[논문 리뷰] Gaussian Boson Sampling with Pseudo-Photon-Number Resolving Detectors and Quantum Computational Advantage

Yu‐Hao Deng, Yi-Chao Gu외 27명|arXiv (Cornell University)|2023. 04. 24.

Quantum Information and Cryptography인용 수 7

한 줄 요약

이 논문은 지류장 3.0 양자 컴퓨터에서 가짜 광자 수 카운팅 검출기(PPNRD)를 사용하여 가우시안 보존 샘플링(Gaussian Boson Sampling)을 구현하여, 고전적 슈퍼컴퓨터가 이를 생성하는 데 600년이 넘는 시간이 소요될 정도로 양자 계산 우위(QCA)를 입증한다. 실험 결과는 베이지안 검정과 상관 함수 분석을 통해 현재까지 알려진 모든 고전적 모조 모델에 대해 검증되었으며, 프론티어 슈퍼컴퓨터 대비 1.5×10¹⁶배의 속도 향상을 확인했다.

ABSTRACT

We report new Gaussian boson sampling experiments with pseudo-photon-number-resolving detection, which register up to 255 photon-click events. We consider partial photon distinguishability and develop a more complete model for the characterization of the noisy Gaussian boson sampling. In the quantum computational advantage regime, we use Bayesian tests and correlation function analysis to validate the samples against all current classical mockups. Estimating with the best classical algorithms to date, generating a single ideal sample from the same distribution on the supercomputer Frontier would take ~ 600 years using exact methods, whereas our quantum computer, Jiuzhang 3.0, takes only 1.27 us to produce a sample. Generating the hardest sample from the experiment using an exact algorithm would take Frontier ~ 3.1*10^10 years.

연구 동기 및 목표

• 가짜 광자 수 카운팅 검출기(PPNRD)를 사용한 가우시안 보존 샘플링에서 양자 계산 우위(QCA)를 입증하기.
• 부분 광자 구분 불가능성 등을 고려한 노이즈가 있는 가우시안 보존 샘플링의 보다 완전한 모델 개발.
• 모든 알려진 고전적 모조 모델(예: 트리위드 샘플러 및 IPS 모의 시스템 포함)에 대해 실험 샘플을 검증하기.
• 프론티어 슈퍼컴퓨터에서 정확한 알고리즘을 사용해 실험의 고전적 시뮬레이션 비용을 벤치마킹하기.
• 베이지안 검정과 이차 상관 함수 분석을 활용한 강력한 검증 프레임워크 수립으로 고전적 시뮬레이션을 배제하기.

제안 방법

• 실험은 지류장 3.0을 사용하며, 1152개의 분기된 출력 모드(각각 임계값 검출기 장착)를 통해 가짜 광자 수 카운팅 검출기(PPNRD)를 시뮬레이션한다.
• PPNRD 모델은 1152개의 출력 밴드 각각을 별개의 모드로 간주함으로써, 효과적인 검출 사건 수와 계산 복잡도를 증가시킨다.
• 수정된 루프 하프니안 시뮬레이션 방법을 적용하며, 계산 비용은 $ T(\vec{N}) = \frac{1}{2} C_{\text{Frontier}} M N^3 G^{N/2} $로 모델링된다. 여기서 $ G = \left( \prod_{i=1}^{M} (n_i + 1) \right)^{1/N} $이며, 광자-클릭 다중성의 영향을 반영한다.
• 베이지안 가설 검정을 통해 실험 샘플을 고전적 모조 분포와 비교하여 통계적 타당성을 평가한다.
• 실험, 기준값, 모의 시스템 간의 이차 상관 함수를 계산하고 비교하여 편차를 탐지하고 고전적 시뮬레이션을 배제한다.
• 프론티어 슈퍼컴퓨터를 사용해 시뮬레이션 비용을 추정하며, $ C_{\text{Frontier}} $ 는 이전 벤치마크에서 유도되어 양자 속도 향상을 정량화한다.

Figure 1: The experimental setup. 25 stimulated two-mode squeezed state photon sources are all phase-locked to each other and sent into a 144-mode ultralow-loss fully-connected optical interferometer. The photons go through 72 units of fiber loop setups for temporal-spatial demultiplexing and are de

실험 결과

연구 질문

• RQ1 가짜 광자 수 카운팅 검출기(PPNRD)를 사용한 가우시안 보존 샘플링은 고전적 슈퍼컴퓨터에 비해 검증 가능한 양자 계산 우위를 달성할 수 있는가?
• RQ2 부분 광자 구분 불가능성과 실험 노이즈는 GBS 실험의 타당성과 시뮬레이션 비용에 어떤 영향을 미치는가?
• RQ3 트리위드 샘플러 및 IPS 모의 시스템을 포함한 모든 알려진 고전적 모조 모델은 상관 기반 및 베이지안 검증 방법을 통해 배제될 수 있는가?
• RQ4 프론티어 슈퍼컴퓨터에서 정확한 알고리즘을 사용해 실험의 단일 샘플을 생성하는 데 필요한 고전적 시뮬레이션 비용은 얼마인가?
• RQ5 PPNRD 검출 방식은 표준 임계값 검출 대비 GBS의 계산 복잡도를 상당히 증가시키는가?

주요 결과

• 지류장 3.0 양자 컴퓨터는 단일 샘플을 1.27 μs 내로 생성하지만, 동일한 작업을 정확한 고전적 시뮬레이션 방법으로 프론티어 슈퍼컴퓨터가 수행하는 데 약 600년이 소요된다.
• 실험에서 가장 어려운 샘플은 프론티어 슈퍼컴퓨터에서 정확한 고전적 알고리즘으로 생성하는 데 3.1×10¹⁰년이 넘게 소요되며, 이는 1.5×10¹⁶배의 양자 속도 향상을 보여준다.
• 이전에 강력한 고전적 모조 모델로 여겨졌던 트리위드 샘플러는 이차 상관 함수 분석을 통해 명백히 배제되었으며, 실험 및 이론적 기준값과의 상당한 편차를 보였다.
• 실험의 이차 상관 함수는 기준값과 두 노름 거리 D=0.040, 기울기 K=1.006를 보였으며, 열 상태 모의 시스템(D=0.275, K=2.108)과 스쿼시드 상태 모의 시스템(D=0.052, K=1.110)을 모두 능가했다.
• 베이지안 검정은 실험 샘플이 이상적인 GBS 분포와 통계적으로 구별되지 않으며, 현재 알려진 모든 고전적 모조 모델에 의해 생성된 것으로 간주되지 않음을 확인했다.
• PPNRD 검출 방식은 출력 모드 수와 시뮬레이션 비용 공식 내 G 값의 증가를 통해 시뮬레이션 복잡도를 증가시켜, 중간 수준의 광자-클릭 수라도 정확한 고전적 시뮬레이션이 불가능하게 만든다.

Figure 2: The experimental photon-click number distribution and the Bayesian validation results. (a) Photon-click number distribution of this work. Data from experiments of three pump laser power ranging from 0.72 W and 1.30 W are displayed. A maximum photon-click number of 129, 203, and 255 are reg