춘 50광자 가우시안 보존 샘플링(GBS)에 대해 고성능 고전적 기준을 설정하기 위해.
• 고전적 초고성능 컴퓨터에서 고정밀도 양자 샘플링을 시뮬레이션할 때의 계산 한계를 극복하기 위해.
• 태호라이트 아키텍처에서 대규모 GBS 인스턴스를 시뮬레이션하기 위해 최적의 성능와 충분한 정밀도를 확보하기 위해.
• 보존 기반 샘플링을 이용한 향후 양자 우월성 실험에 경쟁 가능한 고전적 기반을 제공하기 위해.

제안 방법

• 태호라이트의 다중코어 아키텍처에서 캐시 저장소를 최소화하고 계산 효율을 극대화하기 위해 세밀한 부하 균형 잡힌 병렬 기법을 사용한다.
• 최적의 커널 실행을 위해 DAG 기반 휠러치 기반 히우리스틱 검색 알고리즘에 기반한 명령어 수준 최적화 전략을 사용한다.
• 태호라이트의 네이티브 대규모 정수 명령어 세트를 활용하여 복수 정밀도 고정점 산술 설계를 구현하여 역수 및 제곱근과 같은 고정밀도 연산을 지원한다.
• 상한 및 하한 추정을 사용하여 정밀도 모드를 동적으로 선택함으로써 정확도와 성능를 균형 잡는 적응형 정밀도 최적화 프레임워크를 구현한다.
• 태호라이트의 고유한 아키텍처에 맞게 완전히 최적화된 알고리즘으로, 동기화 및 계산 코어 간 데이터 분배에 대한 맞춤형 처리를 포함한다.
• 시뮬레이션은 50광자 GBS 인스턴스의 100×100 부분행렬에 대한 토론토니안 함수 계산을 대상으로 하며, 양자 우월성에 대한 핵심 기준이다.

실험 결과

연구 질문

• RQ1 고전적 초고성능 컴퓨터가 충분한 정밀도와 성능로 50광자 가우시안 보존 샘플링을 시뮬레이션하여 양자 우월성 기준이 될 수 있는가?
• RQ2 태호라이트 아키텍처에서 명령어 수준 최적화와 데이터 병렬 처리 최적화를 효과적으로 융합하여 성능을 극대화할 수 있는가?
• RQ3 대규모 GBS 행렬에 대한 토론토니안 함수를 시뮬레이션할 때 정확도를 확보하기 위해 필요한 정밀도 수준은 무엇이며, 이를 어떻게 적응적으로 선택할 수 있는가?
• RQ4 태호라이트에서 최적화된 GBS 시뮬레이션의 성능는 x86, ARM, GPU 플랫폼과 비교해 어떻게 다른가?
• RQ5 부하 균형 및 명령어 스케줄링는 고정밀도 선형 대수 커널에서 발생하는 병목 현상을 어느 정도 완화할 수 있는가?

주요 결과

• 태호라이트 초고성능 컴퓨터에서 128비트 정밀도에서 지속적인 성능 2.78 PFLOPS, 256비트 정밀도에서 1.27 PFLOPS를 달성하였다.
• 50광자 GBS의 100×100 부분행렬 토론토니안 함수는 128비트 정밀도에서 20시간, 256비트 정밀도에서 2일이 소요되었다.
• 태호라이트의 268,800개 코어에 걸쳐 거의 이상적인 부하 균형을 달성하여 유휴 시간과 통신 오버헤드를 최소화하였다.
• DAG 기반 명령어 스케줄링은 산술 명령어 순서 최적화와 파ipel라인 스톱 감소를 통해 커널 실행 시간을 단축시켰다.
• 적응형 정밀도 프레임워크는 정확도와 성능를 성공적으로 균형 잡았으며, 불필요한 정밀도 증가를 방지하면서도 수치적 신뢰성을 유지하였다.
• 특히 212비트 모드에서 GPU(Tesla V100) 및 CPU(x86, ARM) 플랫폼보다 3배 이상 뛰어난 성능를 기록하여 태호라이트 기반 구현이 뛰어난 성능를 확보하였다.