[论文解读] A Cost and Power Feasibility Analysis of Quantum Annealing for NextG Cellular Wireless Networks

Srikar Kasi, P. A. Warburton+2 more|arXiv (Cornell University)|Sep 3, 2021

Quantum Computing Algorithms and Architecture被引用 4

一句话总结

本文评估了量子退火（QA）作为下一代（NextG）蜂窝基带处理中CMOS的潜在替代方案，提出一种混合C-RAN架构，由QA处理计算密集型任务。预测显示，当QA具备310万量子比特和102 μs问题延迟时，可在64个天线、400 MHz的5G基站中实现与CMOS相当的频谱效率，同时将功耗降低45%（41 kW），从而在约2035–2038年实现约20%的功耗优势。

ABSTRACT

In order to meet mobile cellular users' ever-increasing data demands, today's 4G and 5G networks are designed mainly with the goal of maximizing spectral efficiency. While they have made progress in this regard, controlling the carbon footprint and operational costs of such networks remains a long-standing problem among network designers. This paper takes a long view on this problem, envisioning a NextG scenario where the network leverages quantum annealing for cellular baseband processing. We gather and synthesize insights on power consumption, computational throughput and latency, spectral efficiency, operational cost, and feasibility timelines surrounding quantum technology. Armed with these data, we analyze and project the quantitative performance targets future quantum annealing hardware must meet in order to provide a computational and power advantage over CMOS hardware, while matching its whole-network spectral efficiency. Our quantitative analysis predicts that with quantum annealing hardware operating at a 102 $μ$s problem latency and 3.1M qubits, quantum annealing will achieve a spectral efficiency equal to CMOS computation while reducing power consumption by 41 kW (45% lower) in a representative 5G base station scenario with 400 MHz bandwidth and 64 antennas, and an 8 kW power reduction (16% lower) using 1.5M qubits in a 200 MHz-bandwidth 5G scenario.

研究动机与目标

• 评估量子退火（QA）在下一代蜂窝网络基带处理中长期可行性的目标。
• 从功耗、计算吞吐量、延迟、频谱效率和运营成本等方面，对比QA与CMOS的性能表现。
• 预测QA在5G基站中实现功耗和成本优势所需的量子硬件规格（量子比特数量、延迟）。
• 估算QA在真实无线接入网（RAN）部署中实现实际可用性和经济收益的时间表。

提出的方法

• 本研究建立了一种混合C-RAN架构模型，其中QA单元负责基带处理，CMOS则负责控制平面功能。
• 推导了QA在不同带宽和天线数量（如64–128个天线、200–400 MHz）的5G基站中，为匹配CMOS频谱效率所需的功耗和延迟要求。
• 作者基于2011–2023年历史QA量子比特增长趋势进行外推，预测未来量子比特可用性，并将其映射至可行性时间线。
• 通过比较QA在14 nm和1.5 nm工艺节点下预测的功耗与CMOS的功耗，计算功耗节省，假设频谱效率保持不变。
• 通过比较QA的资本支出（CapEx）与因功耗降低带来的运营支出（OpEx）节省，评估其经济可行性。
• 使用标准排放因子0.92磅CO₂/千瓦时估算碳排放量，以量化环境影响。

实验结果

研究问题

• RQ1 在64–128个天线、200–400 MHz带宽的5G基站中，量子退火需要多少量子比特数量和多长的问题延迟，才能匹配CMOS的频谱效率？
• RQ2 量子退火在5G基带处理中何时将实现功耗优势？
• RQ3 QA在量子硬件成熟度（以量子比特数量和退相干时间衡量）达到何种水平时，才能在下一代网络中降低运营成本和CO₂排放？
• RQ4 QA的经济可行性如何取决于其资本成本相对于长期OpEx节省（由功耗降低带来）的关系？

主要发现

• 在64个天线、400 MHz的5G基站中，当QA具备310万量子比特和102 μs问题延迟时，可实现与CMOS相当的频谱效率，同时将功耗降低41 kW（45%）。
• 在200 MHz、64个天线的场景中，150万量子比特的QA相比CMOS可将功耗降低8 kW（16%）。
• QA预计在2035年实现对14 nm CMOS的功耗优势，届时至少需要61.8万量子比特。
• 为实现对1.5 nm CMOS的功耗优势，QA必须达到至少185万量子比特，预计在2038年实现。
• 若QA的资本成本低于20万美元、40万美元、100万美元或200万美元，分别可在1年、2年、5年或10年内实现投资回收，经济可行性可达成。
• 在C-RAN部署中，根据不同场景和QA采用程度，10年内CO₂排放量最高可减少575万吨。