[논문 리뷰] Noise-Adaptive Compiler Mappings for Noisy Intermediate-Scale Quantum Computers

Prakash Murali, Jonathan M. Baker외 3명|arXiv (Cornell University)|2019. 01. 30.

Quantum Computing Algorithms and Architecture참고 문헌 55인용 수 20

한 줄 요약

이 논문은 NISQ 하드웨어에서 실시간 캘리브레이션 데이터를 활용하여 노이즈에 적응하는 양자 컴파일러 매핑 기법을 제안한다. 이는 큐비트 배치와 라우팅을 최적화하여 프로그램 성공률과 실행 효율을 크게 향상시킨다. LLVM 기반 백엔드에 동적 오차율, 코herence 시간, 게이트 시간을 통합함으로써, 16 큐비트 IBM 시스템에서 IBM Qiskit 컴파일러 대비 최대 18배 높은 성공률과 6배 빠른 실행 속도를 달성한다.

ABSTRACT

A massive gap exists between current quantum computing (QC) prototypes, and the size and scale required for many proposed QC algorithms. Current QC implementations are prone to noise and variability which affect their reliability, and yet with less than 80 quantum bits (qubits) total, they are too resource-constrained to implement error correction. The term Noisy Intermediate-Scale Quantum (NISQ) refers to these current and near-term systems of 1000 qubits or less. Given NISQ's severe resource constraints, low reliability, and high variability in physical characteristics such as coherence time or error rates, it is of pressing importance to map computations onto them in ways that use resources efficiently and maximize the likelihood of successful runs. This paper proposes and evaluates backend compiler approaches to map and optimize high-level QC programs to execute with high reliability on NISQ systems with diverse hardware characteristics. Our techniques all start from an LLVM intermediate representation of the quantum program (such as would be generated from high-level QC languages like Scaffold) and generate QC executables runnable on the IBM Q public QC machine. We then use this framework to implement and evaluate several optimal and heuristic mapping methods. These methods vary in how they account for the availability of dynamic machine calibration data, the relative importance of various noise parameters, the different possible routing strategies, and the relative importance of compile-time scalability versus runtime success. Using real-system measurements, we show that fine grained spatial and temporal variations in hardware parameters can be exploited to obtain an average $2.9$x (and up to $18$x) improvement in program success rate over the industry standard IBM Qiskit compiler.

연구 동기 및 목표

• 제한된 큐비트 수를 가진 오차가 많은 중간 규모 양자(NISQ) 시스템에서 낮은 신뢰성과 높은 변동성을 해결하기 위한 것이다.
• 동적 하드웨어 특성에 맞춰 컴파일을 적응시킴으로써 실제 NISQ 하드웨어에서 양자 프로그램의 성공률과 실행 효율을 향상시키기 위한 것이다.
• 캘리브레이션 인식 기반 큐비트 매핑, 라우팅 전략, 최적화 목표가 실제 시스템 성능에 미치는 영향을 평가하기 위한 것이다.
• 근시일 내에 사용 가능한 양자 시스템을 고려해 컴iles 시간 비용과 런타임 신뢰성 간의 균형을 맞추는 확장 가능한 컴파일 기법(최적 및 휴리스틱)을 개발하기 위한 것이다.

제안 방법

• 프레임워크는 고수준 양자 프로그램(예: Scaffold)을 LLVM IR로 컴파일한 후, 이를 IBMQ16 양자 프로세서에서 실행 가능한 OpenQASM로 변환한다.
• 실시간 일일 캘리브레이션 데이터(예: CNOT 오차율, 독출 오차, 게이트 시간, 코herence 시간(T2))를 사용하여 큐비트 배치 및 라우팅 결정을 안내한다.
• SMT 기반 최적화 엔진이 오차율과 게이트 시간을 가중치로 포함한 복합 목표 함수를 최소화함으로써 근사 최적 매핑을 계산한다.
• 더 큰 회로에 대해 확장 가능한 성능을 유지하면서도 높은 신뢰성을 확보하기 위해, 휴리스틱 방법인 GreedyV★ 및 GreedyE★를 도입한다.
• 컴파일된 회로를 실제 IBMQ16 하드웨어에서 실행하여 성공률과 실행 시간을 측정함으로써 매핑의 성능을 평가한다.
• 동일한 벤치마크와 실제 시스템 측정을 사용하여 산업 표준 IBM Qiskit 컴파일러와 결과를 비교한다.

실험 결과

연구 질문

• RQ1 실시간 기계 캘리브레이션 데이터를 사용할 경우, NISQ 하드웨어에서 양자 프로그램의 성공률에 어떤 영향을 미치는가?
• RQ2 CNOT 오차율, 독출 오차, 코herence 시간 등의 다양한 노이즈 매개변수 중에서 프로그램 신뢰성에 가장 중요한 요소는 무엇인가?
• RQ3 SMT 기반 최적화가 휴리스틱 또는 기준 컴파일러에 비해 유의미하게 높은 성공률을 달성할 수 있는가? 이는 컴iles 시간 비용 증가를 수반하는가?
• RQ4 다양한 라우팅 정책과 큐비트 이동 전략은 컴파일된 양자 회로의 신뢰성과 성능에 어떤 영향을 미치는가?
• RQ5 휴리스틱 컴파일 기법은 더 큰 회로에 대해 확장 가능하면서도 최적 기법의 성능을 어느 정도 재현할 수 있는가?

주요 결과

• 제안된 노이즈에 적응하는 컴파일러는 실제 하드웨어 측정을 통해 IBM Qiskit 컴파일러 대비 평균 2.9배 높은 성공률(최대 18배)을 달성한다.
• Qiskit 대비 평균 실행 시간을 2.7배 단축시켜 런타임 효율성을 향상시켰다(최대 6배).
• CNOT 및 독출 오차율이 신뢰성에 가장 중요한 노이즈 매개변수이며, 이어 게이트 시간과 코herence 시간이 중요하다.
• SMT 기반 최적화는 근사 최적 결과를 도출하지만 계산 비용이 높으며, GreedyV★ 및 GreedyE★는 훨씬 빠른 컴파일 시간 동안 거의 동일한 성능을 제공한다.
• 적절한 초기 큐비트 배치로 SWAP 연산의 필요성을 줄일 수 있으며, 이는 특히 격자형 토폴로지 시스템에서 주요 오차 원인이다.
• 실제 시스템 평가 결과, 시뮬레이션 또는 스케일링된 오차 지표는 실제 성공률과 약한 상관관계를 보이며, 실제 하드웨어 테스트의 가치를 입증한다.