[논문 리뷰] Quantum Computational Supremacy via High-Dimensional Gaussian Boson Sampling

Abhinav Deshpande, Arthur Mehta외 11명|arXiv (Cornell University)|2021. 02. 24.

Neural Networks and Reservoir Computing참고 문헌 1인용 수 7

한 줄 요약

이 논문은 고차원 정규 분포 보존 샘플링을 고려하여 양자 계산 우월성을 입증하기 위한 확장 가능하고 프로그래밍 가능한 광학 플랫폼을 제안한다. 고전적 난이도에 대한 강력한 이론적 증거를 제시하고, 낮은 손실률을 가지며 고성능을 보이는 중간 크기의 실험에서 고전적 시뮬레이션 알고리즘을 능가함으로써, 저손실 고차원 광학 시스템을 활용한 근접한 양자 우월성의 실현 가능 길을 확립한다.

ABSTRACT

Photonics is a promising platform for demonstrating quantum computational supremacy (QCS) by convincingly outperforming the most powerful classical supercomputers on a well-defined computational task. Despite this promise, existing photonics proposals and demonstrations face significant hurdles. Experimentally, current implementations of Gaussian boson sampling lack programmability or have prohibitive loss rates. Theoretically, there is a comparative lack of rigorous evidence for the classical hardness of GBS. In this work, we make significant progress in improving both the theoretical evidence and experimental prospects. On the theory side, we provide strong evidence for the hardness of Gaussian boson sampling, placing it on par with the strongest theoretical proposals for QCS. On the experimental side, we propose a new QCS architecture, high-dimensional Gaussian boson sampling, which is programmable and can be implemented with low loss rates using few optical components. We show that particular classical algorithms for simulating GBS are vastly outperformed by high-dimensional Gaussian boson sampling experiments at modest system sizes. This work thus opens the path to demonstrating QCS with programmable photonic processors.

연구 동기 및 목표

• 고차원 정규 분포 보존 샘플링의 고전적 난이도에 대한 이론적 증거를 강화하여, 양자 우월성의 최고 수준의 이론적 제안들과 견줄 수 있도록 한다.
• 현재 광학적 구현에서의 실험적 제약, 예를 들어 프로그래밍 불가능성과 높은 손실률 문제를 해결한다.
• 확장 가능하고, 저손실이며, 프로그래밍 가능한 광학 양자 계산을 가능하게 하는 새로운 아키텍처인 고차원 정규 분포 보존 샘플링을 제안한다.
• 중간 크기의 고차원 GBS 실험에서 특정 고전적 시뮬레이션 알고리즘이 열등함을 입증한다.
• 프로그래밍 가능한 광학 프로세서를 사용하여 양자 계산 우월성을 실현하는 실용적 길을 여는 것.

제안 방법

• 고차원 포크 상태를 활용하여 계산 능력을 향상시키고 자원 소모를 줄이는 고차원 GBS 유니터리의 새로운 아키텍처로 고차원 정규 분포 보존 샘플링을 제안한다.
• 소수의 광학 구성 요소로 구성된 선형 광학 네트워크를 사용하여 고차원 GBS 유니터리를 구현함으로써 저손실 작동을 가능하게 한다.
• 조정 가능한 비스플리터와 위상 이동기들을 도입하여 유니터리 행렬의 재구성 가능성을 제공함으로써 프로그래머블 설계를 구현한다.
• 복잡도 이론적 추론을 고차원 환경으로 확장하여 계산 과제가 여전히 고전적 컴퓨터에 대해 난이도 높다는 것을 입증한다.
• 중간 크기의 시스템에서 고전적 시뮬레이션 알고리즘의 성능을 고차원 GBS 실험의 예상 출력과 비교한다.
• 복잡도 이론적 증거를 사용하여, 표준 계산 난이도 가정을 바탕으로 고차원 GBS에서의 샘플링이 고전적 컴퓨터에게는 실질적으로 불가능하다는 것을 보여준다.

실험 결과

연구 질문

• RQ1 고차원 정규 분포 보존 샘플링이 가장 강력한 이론적 제안들과 견줄 수 있을 정도로 고전적으로 난이도 높다는 것을 입증할 수 있는가?
• RQ2 고전적 난이도가 높고, 중간 크기의 시스템에서 실험적으로 실현 가능한 프로그래밍 가능하고 저손실 광학 아키텍처를 설계할 수 있는가?
• RQ3 고전적 시뮬레이션 알고리즘이 고차원 GBS 실험에 비해 효율적으로 확장되지 못하는가?
• RQ4 중간 크기의 시스템에서 고차원 GBS가 동일한 샘플링 과제를 시뮬레이션하는 데 있어 알려진 고전적 알고리즘을 능가할 수 있는가?
• RQ5 프로그래밍 가능한 광학 프로세서를 사용하여 양자 계산 우월성을 실현하는 실용적인 실험적 길이 존재하는가?

주요 결과

• 고차원 정규 분포 보존 샘플링은 고전적 난이도에 대한 강력한 이론적 증거를 제공하여, 가장 견고한 양자 우월성 제안들과 견줄 수 있다.
• 제안된 아키텍처는 프로그래밍 가능하며, 소수의 광학 구성 요소만으로 저손실로 실현 가능하여 실험적 실현 가능성은 크게 향상된다.
• 중간 크기의 시스템에서 고차원 GBS 실험은 기존의 알려진 고전적 시뮬레이션 알고리즘을 크게 능가함이 입증되었다.
• 표준 복잡도 이론적 가정을 바탕으로 고전적 컴퓨터가 이 계산 과제를 해결하는 것은 실질적으로 불가능하며, 이는 양자 우월성 기준으로서의 활용 가능성을 뒷받침한다.
• 광학 프로세서를 사용하여 양자 계산 우월성을 실현하는 명확하고 확장 가능하며 실험적으로 접근 가능한 길을 확립하였다.