[논문 리뷰] Simulating Quantum Computers Using OpenCL

Adam Kelly|arXiv (Cornell University)|2018. 05. 02.

Quantum Computing Algorithms and Architecture참고 문헌 7인용 수 20

한 줄 요약

이 논문은 GPU 가속을 활용하여 기존 상태 벡터 시뮬레이터보다 뛰어난 성능을 보이는 OpenCL 기반의 양자 회로 시뮬레이터인 QCGPU를 제시한다. OpenCL을 통해 최적화된 커널 실행 및 병렬 게이트 적용을 구현함으로써, 24 큐비트에서 Qiskit 대비 150배 이상, ProjectQ 대비 8배 이상의 속도 향상을 달성하여 이식 가능 하드웨어 가속이 양자 알고리즘 개발에 효과적임을 입증한다.

ABSTRACT

Quantum computing is an emerging technology, promising a paradigm shift in computing, and allowing for speedups in many different problems. However, quantum devices are still in their early stages, most with only a small number qubits. This places a reliance on simulation to develop quantum algorithms and to verify these devices. While there exists many algorithms for the simulation of quantum circuits, there is (at the time of writing) no tools which use OpenCL to parallelize this simulation, thereby taking advantage of devices such as GPUs while still remaining portable. In this paper, such a tool is described, including optimizations in areas such as gate application. This leads to a new approach that outperforms other popular state vector based simulators. An implementation of the proposed simulator is available at https://qcgpu.github.io.

연구 동기 및 목표

• GPU를 활용하는 이식 가능이고 하드웨어 가속 기반의 양자 회로 시뮬레이터가 부족한 문제를 해결하기 위해.
• 양자 장치의 큐비트 수 제한으로 인해 고전적 하드웨어에서 양자 알고리즘을 효율적으로 시뮬레이션할 수 있도록 하기 위해.
• 다양한 플랫폼에서 실행 가능한 이식성 있는 오픈소스 시뮬레이터를 개발하기 위해 OpenCL를 사용하여 GPU 가속을 구현하기 위해.
• 최적화된 커널 설계와 병렬 실행을 통해 기존 상태 벡터 시뮬레이터를 뛰어넘기 위해.
• 연구자들이 자유롭게 이용할 수 있고 고성능을 제공하는 시뮬레이션 도구를 제공함으로써 접근 장벽을 낮추기 위해.

제안 방법

• GPU를 포함한 이질적 하드웨어를 대상으로 OpenCL를 사용하여 양자 회로 시뮬레이터를 구현하기 위해.
• 큐비트 게이트를 통해 병렬 상태 벡터 업데이트를 수행할 수 있도록 OpenCL C로 컴퓨팅 커널을 설계하기 위해.
• GPU의 최적화된 할당과 메모리 코ales싱을 달성하기 위해 워크 그룹과 워크 아이템을 사용한 커널 실행 구성 최적화하기 위해.
• CPU와 GPU 간의 메모리 전달을 관리하고 커널 실행을 스케줄링하기 위해 호스트 기반 파이프라인을 사용하기 위해.
• 지연 시간을 줄이기 위해 효율적인 게이트 적용 및 메모리 접근 패턴과 같은 알고리즘 최적화 적용하기 위해.
• 1~24 큐비트 범위에서 표준 양자 푸리에 변환 회로를 사용하여 Qiskit 및 ProjectQ와의 벤치마킹 수행하기 위해.

실험 결과

연구 질문

• RQ1 기존의 CPU 전용 시뮬레이터에 비해 OpenCL 기반 하드웨어 가속이 양자 회로 시뮬레이션 성능을 크게 향상시킬 수 있는가?
• RQ2 특히 20 큐비트를 초과할 경우, OpenCL 기반 시뮬레이터의 성능은 큐비트 수 증가에 따라 어떻게 변화하는가?
• RQ3 커널 실행 구성 및 메모리 접근 패턴의 선택이 GPU 아키텍처에서 시뮬레이션 효율성에 얼마나 큰 영향을 미치는가?
• RQ4 OpenCL를 사용한 이식 가능하고 다중 플랫폼 호환 가능한 솔루션은 벤더별 전용 GPU 프레임워크에 비해 성능이 유사하거나 뛰어나게 구현될 수 있는가?
• RQ5 단일 장치 GPU 시뮬레이션의 실질적 한계는 무엇이며, 분산 또는 텐서 네트워크 방법과 비교해 볼 때 어떤가?

주요 결과

• QCGPU는 24 큐비트에서 양자 푸리에 변환 회로에 대해 Qiskit 대비 평균 150배 이상의 속도 향상을 달성했다.
• 24 큐비트 수준에서 ProjectQ 대비 평균 8배 이상의 성능 향상을 보였다.
• Welch의 t-검정을 사용한 통계 분석 결과, Qiskit 및 ProjectQ와의 성능 차이가 유의미함을 확인했다(p < 0.001).
• 단일 GPU에서 최대 28 큐비트까지 성공적으로 시뮬레이션하여 하드웨어 한계 내에서의 확장성을 입증했다.
• OpenCL의 사용 덕분에 벤더에 종속되지 않은 코드로 다양한 GPU 아키텍처에서 이식 가능하고 고성능의 시뮬레이션을 구현할 수 있었다.
• 벤치마킹 결과, 모든 테스트된 큐비트 수에서 일관된 성능 향상이 관찰되었으며, 특히 높은 큐비트 수에서 가장 큰 상대적 향상이 나타났다.