[논문 리뷰] Quantum Random Number Generators : Benchmarking and Challenges

David Cirauqui, Miguel Ángel García-March외 6명|arXiv (Cornell University)|2022. 06. 10.

Advanced Data Storage Technologies인용 수 4

한 줄 요약

이 논문은 FPGAs와 GPUs를 사용하여 2차원 이징 격자에서의 임계 동역학을 시뮬레이션함으로써 양자 난수 생성기(QRNGs)의 성능을 평가하고, 기존의 의사난수 생성기(PRNGs)와 비교한다. QRNGs가 중간 크기의 격자(128×128)에서 상관관계를 더 잘 탐지함을 확인하여, 양자 우월성 달성을 위한 속도, 액세스 시간, 효율성에 대한 정량적 기준을 설정한다.

ABSTRACT

We discuss the current state of the art of Quantum Random Number Generators (QRNG) and their possible applications in the search for quantum advantages. To this aim, we first discuss a possible way of benchmarking QRNG by applying them to the computation of complicated and hard to realize classical simulations, such as critical dynamics in two-dimensional Ising lattices. These are performed with the help of computing devices based on field-programmable gate arrays (FPGAs) or graphic processing units (GPUs). The results obtained for QRNG are compared with those obtained by classical pseudo-random number generators (PRNG) of various qualities. Monte Carlo simulations of critical dynamics in moderate lattice sizes (128$ imes$128) start to be sensitive to the correlations present in pseudo-random numbers sequences, allowing us to detect them. By comparing our analysis with that of Ref. [PRE {\bf 93}, 022113 (2016)], we estimate the requirements for QRNGs in terms of speed, rapidity of access, and efficiency to achieve the objective of quantum advantage with respect to the best PRNGs. We discuss the technical challenges associated with this objective.

연구 동기 및 목표

• 2차원 이징 격자에서의 임계 동역학을 시뮬레이션함으로써 양자 난수 생성기(QRNGs)의 성능을 평가하는 것.
• 몬테카를로 시뮬레이션에서 장거리 상관관계를 포착하지 못하는 고전적 의사난수 생성기(PRNGs)의 한계를 규명하는 것.
• 양자 우월성을 달성하기 위해 필요한 QRNG의 정량적 기준—특히 속도, 액세스 시간, 효율성—을 설정하는 것.
• PRNG의 통계적 상관관계가 시뮬레이션 정확도를 떨어뜨리는 고정밀도 시뮬레이션에서 QRNG의 실현 가능성을 평가하는 것.
• 몬테카를로 시뮬레이션에서 유도된 동적 임계 지수를 이용한 고품질 난수를 식별하는 방법론을 제공하는 것.

제안 방법

• FPGA 및 GPU 기반 계산 플랫폼을 사용하여 2차원 이징 격자(128×128)에서의 임계 동역학을 몬테카를로 방법으로 시뮬레이션한다.
• 시뮬레이션에 사용된 난수 소스로 QRNG와 다양한 유형의 PRNG(다른 상관 길이를 가짐)를 모두 활용한다.
• 유한한 격자 크기 스케일링과 거듭제곱 법칙에 대한 피팅을 통해 동적 임계 지수 $ z $ 를 분석하여, PRNG의 상관관계로 인한 편차를 탐지한다.
• 이완 시간에 대한 피팅을 통해 $ \log(\tau_0) $ 를 계산하고, 난수 품질에 대한 민감도를 추출한다. 이 값이 낮을수록 상관관계가 더 높다는 의미이다.
• 문헌에서 알려진 이론적 및 수치적 기준과 비교하여 QRNG 및 PRNG의 결과를 검증함으로써 시뮬레이션 정확도를 확인한다.
• 동적 지수 $ z $ 를 사용하여 난수 시퀀스의 미세한 통계적 상관관계를 감지하는 민감한 탐지 수 Mittel로 활용한다.

실험 결과

연구 질문

• RQ1 고전적 PRNGs가 중간 크기의 격자에서도 회피하지 못하는 상관관계를 QRNGs가 탐지할 수 있는가?
• RQ2 임계 동역학을 시뮬레이션할 때 최고의 고전적 PRNGs를 능가하기 위해 QRNGs가 충족해야 할 최소 성능 기준(속도, 액세스 시간, 효율성)은 무엇인가?
• RQ3 동적 임계 지수 $ z $ 는 시뮬레이션 출력에서 난수 품질의 민감한 지표로 어떻게 기능하는가?
• RQ4 다른 상관 길이를 가진 다양한 PRNGs가 2차원 이징 모델의 몬테카를로 시뮬레이션 정확도에 미치는 영향은 어느 정도인가?
• RQ5 임계 동역학의 시뮬레이션은 고위험 응용 분야에서 난수 생성기의 품질 평가를 위한 벤치마킹 도구로 사용될 수 있는가?

주요 결과

• 128×128 2차원 이징 격자에서의 몬테카를로 시뮬레이션은 PRNG의 상관관계에 민감해지며, 이는 더 작은 시스템에서는 탐지되지 않는 통계적 결함을 감지할 수 있게 한다.
• QRNG는 $ \log(\tau_0) = -0.362 $ 를 생성하였고, 이는 테스트된 모든 PRNG보다 현저히 낮아, 뛰어난 난수 품질과 낮은 상관관계 영향을 나타낸다.
• 더 긴 상관 길이를 가진 PRNGs(예: PRNG3 $ k=2 $, $ \log(\tau_0) = -0.2454 $)조차도 QRNG에 비해 열등했으며, 이는 양자 난수의 근본적인 우월성을 강조한다.
• QRNG 기반 시뮬레이션에서 유도된 동적 임계 지수 $ z $ 는 기존 이론적 및 수치적 값과 밀접하게 일치하여, 이 방법의 민감도를 검증한다.
• 이 연구는 QRNG가 실제 양자 우월성 시나리오에서 최고의 고전적 PRNGs를 능가하기 위해 고속 생성 및 낮은 액세스 지연을 달성해야 한다고 추정한다.
• 임계 동역학을 기반으로 한 벤치마킹 프레임워크는 확장 가능하고 물리학적으로 타당한 방법으로, 고품질 난수 소스를 식별하며, 시뮬레이션 결과에 측정 가능한 영향을 미친다.