[논문 리뷰] Neutral Atom Quantum Computing Hardware: Performance and End-User Perspective

Karen Wintersperger, Florian Dommert외 8명|arXiv (Cornell University)|2023. 04. 27.

Quantum Computing Algorithms and Architecture참고 문헌 106인용 수 4

한 줄 요약

이 논문은 중성 원자 양자 컴퓨팅 하드웨어에 대한 산업용 최종 사용자 관점에서 제시하며, 장수명 공명 시간, 2D/3D 확장성, 라이드버그 매개 연결성을 특징으로 하는 물리적 큐비트 아키텍처가 알고리즘 성능에 미치는 영향을 분석한다. 게이트 편밀리티, 연결성, 상태 준비 시간과 같은 핵심 성능 요소를 규명하고, NISQ 시대의 응용 분야인 양자 기계학습 및 최적화에서 플랫폼의 강점을 활용하기 위해 하드웨어 인지 알고리즘 설계가 필수적이라고 결론내린다.

ABSTRACT

We present an industrial end-user perspective on the current state of quantum computing hardware for one specific technological approach, the neutral atom platform. Our aim is to assist developers in understanding the impact of the specific properties of these devices on the effectiveness of algorithm execution. Based on discussions with different vendors and recent literature, we discuss the performance data of the neutral atom platform. Specifically, we focus on the physical qubit architecture, which affects state preparation, qubit-to-qubit connectivity, gate fidelities, native gate instruction set, and individual qubit stability. These factors determine both the quantum-part execution time and the end-to-end wall clock time relevant for end-users, but also the ability to perform fault-tolerant quantum computation in the future. We end with an overview of which applications have been shown to be well suited for the peculiar properties of neutral atom-based quantum computers.

연구 동기 및 목표

• 중성 원자 양자 컴퓨팅 하드웨어의 현재 성능을 산업용 최종 사용자 관점에서 평가하기 위해.
• 큐비트 연결성, 게이트 편밀리티, 공명 등 저수준 하드웨어 특성이 알고리즘 실행 및 월클록 시간에 어떻게 영향을 미치는지 규명하기 위해.
• NISQ 시대의 특정 양자 알고리즘에 대해 중성 원자 플랫폼의 적합성을 평가하기 위해.
• 소프트웨어 스택 지원의 과제와 하드웨어 인지 알고리즘 개발의 필요성을 부각하기 위해.
• 실제 하드웨어 제약 조건을 바탕으로 개발자들이 중성 원자 시스템에 최적화된 양자 알고리즘을 개발하는 데 도움을 주기 위해.

제안 방법

• AtomComputing, ColdQuanta, Pasqal, Planqc, QuEra와 같은 세계적 선도 중성 원자 양자 컴퓨팅 제공업체 다섯 곳과의 대화를 기반으로 한 공급업체 간 중립적 분석을 수행하였다.
• 최근 문헌과 하드웨어 사양에서 물리적 큐비트 아키텍처, 연결성, 게이트 작동 특성에 중점을 두고 성능 데이터를 통합하였다.
• 게이트 편밀리티, 큐비트 공명 시간, 상태 준비 및 측정(SPAM) 시간, 네이티브 게이트 명령 세트 등 핵심 성능 지표를 평가하였다.
• 하드웨어 특성과 알고리즘 성능를 매핑하여 아키텍처가 양자 회로 실행 시간과 종단 간 월클록 시간에 어떻게 영향을 미치는지 강조하였다.
• PennyLane 및 TensorFlow Quantum와 같은 주요 양자 기계학습 프레임워크에서의 소프트웨어 지원 상태를 평가하였으며, 네이티브 백엔드 통합 부족을 식별하였다.
• 변동형 양자 알고리즘과 물리 기반 기계학습과 같은 분야에서 중성 원자 플랫폼이 조정 가능한 큐비트 배열과 장거리 상호작용 덕분에 특별한 잠재력을 보임을 규명하였다.

실험 결과

연구 질문

• RQ1 큐비트 연결성과 게이트 편밀리티와 같은 중성 원자 양자 하드웨어의 물리적 특성이 양자 알고리즘의 실행 시간과 신뢰성에 어떻게 영향을 미치는가?
• RQ2 현재 NISQ 장치에서 알고리즘 성능을 제약하는 주요 하드웨어 한계(예: 긴 준비 시간, 낮은 게이트 속도)는 무엇인가?
• RQ3 중성 원자 플랫폼에 가장 적합한 양자 알고리즘은 무엇이며, 그 이유는 무엇인가? 이는 고유한 아키텍처와 연결성 덕분이다.
• RQ4 양자 기계학습 프레임워크에서의 현재 소프트웨어 지원 수준이 다른 양자 하드웨어 플랫폼과 비교해 어떻게 다른가?
• RQ5 하드웨어 인지 알고리즘 설계는 실용적 응용에서 중성 원자 양자 컴퓨터의 성능 저하 요인을 어느 정도 완화시킬 수 있는가?

주요 결과

• 중성 원자 플랫폼은 장수명 공명 시간과 확장 가능한 2D/3D 큐비트 어레이를 제공하며, 라이드버그 매개 장거리 상호작용을 통해 고밀도 연결성을 실현한다.
• 두 큐비트 게이트 편밀리티는 향상되고 있지만 여전히 제한 요소로 남아 있으며, 플랫폼에 따라 95–99%의 범위 내에서 운영 중이다.
• 상태 준비 및 측정(SPAM) 시간이 비교적 길며, 월클록 시간에 크게 기여하고 알고리즘 처리량을 제한한다.
• 네이티브 게이트 세트는 조절 가능한 상호작용 범위를 가진 단일 및 이중 큐비트 게이트를 포함하며, 회로 설계의 유연성을 제공하지만 정교한 최적화가 필요하다.
• PennyLane 및 TensorFlow Quantum와 같은 주요 양자 소프트웨어 프레임워크에서 중성 원자 백엔드 지원은 제한적이거나 아직 공개되지 않았다.
• 양자 근사 최적화 알고리즘(QAOA)과 물리 기반 기계학습(PIML)은 조정 가능한 큐비트 배열과 장거리 연결성 덕분에 플랫폼에 매우 적합하다.