[논문 리뷰] QCI Qbsolv Delivers Strong Classical Performance for Quantum-Ready Formulation

Michael Booth, Jesse Berwald외 6명|arXiv (Cornell University)|2020. 05. 22.

Quantum Computing Algorithms and Architecture참고 문헌 11인용 수 9

한 줄 요약

이 논문은 실세계 벤치마크 인스턴스에서 해의 품질, 속도, 다양성 측면에서 뛰어난 성능을 보이며, 양자 준비형 이차 무제약 이진 최적화(QUBO) 문제를 위한 고전적 솔버인 QCI의 다음 세대 qbsolv를 제시한다. 이는 고전적 솔버가 아직 양자 우월성이 달성되지 않은 현재 시점에서도 양자 준비형 이점을 이미 제공할 수 있음을 보여주며, 생태계 준비성 가속화와 함께 양자 우월성 도달 이전에도 즉각적인 성능 향상을 가능하게 한다.

ABSTRACT

Many organizations that vitally depend on computation for their competitive advantage are keen to exploit the expected performance of quantum computers (QCs) as soon as quantum advantage is achieved. The best approach to deliver hardware quantum advantage for high-value problems is not yet clear. This work advocates establishing quantum-ready applications and underlying tools and formulations, so that software development can proceed now to ensure being ready for quantum advantage. This work can be done independently of which hardware approach delivers quantum advantage first. The quadratic unconstrained binary optimization (QUBO) problem is one such quantum-ready formulation. We developed the next generation of qbsolv, a tool that is widely used for sampling QUBOs on early QCs, focusing on its performance executing purely classically, and deliver it as a cloud service today. We find that it delivers highly competitive results in all of quality (low energy value), speed (time to solution), and diversity (variety of solutions). We believe these results give quantum-forward users a reason to switch to quantum-ready formulations today, reaping immediate benefits in performance and diversity of solution from the quantum-ready formulation,preparing themselves for quantum advantage, and accelerating the development of the quantum computing ecosystem.

연구 동기 및 목표

• 미래의 양자 하드웨어에 관계없이, 양자 준비형 QUBO 포맷에서 뛰어난 성능을 보이는 고전적 솔버를 개발하는 것.
• 조직이 오늘날부터 양자 준비형 도구를 도입하여 해의 품질과 다양성 측면에서 즉각적인 이점을 얻을 수 있도록 하는 것.
• 하이브리드 양자-고전적 워크플로우 및 도구를 발전시켜 양자 계산 생태계를 준비시키는 것.
• 고전적 솔버가 실세계 최적화 문제에서 초기 양자 프로세서의 성능을 따라하거나 능가할 수 있는지 보여주는 것.
• qbsolv를 산업 규모의 QUBO 문제를 위한 프로덕션 수준의 클라우드 배포 가능한 서비스로 정립하는 것.

제안 방법

• 저자들은 QUBO 문제에서의 고전적 성능을 최적화하기 위해 qbsolv를 개선하여 에너지 품질, 해를 구하는 데 소요되는 시간, 해의 다양성에 중점을 두었다.
• 해 공간을 효율적으로 탐색하기 위해 하이브리드 국소 탐색 및 양자 영감을 받은 샘플링 접근법을 사용했다.
• 성능 평가는 다양한 문제 도메인과 밀도를 가진 45개의 표준 MQlib 벤치마크 인스턴스를 대상으로 수행되었다.
• 에너지 값, 1200초 이내의 해를 구하는 데 소요되는 시간, 해의 다양성 평가를 위해 해밍 거리로 성능을 측정했다.
• 시스템은 클라우드 서비스로 구현되어 공용 클라우드 인프라를 통해 확장 가능한 액세스를 가능하게 했다.
• 성능 향상을 위해 진행 상황 부족 탐지 및 국소 최소값 회피를 위한 고급 휠러스틱스를 포함하고 있다.

실험 결과

연구 질문

• RQ1 양자 우월성 도달 이전에, 고전적 솔버가 양자 준비형 QUBO 문제에서 경쟁력 있는 성능을 낼 수 있는가?
• RQ2 고전적 솔버가 양자 앤날링에서 관찰된 해의 다양성을 어느 정도 모방할 수 있는가?
• RQ3 실세계 벤치마크에서 qbsolv는 다른 솔버들과 비교해 해의 품질, 속도, 다양성 측면에서 어떻게 성능을 내는가?
• RQ4 고전적 QUBO 솔버가 양자 준비형 애플리케이션 개발을 가속화하는 데 어떤 역할을 할 수 있는가?
• RQ5 고전적 솔버가 미래의 양자 하드웨어를 대비해 산업 최적화를 위한 프로덕션 수준 도구로 기능할 수 있는가?

주요 결과

• QCI qbsolv는 테스트한 45개의 MQlib 벤치마크 인스턴스 전부에서 최고의 해 품질을 달성했으며, 최고의 알려진 결과와 10^-6 이내의 상대 오차를 보였다.
• 단일 인스턴스에 대해 최대 150개의 고유한 고품질 해를 찾았고, 해밍 거리는 350을 초과하여 강력한 다양성을 보였다.
• 모든 인스턴스에서 1200초 제한 시간의 25% 이내로 완료되어 해를 빠르게 도출하는 데 성공했다.
• 특히 밀도가 높고 복잡한 인스턴스인 g000495와 g001345에서 다른 고전적 및 하이브리드 솔버보다 해의 다양성에서 뛰어난 성능을 보였다.
• 결과적으로 고전적 솔버가 아직 양자 하드웨어에 의존하지 않더라도, 성능과 해의 다양성 측면에서 이미 양자 준비형 이점을 제공할 수 있음을 입증했다.
• 9개의 인스턴스에서 단일 휠러스틱스로 최고의 알려진 해를 도출하지 못했으며, 이는 벤치마크 선택 및 솔버 튜닝 향상 여지가 있음을 시사한다.