[논문 리뷰] Neuromorphic computing with a single qudit

William D. Kalfus, Guilhem Ribeill외 4명|arXiv (Cornell University)|2021. 01. 27.

Neural Networks and Reservoir Computing참고 문헌 24인용 수 9

한 줄 요약

이 논문은 단일 큐디트(d-level 양자 시스템)가 뉴로모르픽 컴퓨팅을 위한 매우 효과적인 양자 리저보아로 기능할 수 있음을 보여주며, 신호 처리 및 단기 기억 작업에서 고전적 리저보아를 능가한다. 주요 결과는 힐버트 공간 크기(d)에 따라 증가하는 강건한 차원 의존 성능 우위로, 양자 리저보아 컴퓨팅(QRC)이 고전적 모델에 비해 기하급수적으로 증가하는 상태 공간을 활용해 더 뛰어난 계산 능력을 발휘한다는 것을 보여준다.

ABSTRACT

Accelerating computational tasks with quantum resources is a widely-pursued goal that is presently limited by the challenges associated with high-fidelity control of many-body quantum systems. The paradigm of reservoir computing presents an attractive alternative, especially in the noisy intermediate-scale quantum era, since control over the internal system state and knowledge of its dynamics are not required. Instead, complex, unsupervised internal trajectories through a large state space are leveraged as a computational resource. Quantum systems offer a unique venue for reservoir computing, given the presence of interactions unavailable in analogous classical systems, and the potential for a computational space that grows exponentially with physical system size. Here, we consider a reservoir comprised of a single qudit ($d$-dimensional quantum system). We demonstrate a robust performance advantage compared to an analogous classical system accompanied by a clear improvement with Hilbert space dimension for two benchmark tasks: signal processing and short-term memory capacity. Qudit reservoirs are directly realized by current-era quantum hardware, offering immediate practical implementation, and a promising outlook for increased performance in larger systems.

연구 동기 및 목표

• 단일 큐디트 리저보아가 뉴로모르픽 컴퓨팅 과제에서 고전적 리저보아를 능가하는지 조사하는 것.
• 양자 리저보아 컴퓨팅(QRC)의 계산 성능이 힐버트 공간 차원(d)과 어떻게 상관관계를 가지는지 규명하는 것.
• 단일 물리 시스템을 사용하여 양자 역학적 동역학의 영향을 분리하고, 네트워크 구조의 복잡성 등 혼동 요인을 피하는 것.
• 초전도 큐비트나 포획 이온과 같은 현재 시대의 양자 하드웨어를 활용해 QRC의 실현 가능성을 입증하는 것.
• 양자 리저보아가 고전적 대안보다 성능 우위를 보이는 조건을 명확히 하는 것.

제안 방법

• 비선형 해밀토니안을 갖는 단일 큐디트 리저보아를 모델링하며, 덱링 유사 상호작용을 통해 복잡한 비선형 동역학을 생성한다.
• 입력 신호는 시간에 따라 변하는 해밀토니안 항을 통해 인코딩되며, 리저보아의 상태는 내부 동역학과 입력의 영향을 동시에 받는 유니터리하게 진화한다.
• 리저보아의 출력은 고정된 기저 연산자의 기대값으로 정수 간격의 시간에 따라 샘플링되어 시간 시리즈 벡터를 형성한다.
• 리저보아 출력을 원하는 과제의 출력으로 매핑하기 위해 선형 독해층(리지 회귀)을 사용하며, 표준 지도 학습 방식으로 훈련된다.
• 성능 평가에는 표준 과제 두 가지를 사용한다: 신호 처리(상관계수 r²로 측정) 및 단기 기억 용량(STMC).
• 모델링 시뮬레이션을 통해 QRC(d ≥ 2)를 고전적 리저보아 모델(덱링 진동자 기반)과 비교하며, 모든 매개변수를 동일하게 설정해 공정한 비교를 수행한다.

실험 결과

연구 질문

• RQ1 단일 큐디트 리저보아가 뉴로모르픽 컴퓨팅 과제에서 고전적 리저보아보다 성능 우위를 보이는가?
• RQ2 양자 리저보아 컴퓨팅의 성능이 힐버트 공간 차원(d)이 증가함에 따라 어떻게 변화하는가?
• RQ3 QRC에서 단기 기억 용량을 최대화하기 위한 최적의 보존 시간(Δt)은 무엇이며, 고전적 리저보아와의 차이는 무엇인가?
• RQ4 양자 리저보아는 고전적 리저보아보다 더 높은 기억 용량을 달성할 수 있으며, 이 우위는 d에 따라 달라지는가?
• RQ5 QRC에서 큐디트의 전체 힐버트 공간이 계산 공간으로 얼마나 접근 가능한가? 그 이용을 제한하는 요소는 무엇인가?

주요 결과

• d ≥ 3인 QRC는 고전적 리저보아 컴퓨팅(CRC)보다 명확한 성능 우위를 보이며, 최적의 보존 시간(Δt = 0.5/κ, QRC 대비 Δt = 5/κ, CRC)에서 뚜렷한 운영 차이가 나타난다.
• QRC의 단기 기억 용량(STMC)은 힐버트 공간 차원 d에 따라 단조롭게 증가하며, d = 4를 초과하면趋于 포화 상태에 도달하고, CRC가 달성할 수 있는 최대 STMC를 크게 상회한다.
• 신호 처리 과제에서, d ≥ 3인 QRC에서는 상관계수 r²의 감쇠가 더 느리게 나타나, 더 오래 지속되는 기억과 더 높은 신호 정밀도를 의미한다.
• QRC와 CRC 간 성능 격차는 d ≥ 3에서 가장 두드러지며, 이는 진정으로 양자 리저보아(큐비트 수준의 모델이 아닌)에서만 기초적인 계산 우위가 나타남을 시사한다.
• 결과는 전체 힐버트 공간이 계산 공간으로 완전히 접근 가능한 것은 아니며, 내부 동역학의 복잡성과 단일 변수 출력 방식이 성능을 제한함을 시사한다.
• 이 연구는 단일 큐디트를 사용한 QRC가 초전도 회로 및 포획 이온과 같은 현재의 양자 하드웨어 플랫폼에서 직접 실현 가능하다는 것을 확인한다.