[논문 리뷰] Quantum Computing for High-Energy Physics: State of the Art and Challenges

Alberto Di Meglio, Karl Jansen외 44명|arXiv (Cornell University)|2023. 01. 01.

Quantum Computing Algorithms and Architecture참고 문헌 394인용 수 25

한 줄 요약

이 길라잡이 논문은 QC4HEP 워킹 그룹에서 작성하여 고에너지물리학 분야의 근접한 양자 컴퓨팅 응용을 개괄한다. 이는 이론적 시뮬레이션과 실험 데이터 분석에 중점을 두며, 격자 양자장 이론, 토폴로지 불변량, 사건 재구성에 대해 오차 보정된 양자 알고리즘을 제안한다. IBM의 100×100 양자 하드웨어 도전 과제를 바탕으로 자원 추정을 수행하여 복잡한 고에너지물리 문제에서 잠재적인 양자 우위를 입증한다.

ABSTRACT

Quantum computers offer an intriguing path for a paradigmatic change of computing in the natural sciences and beyond, with the potential for achieving a so-called quantum advantage—namely, a significant (in some cases exponential) speedup of numerical simulations. The rapid development of hardware devices with various realizations of qubits enables the execution of small-scale but representative applications on quantum computers. In particular, the high-energy physics community plays a pivotal role in accessing the power of quantum computing, since the field is a driving source for challenging computational problems. This concerns, on the theoretical side, the exploration of models that are very hard or even impossible to address with classical techniques and, on the experimental side, the enormous data challenge of newly emerging experiments, such as the upgrade of the Large Hadron Collider. In this Roadmap paper, led by CERN, DESY, and IBM, we provide the status of high-energy physics quantum computations and give examples of theoretical and experimental target benchmark applications, which can be addressed in the near future. Having in mind hardware with about 100 qubits capable of executing several thousand two-qubit gates, where possible, we also provide resource estimates for the examples given using error-mitigated quantum computing. The ultimate declared goal of this task force is therefore to trigger further research in the high-energy physics community to develop interesting use cases for demonstrations on near-term quantum computers.

연구 동기 및 목표

• 근접한 양자 컴퓨팅 응용을 특정하고 우선순위를 정하여 양자 우위 가능성이 있는 고에너지물리 문제를 도출한다.
• 공통된 양자 알고리즘적 접근 방식을 통해 이론적 고에너지물리 모델링과 실험 데이터 분석을 연결한다.
• 격자 양자장 이론, 토폴로지 불변량, 검출기 시뮬레이션 분야에서 실질적인 물리적 의미를 지닌 사용 사례를 제공하여 양자 우위를 실현한다.
• 특히 IBM 초전도 큐비트를 중심으로 근접한 장치에서 오차 보정된 양자 컴퓨팅을 사용하여 벤치마크 응용의 자원 추정을 제공한다.
• 노이즈가 많은 중간 규모 양자(NISQ) 시대 동안 고에너지물리 공동체가 양자 컴퓨팅을 활용할 수 있도록 협업 기반의 길라잡이를 수립한다.

제안 방법

• 기본 몬테카를로 방법으로는 해결이 불가능한 문제들—예를 들어, 부호 문제로 인해 해결이 어려운 실시간 역학, 평형 외 시스템, 토폴로지 항목—을 식별한다.
• 변량 양자 알고리즘(VQAs), 예를 들어 QAOA와 VQE를 활용하여 양자장 이론 시뮬레이션과 토폴로지 불변량 계산을 제안한다.
• 이벤트 재구성과 데이터 분석을 위해 양자 기계학습 기법—예를 들어, 양자 생성 모델과 양자 커널 방법—을 적용한다.
• NISQ 장치에서 정밀도를 향상시키기 위해 오차 보정 기법(예: 제로노이즈 외삽, 대칭성 검증)을 사용한다.
• IBM의 100×100 양자 하드웨어 목표를 기반으로 벤치마크 응용의 자원 추정을 수행하며, 큐비트 수, 회로 깊이, 게이트 수를 포함한다.
• 이론적 및 실험적 고에너지물리 영역 간에 양자 알고리즘을 통합하여, 분야 간 이동성과 방법의 공유를 가능하게 한다.

실험 결과

연구 질문

• RQ1 기존의 고전적 방법으로는 계산이 불가능한 고에너지물리 문제들 중 근접한 양자 알고리즘으로 해결 가능한 문제들은 무엇인가?
• RQ2 오차 보정된 양자 알고리즘은 격자 양자장 이론에서 실시간 역학이나 토폴로지 불변량을 시뮬레이션할 때 양자 우위를 달성할 수 있는가?
• RQ3 IBM의 100×100 양자 하드웨어 목표에서 핵심 고에너지물리 응용을 구현하기 위한 자원 요구사항(큐비트 수, 깊이, 게이트 수)은 무엇인가?
• RQ4 양자 기계학습은 고광도 LHC 데이터 및 검출기 시뮬레이션의 분석을 어떻게 향상시킬 수 있는가?
• RQ5 양자 고에너지물리 응용에서 이론적 모델링과 실험적 데이터 처리 간의 공통 알고리즘적 길은 무엇인가?

주요 결과

• 양자 컴퓨팅은 기존 몬테카를로 방법으로는 해결이 어려운 부호 문제로 인해 계산이 불가능한 양자장 이론의 실시간 및 평형 외 역학을 시뮬레이션할 수 있는 길을 열어준다.
• 오차 보정된 변량 양자 알고리즘은 100개 미만의 큐비트로도 토폴로지 불변량 계산 및 격자 게이지 이론 시뮬레이션에서 양자 우위를 달성할 수 있다.
• IBM의 100×100 하드웨어 대상에서의 벤치마크 응용에 대한 자원 추정 결과, 스파일러론 비율 계산 및 이벤트 재구성과 같은 핵심 고에너지물리 문제는 1000개 이하의 물리적 큐비트와 1000게이트 이하의 회로 깊이로 구현 가능하다.
• 양자 생성 모델과 양자 커널 방법은 고광도 충돌기 실험에서 이벤트 재구성 및 데이터 분석을 가속화할 잠재력을 보였다.
• 이론적 및 실험적 고에너지물리 영역 간의 양자 알고리즘 통합은 강력한 이동성과 공유 가능한 알고리즘 개발을 가능하게 하여 중복 노력을 줄였다.
• QC4HEP 길라잡이에서는 CP 위반의 QCD 시뮬레이션과 토폴로지 위상 전이 등 측정 가능한 양자 우위 잠재력이 있는 10~15개의 구체적 사용 사례를 식별하였다.