[논문 리뷰] Snowmass White Paper: Quantum Computing Systems and Software for High-energy Physics Research

Travis S. Humble, Andrea Delgado외 24명|arXiv (Cornell University)|2022. 03. 14.

Advanced Data Storage Technologies인용 수 5

한 줄 요약

이 스노마스 화이트 페이퍼는 향후 10년간 고에너지물리학(High-Energy Physics, HEP) 연구에 양자계산(Quantum Computing, QC)을 통합하기 위한 전략적 로드맵을 제시한다. 복잡한 양자장이론과 시뮬레이션 과제를 해결하기 위해 하이브리드 양자-고전 알고리즘, 소프트웨어 스택, 인프라를 제안하며, NISQ 시대의 하드웨어 한계를 극복하고 HEP 발견에 혁신을 이끌어내기 위해 HEP, 양자정보과학, 산업계 간의 공동 개발을 강조한다.

ABSTRACT

Quantum computing offers a new paradigm for advancing high-energy physics research by enabling novel methods for representing and reasoning about fundamental quantum mechanical phenomena. Realizing these ideals will require the development of novel computational tools for modeling and simulation, detection and classification, data analysis, and forecasting of high-energy physics (HEP) experiments. While the emerging hardware, software, and applications of quantum computing are exciting opportunities, significant gaps remain in integrating such techniques into the HEP community research programs. Here we identify both the challenges and opportunities for developing quantum computing systems and software to advance HEP discovery science. We describe opportunities for the focused development of algorithms, applications, software, hardware, and infrastructure to support both practical and theoretical applications of quantum computing to HEP problems within the next 10 years.

연구 동기 및 목표

• 고전적 HPC 시스템에서 해결이 불가능한 양자장이론과 강한 상호작용의 수학적·계산적 복잡성을 다루기.
• 근접한 시기의 노이지 중간 규모 양자(NISQ) 장치의 한계를 극복하기 위해 오차 보정, 회로 최적화, 하이브리드 양자-고전 워크플로우를 개발하기.
• 기존의 고성능계산(HPC) 및 데이터 인프라와 양자계산을 통합하여 확장 가능하고 분산형이며 상호운용 가능한 양자-HPC 워크로드를 가능하게 하기.
• HEP, 양자정보과학, 기타 과학 분야 간의 국제 협력과 공동 개발을 촉진하여 공통 기술적 진전을 가속화하기.
• 국가 프로그램, 사용자 시설, 공동 테스트베드를 통해 고에너지물리학 분야의 양자계산을 위한 지속 가능한 연구·개발 생태계를 구축하기.

제안 방법

• 일반 목적의 양자 알고리즘(예: 변분 양자 고유치수 알고리즘(VQE) 및 양자 머신러닝(QML))을 라티스 게이지 이론과 검출기 시뮬레이션과 같은 HEP 전용 문제에 적응 및 확장하기.
• 변분 양자 알고리즘과 강화학습을 활용한 하이브리드 양자-고전 워크로드를 개발하여 NISQ 장치에서 양자 회로의 파rameter를 최적화하고 수렴성을 향상시키기.
• 제한된 큐비트 연결성과 게이트 정밀도를 가진 실제 양자 하드웨어에 효율적으로 알고리즘을 매핑하기 위해 양자 회로 트랜스파일링 및 스케줄링 기법을 구현하기.
• 컨테이너화된 모듈과 분산 컴퓨팅 프레임워크를 사용해 클라우드 및 HPC 환경에 양자계산 API를 통합하여 원활한 하이브리드 실행을 가능하게 하기.
• 실제 양자 프로세서에 배포하기 전에 양자 알고리즘의 검증과 디버깅을 위해 HPC 클러스터에서 고정밀도 고전적 시뮬레이션을 활용하기.
• 저에너지 및 반물질 실험(예: CERN의 ASACUSA 및 ALPHA 실험)에서 정밀 측정을 지원하기 위해 양자 데이터 네트워크 및 시간/주파수 분배 시스템을 발전시키기.

실험 결과

연구 질문

• RQ1 변분 양자 알고리즘은 비아벨 게이지 이론, 특히 라티스 양자장이론의 맥락에서 어떻게 비아벨 게이지 이론인 QCD를 효과적으로 시뮬레이션할 수 있는가?
• RQ2 HEP 실험에서 데이터 분석 및 분류 작업을 가속화하기 위해 가장 효과적인 하이브리드 양자-고전 아키텍처와 최적화 전략는 무엇인가?
• RQ3 NISQ 장치에서 양자 머신러닝 모델을 어떻게 훈련시켜 초신성 분류나 합성 검출기 데이터 생성과 같은 과제에서 고전적 기준을 능가할 수 있는가?
• RQ4 양자계산 워크로드를 HPC 자원과 효율적으로 공유하기 위해 필요한 시스템 수준의 통합 패턴은 무엇인가?
• RQ5 양자 데이터 네트워크와 정밀 시간/주파수 분배 시스템은 입자물리학의 차세대 정밀 실험을 지원하는 데 어떤 역할을 할 수 있는가?

주요 결과

• NISQ 장치에서 SU(2) 게이지 이론의 시뮬레이션 결과는 타당성의 증거를 보였지만, 확장성과 정확도에 한계가 있었다.
• 초신성 분류 과제에서 양자 하드웨어를 사용해 양자 머신러닝 모델을 성공적으로 훈련시켰으며, 소규모 데이터셋에서 고전적 모델과 경쟁 가능한 성능을 달성했다.
• 양자 회로를 활용한 합성 검출기 데이터 생성이 성공적으로 구현되었으며, 이는 고전적 및 양자 모델의 훈련 데이터를 향상시킬 잠재적 길을 열었다.
• 오ak Ridge 리더십 컴퓨팅 시설의 양자계산 사용자 프로그램(QCUP)은 정성 기반 접근과 하이브리드 실행을 통해 양자-고성능계산 워크로드 통합을 위한 실현 가능한 모델을 제공한다.
• HPC 클러스터에서 양자 회로의 분산 및 병렬 고전적 시뮬레이션은 큐비트 수 증가에 따라 메모리가 지수적으로 증가하더라도, 양자 알고리즘의 스케일러블 테스트 및 검증을 가능하게 한다.
• CERN의 양자기술 이니셔티브, DESY QUANTUM, 미국 에너지부의 QuantISED 프로그램과 같은 국제적 이니셔티브들이 양자-HPC 통합을 가속화하기 위해 필수적인 기관 간 협력을 촉진하고 있다.