[논문 리뷰] MDE4QAI: Towards Model-Driven Engineering for Quantum Artificial Intelligence

Armin Moin, Moharram Challenger외 2명|arXiv (Cornell University)|2021. 07. 14.

Scientific Computing and Data Management인용 수 2

한 줄 요약

이 논문은 IoT 및 사이버-물리 시스템(CPS)에서 양자 기계 학습(QML)과 양자 다중 에이전트 시스템(QMAS)을 포함한 양자 인공지능(QAI) 응용 프로그램의 설계 및 구현을 간소화하기 위한 모델 기반 공학 프레임워크인 MDE4QAI를 제안한다. ML-Quadrat과 같은 도메인 특화 모델링 언어를 확장함으로써 MDE4QAI는 고전적, 양자적, 하이브리드 아키텍처를 통해 자동 코드 생성, 모델 검사, 검증, 모델 간 변환을 가능하게 하여 저수준의 양자 프로그래밍 복잡성을 추상화한다.

ABSTRACT

Over the past decade, Artificial Intelligence (AI) has provided enormous new possibilities and opportunities, but also new demands and requirements for software systems. In particular, Machine Learning (ML) has proven useful in almost every vertical application domain. In the decade ahead, an unprecedented paradigm shift from classical computing towards Quantum Computing (QC), with perhaps a quantum-classical hybrid model, is expected. We argue that the Model-Driven Engineering (MDE) paradigm can be an enabler and a facilitator, when it comes to the quantum and the quantum-classical hybrid applications. This includes not only automated code generation, but also automated model checking and verification, as well as model analysis in the early design phases, and model-to-model transformations both at the design-time and at the runtime. In this paper, the vision is focused on MDE for Quantum AI, particularly Quantum ML for the Internet of Things (IoT) and smart Cyber-Physical Systems (CPS) applications.

연구 동기 및 목표

• IoT 및 사이버-물리 시스템(CPS)에서 증가하는 복잡성과 이질성을 가진 하이브리드 양자-고전 시스템을 해결하기 위해.
• 고수준 모델링을 통해 저수준의 양자 프로그래밍을 추상화하여 AI 및 소프트웨어 전문가들의 접근 장벽을 낮추기 위해.
• 기존의 도메인 특화 모델링(DSM) 및 모델 기반 소프트웨어 공학(MDSE) 기법을 확장하여 양자 AI 워크로드를 지원하기 위해.
• 실행 이전에 설계 단계에서 형식적 검증, 시뮬레이션, 분석을 가능하게 하기 위해.
• 다양한 양자 계산 모델(예: 회로 대비 앤날링) 및 하드웨어 플랫폼(예: 초전도체 대비 포획 이온) 간의 모델 간 변환을 지원하기 위해.

제안 방법

• QML 및 QMAS를 포함한 양자 AI 추상화를 지원하도록 ML-Quadrat 도메인 특화 모델링 언어(DSML)를 확장하기 위해.
• 양자 계산 의미 체계 및 플랫폼 특화 제약 조건을 형식적으로 캡처하기 위한 메타모델 레이어 정의하기 위해.
• 고수준 모델에서 실행 가능한 하이브리드 양자-고전 코드를 자동으로 생성하기 위한 모델-코드 변환 구현하기 위해.
• 다른 양자 계산 모델(예: 양자 회로에서 양자 앤날링으로의 변환) 간에 모델을 변환하기 위한 모델 간 변환 설계하기 위해.
• 다양한 하드웨어에서 동적 배포를 처리하기 위해 런타임 모델 적응 기법(Models@Runtime)을 통한 런타임 모델 적응 지원하기 위해.
• 설계 단계에서 오류를 조기에 탐지하기 위해 모델 수준에서 형식적 분석 및 검증 기법 통합하기 위해.

실험 결과

연구 질문

• RQ1 모델 기반 공학(MDE)은 이질적이고 하이브리드적인 양자-고전 시스템에서 양자 AI 응용 프로그램 설계를 어떻게 지원할 수 있는가?
• RQ2 효과적으로 양자 기계 학습과 양자 다중 에이전트 시스템을 표현하기 위해 도메인 특화 모델링 언어에 필요한 추상화는 무엇인가?
• RQ3 모델 간 변환은 서로 다른 양자 계산 모델(예: 회로 모델 대비 앤날링) 간의 상호 운용성을 어떻게 가능하게 하는가?
• RQ4 실제 양자 하드웨어 접근성이 제한되고 비용이 높은 상황에서, 설계 수준에서의 모델 검사 및 형식적 검증은 양자 AI 시스템의 신뢰성을 어떻게 향상시킬 수 있는가?
• RQ5 기존의 MDSE 도구는 하이브리드 양자-고전 응용 프로그램의 동적 배포 및 런타임 적응을 어떻게 확장할 수 있는가?

주요 결과

• 제안된 MDE4QAI 프레임워크는 저수준의 양자 프로그래밍 인터페이스에서의 추상화를 가능하게 하여, 전문가들이 하드웨어 특정 세부 정보에 얽매이지 않고 비즈니스 로직에 집중할 수 있도록 한다.
• 모델-코드 변환은 하이브리드 양자-고전 응용 프로그램에 대해 실행 가능한 코드를 자동으로 생성할 수 있으며, 개발 시간을 단축하고 오류율을 낮춘다.
• 모델 간 변환은 양자 회로에서 양자 앤날링으로의 설계 매핑을 가능하게 하여 다양한 플랫폼 간 이식성을 확보한다.
• 설계 단계에서의 형식적 모델 분석 및 검증은 구현 이전에 논리적 및 아키텍처적 결함을 탐지할 수 있으며, 이는 실제 양자 하드웨어의 고비용과 제한된 가용성 고려 시 매우 중요하다.
• 메타모델 레이어에 양자 전용 의미 체계를 통합함으로써 큐비트 연결성, 게이트 정밀도, 코herence 시간과 같은 제약 조건를 정확하게 모델링할 수 있다.
• ML-Quadrat과 같은 기존 MDSE 도구를 양자 AI를 지원하도록 확장함으로써 현재의 IoT 및 CPS 시스템이 양자 강화 기능으로의 원활한 진화를 이룰 수 있다.