[논문 리뷰] Quantum Computing: Fundamentals, Trends and Perspectives for Chemical and Biochemical Engineers

Amirhossein Nourbakhsh, Mark Jones외 8명|arXiv (Cornell University)|2022. 01. 08.

Quantum Computing Algorithms and Architecture인용 수 4

한 줄 요약

이 논문은 화학 및 생화학 공학자들을 대상으로 양자 컴퓨팅의 기본 원리, 최근의 발전 사항 및 공정 최적화, 스케줄링, 기계 학습 분야의 응용을 포함한 종합적인 소개를 제공한다. 양자 유도 알고리즘을 통해 화학 공정의 고장 감지 성능을 향상시키고 물류 비용을 2–5% 감소시킬 수 있음을 입증하였으며, 큐비트 수와 오류 보정 능력 향상에 따라 향후 잠재력이 크다.

ABSTRACT

We use the benefits and components of classical computers every day. However, there are many types of problems which, as they grow in size, their computational complexity grows larger than classical computers will ever be able to solve. Quantum computing (QC) is a computation model that uses quantum physical properties to solve such problems. QC is at the early stage of large-scale adoption in various industry domains to take advantage of the algorithmic speed-ups it has to offer. It can be applied in a variety of areas, such as computer science, mathematics, chemical and biochemical engineering, and the financial industry. The main goal of this paper is to give an overview to chemical and biochemical researchers and engineers who may not be familiar with quantum computation. Thus, the paper begins by explaining the fundamental concepts of QC. The second contribution this publication tries to tackle is the fact that the chemical engineering literature still lacks a comprehensive review of the recent advances of QC. Therefore, this article reviews and summarizes the state of the art to gain insight into how quantum computation can benefit and optimize chemical engineering issues. A bibliography analysis covers the comprehensive literature in QC and analyzes quantum computing research in chemical engineering on various publication topics, using Clarivate analytics covering the years 1990 to 2020. After the bibliographic analysis, relevant applications of QC in chemical and biochemical engineering are highlighted and a conclusion offers an outlook of future directions within the field.

연구 동기 및 목표

• 양자 컴퓨팅 분야에 익숙하지 않은 화학 및 생화학 공학 연구자들에게 양자 컴퓨팅의 기본 원리를 소개하기 위해.
• 화학 공학 문헌에서 양자 컴퓨팅에 대한 종합적인 리뷰가 부족한 점을 보완하기 위해.
• 1990년에서 2020년 사이에 화학 및 생화학 공학 분야에서의 양자 컴퓨팅 응용에 대한 추세와 연구 성과를 분석하기 위해.
• 공정 스케줄링, 제어 및 최적화 분야에서의 양자 컴퓨팅의 실용적 응용을 부각하기 위해.
• 특히 큐비트 수 증가와 오류 보정 능력 향상에 따라 향후 화학 및 생화학 공학 분야에서의 양자 컴퓨팅의 방향성을 예측하기 위해.

제안 방법

• 1990년에서 2020년 사이의 양자 컴퓨팅 및 화학 공학 분야의 연구 추세를 분석하기 위해 Clarivate Analytics를 활용한 문헌 분석을 수행하였다.
• 스케줄링, 공정 제어 및 최적화를 포함한 화학 및 생화학 공학 분야에서의 최신 양자 컴퓨팅 응용을 검토하고 요약하였다.
• 스케줄링 문제를 QUBO(이차 비제약 이진 최적화) 문제로 변환하고, 후지츠의 양자 유도 디지털 앤날러에서 이를 구현하였다.
• 제한된 볼츠만 기계(RBMs)와 양자 샘플링을 포함한 양자 유도 기계 학습 기법을 활용해 딥 러닝 모델의 학습 데이터를 생성하였다.
• 고차원, 낮은 질량 행렬 및 희소 데이터에 대해 양자 기반 기계 학습(QML)과 양자 유도 회귀를 평가하였다.
• 양자 회로 모델링과 양자 앤날링을 사용해 단위 할당, 시설 위치 및 열교환기 네트워크 문제를 해결하였다.

실험 결과

연구 질문

• RQ1 어떻게 양자 컴퓨팅을 복잡한 화학 및 생화학 공정 최적화에 적용할 수 있는가?
• RQ2 화학 및 생화학 공학 분야에서의 양자 컴퓨팅 연구에 대한 현재의 추세와 성장 패턴은 무엇인가?
• RQ3 양자 유도 알고리즘은 화학 시스템의 고장 감지 및 공정 제어에 얼마나 향상시킬 수 있는가?
• RQ4 스케줄링 및 물류 최적화 분야에서 양자 컴퓨팅 모델은 고전적 방법과 비교해 어떤가?
• RQ5 현재의 양자 하드웨어는 대규모 화학 공학 문제를 해결하는 데 있어 실질적인 제약은 무엇인가?

주요 결과

• 화학 및 생화학 공학 분야에서의 양자 컴퓨팅 논문 수는 2020년 기준 10.29% 증가하였으며, 1,010편의 논문이 발표되었고, 평균 43.51회의 인용을 기록하였다.
• 양자 유도 디지털 앤날러를 통해 물류 비용이 2–5% 감소하였고, 최적 경로를 30분 내로 도출하여 실용적인 확장성을 입증하였다.
• RBMs를 통한 양자 샘플링은 CSTR 모델에서 고장 감지 정확도를 향상시켜 특정 고장 유형에 대해 고전적 딥 러닝을 능가하였다.
• 테네시 이스트먼 공정에서는 양자 적응형 딥 러닝 모델이 특정 고장 유형에 대해 뛰어난 고장 감지 성능을 보였다.
• 양자 유도 기계 학습은 낮은 질량, 고차원 행렬에 효과적이며, 양자 기반 기계 학습은 고질량, 희소 데이터에 뛰어나다.
• 수학적 증명을 통해 양자 컨volution 신경망(QCNNs)이 대규모 데이터셋에서 효율적으로 확장 가능하며, 고전적 CNNs보다 잠재적인 이점이 있음을 확인하였다.