[논문 리뷰] Memory-Efficient Quantum Circuit Simulation by Using Lossy Data Compression

Xin-Chuan Wu, Sheng Di외 4명|arXiv (Cornell University)|2018. 11. 14.

Quantum Computing Algorithms and Architecture참고 문헌 14인용 수 7

한 줄 요약

이 논문은 대규모 양자 회로를 시뮬레이션할 때 발생하는 지수적 메모리 증가 문제를 해결하기 위해 손실 압축을 활용하는 메모리 효율적인 양자 회로 시뮬레이션 프레임워크를 제안한다. 오차 한계와 정규화를 적용한 상태 벡터 조각에 SZ 손실 압축기를 적용함으로써 그로버의 검색 알고리즘에 대해 최대 445,144배의 압축을 달성하였으며, 0.8페타바이트의 메모리로 63 큐비트 시스템을 시뮬레이션할 수 있게 되어 이전의 49 큐비트 한계를 초월하게 되었다.

ABSTRACT

In order to evaluate, validate, and refine the design of new quantum algorithms or quantum computers, researchers and developers need methods to assess their correctness and fidelity. This requires the capabilities of quantum circuit simulations. However, the number of quantum state amplitudes increases exponentially with the number of qubits, leading to the exponential growth of the memory requirement for the simulations. In this work, we present our memory-efficient quantum circuit simulation by using lossy data compression. Our empirical data shows that we reduce the memory requirement to 16.5% and 2.24E-06 of the original requirement for QFT and Grover's search, respectively. This finding further suggests that we can simulate deep quantum circuits up to 63 qubits with 0.8 petabytes memory.

연구 동기 및 목표

• 전체 진폭 벡터 양자 회로 시뮬레이션에서 발생하는 지수적 메모리 증가 문제를 해결하여 약 49 큐비트 이하로 제한되는 시뮬레이션 한계를 극복하기 위해.
• 계산 시간을 메모리 공간으로 교환하여 더 깊고 더 큰 양자 회로를 시뮬레이션할 수 있도록 하기 위해.
• 통제 가능한 오차 한계를 가진 손실 압축을 사용하여 시뮬레이션 정밀도를 유지할 수 있는지 평가하기 위해.
• 기존의 고성능 계산(HPC) 시스템의 메모리 용량 한계를 초월한 양자 회로 시뮬레이션의 확장성을 높이기 위해.
• QFT와 그로버의 검색과 같은 대표적인 양자 알고리즘에 대해 이론적 타당성을 검증하고, 정밀도, 압축 비율, 성능 오버헤드를 평가하기 위해.

제안 방법

• 양자 상태 벡터를 조각들로 분할하고, 사용자가 정의한 오차 한계(각 진폭당 1%)로 SZ 손실 압축기를 사용해 각 조각을 압축한다.
• 시뮬레이션 중 각 조각은 복원되고, 유니타리성을 유지하기 위해 정규화된 후 양자 게이트 연산을 처리한 후 재압축된다.
• 손실 압축으로 인한 오차 전파를 완화하기 위해 복원 후 정규화를 적용한다.
• MPI를 사용해 병렬 처리를 수행하는 분산 HPC 양자 시뮬레이터인 Intel-QS와 통합된 프레임워크이다.
• 압축 비율과 정밀도를 동적으로 모니터링하여 메모리 제약 조건 하에서도 수용 가능한 시뮬레이션 정확도를 확보한다.
• 정밀도와 압축 비율 사이의 트레이드오프를 허용하여, 동일한 진폭 값을 가진 알고리즘에 대해 더 높은 압축을 가능하게 한다.

실험 결과

연구 질문

• RQ1 손실 압축을 통해 전체 진폭 벡터 양자 회로 시뮬레이션에서 메모리 요구량을 크게 줄일 수 있을까? 이때 시뮬레이션 정밀도는 손상되지 않을까?
• RQ2 QFT와 그로버의 검색과 같은 표준 양자 알고리즘에 대해 통제 가능한 오차 한계 하에서 달성 가능한 압축 비율과 성능 오버헤드는 무엇일까?
• RQ3 회로 깊이와 큐비트 수에 따라 압축 비율은 어떻게 변화하며, 고정된 메모리 예산 하에서 추가로 시뮬레이션할 수 있는 큐비트 수의 최대치는 얼마일까?
• RQ4 손실 압축으로 인한 오차는 실제 양자 시스템의 물리적 노이즈와 유사하게 제한되고 상관관계를 가지는가?
• RQ5 기존의 HPC 시스템에서 현재의 49 큐비트 한계를 초월해 이 방법이 얼마나 더 높은 수준의 시뮬레이션 능력을 제공할 수 있을까?

주요 결과

• 30 큐비트 양자 푸리에 변환(QFT)에 대해 최소 6배의 압축 비율과 98%의 정밀도를 달성하여 동일한 메모리 용량으로 2 큐비트 더 추가로 시뮬레이션할 수 있었다.
• 30 큐비트 그로버의 검색 알고리즘에 대해 놀라운 445,144배의 압축 비율과 99.75%의 정밀도를 달성하여 0.8페타바이트 메모리로 최대 63 큐비트 시스템을 시뮬레이션할 수 있었다.
• QFT30과 그로버의 검색에 대해 각각 19배의 성능 오버헤드를 기록하여, 상당한 메모리 절감 효과를 고려할 때 계산 비용은 관리 가능한 수준임을 시사한다.
• 진폭 값이 상호 상관관계가 있거나 균일한 알고리즘, 예를 들어 그로버의 검색과 같이 손실 압축에 유리한 데이터 특성을 가진 경우 압축 비율이 크게 증가한다.
• 0.8페타바이트의 메모리로 63 큐비트 시스템을 시뮬레이션할 수 있음을 입증하여 이전의 49 큐비트 한계를 14 큐비트 초월하는 결과를 보였다.
• 더 큰 시뮬레이션에서는 고정된 압축/해제압축 비용이 더 큰 데이터 세트에 걸쳐 분할되어 상대적인 성능 오버헤드가 낮아질 가능성이 있음을 시사한다.