[논문 리뷰] Comparison of Cloud-Based Ion Trap and Superconducting Quantum Computer Architectures

S. Blinov, Biao Wu외 1명|arXiv (Cornell University)|2021. 01. 31.

Quantum Computing Algorithms and Architecture참고 문헌 9인용 수 7

한 줄 요약

이 논문은 벤치마크 양자 회로를 실행하여 클라우드 기반 이온 트랩(IonQ)과 초전도체(IBM, Rigetti) 양자 컴퓨터를 비교한다. 주요 초점은 게이트 편향성, 큐비트 연결성, 오차 누적이다. 주요 발견 결과로 이온 트랩은 전체 큐비트 연결성과 낮은 오차 누적 덕분에 뛰어난 성능을 보이며, 초전도체 시스템은 제한된 연결성과 크로스톺에 의해 제약을 받는다. 특히 Bernstein-Vazirani 알고리즘과 같은 복잡한 회로에서는 두드러진다.

ABSTRACT

Quantum computing represents a radical departure from conventional approaches to information processing, offering the potential for solving problems that can never be approached classically. While large scale quantum computer hardware is still in development, several quantum computing systems have recently become available as commercial cloud services. We compare the performance of these systems on several simple quantum circuits and algorithms, and examine component performance in the context of each system's architecture.

연구 동기 및 목표

• 클라우드 기반 이온 트랩 및 초전도체 양자 계산 아키텍처의 성능을 평가하고 비교하는 것.
• 특히 큐비트 연결성과 게이트 오차 누적 등의 아키텍처적 차이가 양자 회로 실행에 미치는 영향을 조사하는 것.
• 각 시스템 간 상태 준비 및 측정(SPAM) 오차와 이중 큐비트 게이트 편향성을 정량화하는 것.
• 회로 복잡성과 연결성 제약이 알고리즘 성공률에 미치는 영향을 평가하며, 특히 Bernstein-Vazirani 알고리즘에서의 영향을 중심으로 한다.
• 크로스톺 및 컴파일러에 의해 유도되는 변형 등 시스템 고유의 제약을 특정하는 것.

제안 방법

• 클라우드로 접근 가능한 이온 트랩(IonQ) 및 초전도체(IBM, Rigetti) 양자 프로세서에서 소규모 양자 회로를 실행하는 것.
• 정확한 상태로 초기화된 큐비트를 준비하고 즉시 측정하여 SPAM 오차를 측정하는 것.
• 두 큐비트 간 이중 큐비트 연산의 수를 늘려 게이트 노이즈와 오차 누적도 측정하는 것.
• 큐비트 연결성과 오차 스케일링을 조사하기 위해 히프만 무게가 다른 Bernstein-Vazirani 알고리즘을 사용하는 것.
• 각 시스템의 네이티브 게이트 세트에 맞춰 제어-노트(CNOT) 및 얽힘 게이트(XX, CZ, ZX)를 구현하는 것.
• 통계적 오차를 초월하는 체계적 변동을 탐지하기 위해 다수의 실행에서 회로 성능을 분석하는 것.

실험 결과

연구 질문

• RQ1 이온 트랩과 초전도체 양자 컴퓨터는 이중 큐비트 연산에서 게이트 편향성과 오차 누적 측면에서 어떻게 비교되는가?
• RQ2 큐비트 연결성이 Bernstein-Vazirani 같은 양자 알고리즘의 성능에 얼마나 제한적인가?
• RQ3 이온 트랩과 초전도체 시스템 간의 SPAM 오차는 어떻게 다를까?
• RQ4 크로스톺과 컴파일러/트랜스파일러 효과는 관측된 성능 변동에 어떤 역할을 하는가?
• RQ5 어떤 시스템은 특정 회로 복잡도에서 갑작스럽게 알고리즘 성공률이 떨어지는 이유는 무엇인가?

주요 결과

• IonQ의 이온 트랩 시스템은 전체 큐비트 연결성 덕분에 Bernstein-Vazirani 알고리즘에서 뛰어난 성능을 보였으며, 히프만 무게가 증가함에 따라 성공률이 다소 감소하는 정도에 그쳤다.
• IBM-Vigo는 4 큐비트 BV 알고리즘에서 히프만 무게 4에서 성능이 급격히 떨어졌으며, 이는 각 큐비트당 최대 3개의 직접 연결만 가능하고 연결성이 제한되어 있기 때문이다.
• IBM-Melbourne는 10 큐비트 BV 알고리즘에서 히프만 무게 1~2를 초과할 경우 성공률이 급격히 감소했으며, 이는 크로스톺과 근접한 큐비트 연결성에서 유도되는 노이지 SWAP 연산이 필요하기 때문일 것이다.
• Rigetti Aspen-8는 10 큐비트 Bernstein-Vazirani 알고리즘에서 신뢰할 수 있는 출력을 내지 못했으며, 이는 확장성에 있어 시스템 고유의 제약이 있음을 시사한다.
• 모든 시스템에서 실행 간에 뚜렷한 성능 변동이 나타났으며, 이는 체계적 오차가 통계적 불확실성을 초월하고 있음을 시사한다. 이는 校정 드리프트나 타이밍 효과 때문일 수 있다.
• 10 큐비트 BV 알고리즘에서 1%의 성공률는 고전적 최적 성공률인 1/2^9 ≈ 0.2%를 초과하며, 이는 이 벤치마크에서 양자 우월성을 확인한다.