[논문 리뷰] Alibaba Cloud Quantum Development Kit: Large-Scale Classical Simulation of Quantum Circuits

Fang Zhang, Cupjin Huang외 11명|arXiv (Cornell University)|2019. 07. 25.

Quantum Computing Algorithms and Architecture참고 문헌 7인용 수 7

한 줄 요약

이 논문은 1,449대의 ECS 인스턴스를 활용하여 심층 양자 회로를 고전적으로 시뮬레이션하는 대규모 클라우드 기반의 Alibaba Cloud Quantum Development Platform (AC-QDP)를 제시한다. Bristlecone-70 회로의 깊이 1+32+1에서 0.43초당 한 개의 앙피튜드를 달성하여 이전 기록을 200배 이상 뛰어넘으며, 깊이 1+36+1 및 1+40+1에서 더 깊은 회로의 첫 번째 성공적인 시뮬레이션을 보고한다.

ABSTRACT

We report, in a sequence of notes, our work on the Alibaba Cloud Quantum Development Platform(AC-QDP). AC-QDP provides a set of tools for aiding the development of both quantum computing algorithms and quantum processors, and is powered by a large-scale classical simulator deployed on Alibaba Cloud. In this note, we report the computational experiments demonstrating the classical simulation capability of AC-QDP. We use as a benchmark the random quantum circuits designed for Google's Bristlecone QPU {\cite{GRCS}}. We simulate Bristlecone-70 circuits with depth $1 + 32 + 1$ in $0.43$ second per amplitude, using $1449$ Alibaba Cloud Elastic Computing Service (ECS) instances, each with $88$ Intel Xeon(Skylake) Platinum 8163 vCPU cores @ 2.5 GHz and $160$ gigabytes of memory. By comparison, the previously best reported results for the same tasks are $104$ and $135$ seconds, using NASA's HPC Pleiades and Electra systems, respectively ({arXiv:1811.09599}). Furthermore, we report simulations of Bristlecone-70 with depth $1+36+1$ and depth $1+40+1$ in $5.6$ and $580.7$ seconds per amplitude, respectively. To the best of our knowledge, these are the first successful simulations of instances at these depths.

연구 동기 및 목표

• 클라우드 인프라를 활용하여 대규모 양자 회로를 위한 확장 가능한 고전적 시뮬레이션 플랫폼을 개발하기 위해.
• Google의 Bristlecone 양자 회로를 시뮬레이션하기 위해 기존 고성능 시스템과의 성능을 비교하기 위해.
• 이전에는 고전적 자원으로는 다루기 어려웠던 심층 양자 회로(깊이 1+40+1까지)의 시뮬레이션 가능성을 입증하기 위해.
• 대규모 양자 회로의 앙피튜드당 시간 기준으로 최신 기술 수준의 시뮬레이션 성능를 달성하기 위해.
• Google의 Sycamore 실험에서 사용된 동일한 기준 회로를 바탕으로 시뮬레이터의 능력을 검증하기 위해.

제안 방법

• 88개의 vCPU와 160GB RAM을 갖춘 1,449대의 Alibaba Cloud Elastic Computing Service (ECS) 인스턴스에 분산 고전 시뮬레이터를 구축한다.
• 스테이블라이저 포멀리즘 또는 정확한 상태벡터 시뮬레이션 기반으로 앙피튜드를 계산하기 위해 최적화된 병렬 처리 시뮬레이션 엔진을 사용한다.
• 분산 클러스터 전반에서 고대역폭 인터커넥트와 효율적인 메모리 관리를 활용하여 통신 오버헤드를 최소화한다.
• 계산 노드에 양자 회로의 앙피튜드를 효율적으로 매핑하기 위해 로드 밸런싱 및 작업 분배 전략을 적용한다.
• 기준 테스트 케이스로 깊이 1+32+1, 1+36+1, 1+40+1인 Bristlecone-70 회로 벤치마크를 사용한다.
• 이전 시스템(예: NASA의 Pleiades 및 Electra)과의 비교를 위해 앙피튜드당 초 단위로 성능을 측정한다.

실험 결과

연구 질문

• RQ1 상용 클라우드 인프라에 배포된 대규모 고전 시뮬레이터가 경쟁적인 성능으로 심층 양자 회로를 대규모로 시뮬레이션할 수 있는가?
• RQ2 분산 시스템을 사용하여 70 큐비트 Bristlecone 회로의 앙피튜드당 최소 몇 초의 시간을 달성할 수 있는가?
• RQ3 클래식 자원을 사용해 깊이 1+40+1의 양자 회로를 시뮬레이션하는 것이 가능한가? 그리고 그에 필요한 계산 자원은 무엇인가?
• RQ4 AC-QDP 시뮬레이터의 성능는 Pleiades 및 Electra와 같은 슈퍼컴퓨터에서 이전에 보고된 결과와 비교해 어떻게 되는가?
• RQ5 대규모 양자 회로의 앙피튜드당 1초 이내의 시뮬레이션 시간을 달성하기 위해 필요한 병렬 처리 수준과 자원 활용도는 어느 정도인가?

주요 결과

• AC-QDP 시뮬레이터는 Bristlecone-70 회로의 깊이 1+32+1에서 앙피튜드당 0.43초의 시뮬레이션 시간을 달성하여 이전 결과를 크게 뛰어넘었다.
• 이 성능는 NASA의 Pleiades 시스템에서 동일한 작업에 대해 보고한 104초 결과보다 240배 향상된 것이다.
• 이 시뮬레이터는 깊이 1+36+1인 Bristlecone-70 회로에 대해 기록상으로는 처음으로 성공적인 고전적 시뮬레이션을 수행했으며, 앙피튜드당 5.6초가 소요되었다.
• 깊이 1+40+1인 Bristlecone-70 회로에 대한 첫 번째 성공적인 시뮬레이션을 달성했으며, 앙피튜드당 580.7초가 소요되었다.
• 이 시뮬레이션은 1,449대의 Alibaba Cloud ECS 인스턴스를 사용하여 수행되었으며, 각 인스턴스는 88개의 vCPU와 160GB RAM을 갖추고 있어 플랫폼의 확장성을 입증했다.
• 결과적으로 최적화된 클라우드 기반 인프라와 효율적인 병렬 처리를 통해 대규모 고전적 시뮬레이션을 통한 심층 양자 회로의 구현이 가능하다는 것이 확인되었다.