[논문 리뷰] Quantum-centric Supercomputing for Materials Science: A Perspective on Challenges and Future Directions

Yuri Alexeev, Maximilian Amsler외 125명|arXiv (Cornell University)|2023. 12. 14.

Machine Learning in Materials Science참고 문헌 467인용 수 4

한 줄 요약

이 논문은 재료 과학 시뮬레이션의 가속화를 위해 양자 컴퓨팅, 고성능 컴퓨팅(HPC), 기계 학습을 통합한 양자 중심 슈퍼컴퓨팅 프레임워크를 제안한다. 노이즈가 많은 중규모 양자(NISQ) 장치와 고장 내성 아키텍처의 스케일링 과제를 다루며, 하이브리드 양자-클래식 워크로드와 연속 변수 최적화에 중점을 두고 있으며, 주요 기여는 양자-클래식 HPC 통합을 통한 재료 설계에서의 양자 우월성 달성에 대한 로드맵이다.

ABSTRACT

Computational models are an essential tool for the design, characterization, and discovery of novel materials. Hard computational tasks in materials science stretch the limits of existing high-performance supercomputing centers, consuming much of their simulation, analysis, and data resources. Quantum computing, on the other hand, is an emerging technology with the potential to accelerate many of the computational tasks needed for materials science. In order to do that, the quantum technology must interact with conventional high-performance computing in several ways: approximate results validation, identification of hard problems, and synergies in quantum-centric supercomputing. In this paper, we provide a perspective on how quantum-centric supercomputing can help address critical computational problems in materials science, the challenges to face in order to solve representative use cases, and new suggested directions.

연구 동기 및 목표

• 양자 중심 슈퍼컴퓨팅 아키텍처를 활용해 재료 과학에서의 양자 우월성을 달성하는 데 있어 도전 과제를 규명하고 정의하기.
• 효율적인 재료 시뮬레이션을 위해 양자 컴퓨팅과 클래식 HPC, 기계 학습의 통합을 분석하기.
• 양자 재료를 시뮬레이션할 때 기존 NISQ 장치의 큐비트 수와 노이즈 제한 사항을 해결하기.
• 양자 알고리즘을 활용해 이산 및 연속 변수를 동시에 최적화하는 메타재료 설계 프레임워크를 제안하기.
• 양자 우월성이 실현 가능한 데 있어 고성능 응용 분야를 식별하기 위한 기준 설정하기.

제안 방법

• 논문은 기본 양자 알고리즘, 하이브리드 양자-클래식 아키텍처 설계, 그리고 검증을 위한 양자 시스템의 클래식 시뮬레이션을 포함하는 다수 수준의 분석을 수행한다.
• 특히 다체 양자 시스템을 시뮬레이션할 때 발생하는 계산 병목 현상을 중심으로 양자 알고리즘과 관련된 클래식 워크로드를 평가한다.
• 저자들은 메타재료의 이산 및 연속 설계 변수를 동시에 최적화할 수 있는 하이브리드 양자-클래식 알고리즘을 제안한다.
• 근사적 검증과 계산적으로 어려운 케이스 식별을 위해 클래식 HPC를 활용해 양자 시스템을 시뮬레이션한다.
• 프레임워크는 기계 학습을 통합해 최적의 메타재료 구조 탐색을 가속화한다.
• 양자 및 클래식 워크로드의 공동 설계를 강조하여, 양자 중심 슈퍼컴퓨팅 센터의 성능을 극대화한다.

실험 결과

연구 질문

• RQ1 어떻게 양자 컴퓨팅을 클래식 HPC와 효과적으로 통합하여 재료 과학에서의 양자 우월성을 달성할 수 있는가?
• RQ2 NISQ 및 고장 내성 장치에서 재료의 양자 시뮬레이션을 스케일링할 때의 주요 아키텍처적 및 알고리즘적 과제는 무엇인가?
• RQ3 기본 양자 알고리즘이 이진 결과를 반환하므로, 연속 변수 최적화에 양자 알고리즘을 어떻게 적응시킬 수 있는가?
• RQ4 양자 중심 슈퍼컴퓨팅에서 양자 우월성을 입증하기에 가장 유망한 재료 과학 응용 분야는 무엇인가?
• RQ5 양자 컴퓨팅을 위한 높은 영향력 있는 응용 분야를 식별하고 우선순위를 정하기 위해 어떤 기준을 사용할 수 있는가?

주요 결과

• 양자 컴퓨팅, HPC, 기계 학습의 통합은 특히 복잡한 메타재료의 재료 발견을 가속화하는 실현 가능한 길을 제시한다.
• 현재 NISQ 장치는 큐비트 수와 노이즈로 인해 제한되어 있어, 하이브리드 양자-클래식 워크로드와 클래식 시뮬레이션을 통한 검증이 필수적이다.
• 이산 및 연속 설계 변수를 동시에 최적화할 수 있는 새로운 양자 알고리즘이 제안되어, 기존 양자 알고리즘의 핵심 한계를 극복한다.
• 계산적으로 어려운 케이스 식별과 양자 알고리즘 성능 검증을 위해 양자 시스템의 클래식 시뮬레이션이 필수적이다.
• 양자 및 클래식 워크로드를 공동 설계하는 양자 중심 슈퍼컴퓨팅 센터는 재료 과학에서의 확장 가능하고 실용적인 양자 우월성을 달성하는 데 핵심적이다.
• 논문은 양자 우월성이 가장 잘 나타날 가능성이 있는 높은 영향력 있는 재료 과학 응용 분야를 선별하기 위한 프레임워크를 수립한다.