[논문 리뷰] Emulating the coherent Ising machine with a mean-field algorithm

Andrew D. King, William Bernoudy외 3명|arXiv (Cornell University)|2018. 06. 21.

Quantum Computing Algorithms and Architecture참고 문헌 1인용 수 31

한 줄 요약

이 논문은 표준 GPU 하드웨어를 사용하여 광학적 구성 요소를 산술 계산으로 대체함으로써 공명 이징 기계(CIM)를 모방하는 고전적 노이즈 있는 평균장 냉각(NMFA) 알고리즘을 제안한다. NMFA는 이징 모델 문제에서 CIM 성능을 재현하며, 100스핀 규모에서 NTT CIM보다 20배 빠르고 스탠포드 CIM보다 130배 빠르게 작동한다. 이는 CIM의 계산적 우월성이 양자 효과에 기반하는 것이 아니라 효율적인 평균장 피드백에 기반한다는 것을 시사한다.

ABSTRACT

The coherent Ising machine is an optical processor that uses coherent laser pulses, but does not employ coherent quantum dynamics in a computational role. Core to its operation is the iterated simulation of all-to-all spin coupling via mean-field calculation in a classical FPGA coprocessor. Although it has been described as "operating at the quantum limit" and a "quantum artificial brain", interaction with the FPGA prevents the coherent Ising machine from exploiting quantum effects in its computations. Thus the question naturally arises: Can the optical portion of the coherent Ising machine be replaced with classical mean-field arithmetic? Here we answer this in the affirmative by showing that a straightforward noisy version of mean-field annealing closely matches CIM performance scaling, while running roughly 20 times faster in absolute terms.

연구 동기 및 목표

• 공명 이징 기계(CIM)의 성능이 양자 효과에 기반하는지 아니면 고전적 평균장 역동성에 기반하는지 조사하기.
• CIM의 광학적 구성 요소를 솔루션 품질을 유지하면서 고전적 계산으로 대체할 수 있는지 판단하기.
• 고전적 평균장 알고리즘이 이징 모델 문제에서 CIM의 성공 확률과 스케일링 행동을 얼마나 잘 재현할 수 있는지 평가하기.
• 런타임과 솔루션 품질 측면에서 실제 CIM 하드웨어와의 성능을 비교하기 위해 제안된 알고리즘의 성능 벤치마크를 수행하기.

제안 방법

• 스핀 측정, 평균장 계산, 피드백의 순환을 연속적인 실수값 스핀 [−1, 1]을 사용하여 CIM의 동작을 모방하는 노이즈 있는 평균장 냉각(NMFA) 알고리즘을 구현하기.
• 효율적 필드를 정규화하고 노이즈를 추가하기 위해 평균장 항 Φᵢ = (hᵢ + Σⱼ Jᵢⱼsⱼ) / √(hᵢ² + Σⱼ Jᵢⱼ²) + 𝒩(0, σ)을 계산하기.
• sᵢ ← α·(-tanh(Φᵢ / Tₜ)) + (1 - α)·sᵢ를 통해 스핀 값을 갱신하기. 여기서 α < 1은 피드백 강도를 제어하고 Tₜ는 시간이 지남에 따라 감소한다.
• 노이즈 지배에서 평균장 지배로의 부드러운 전이를 위해 세 구간으로 나누어 지수적 온도 스케줄을 사용하기.
• CIM 실험에서 사용된 파rameter로 고정하여 GPU에서 NMFA를 실행함으로써 직접적인 성능 비교가 가능하게 하기.
• 이전 CIM 연구 결과(예: Inagaki et al. 2016; Hamerly et al. 2018)를 재현하여 NMFA가 CIM 행동에 대해 높은 정밀도를 가지는지 검증하기.

실험 결과

연구 질문

• RQ1 고전적 평균장 알고리즘이 이징 모델 문제에서 공명 이징 기계(CIM)의 솔루션 품질과 스케일링 행동을 재현할 수 있는가?
• RQ2 공명 이징 기계는 고전적 평균장 방법보다 계산적 우월성을 확보하는가, 아니면 그 성능가 효율적인 고전적 피드백에 기인하는가?
• RQ3 GPU 가속 NMFA 알고리즘의 성능은 실제 CIM 하드웨어의 런타임과 솔루션 품질 측면에서 어떻게 비교되는가?
• RQ4 NMFA의 노이즈와 피드백 역동성은 광학적 CIM에서 관찰된 행동을 어느 정도 재현하는가?

주요 결과

• G22 인스턴스에서 NMFA는 평균 13,267, 최고 13,325의 MAX-CUT 값을 기록하여 NTT CIM의 13,248과 13,313에 매우 가까운 성능을 보였다.
• K₂₀₀₀ 밀집형 인스턴스에서 NMFA는 평균 32,730, 최고 33,186을 기록하여 NTT CIM의 32,457과 33,191에 근접한 성능을 보였다.
• N=100인 밀집형 MAX-CUT 인스턴스에서 NMFA는 샘플당 12.3 μs 내외로 작동하여 NTT CIM보다 약 20배, 스탠포드 CIM보다 약 130배 더 빠르게 작동했다.
• SK, 밀집형 MAX-CUT, 차수 3의 MAX-CUT 인스턴스에서 NMFA의 성공 확률은 CIM과 거의 동일하여 강력한 행동 유사성을 보였다.
• 알고리즘의 성능은 무작위, 스케일프리, 완전 연결 그래프 등 다양한 문제 유형에서 일관되게 높은 일치도를 보이며 CIM 결과와 유사하게 유지되었다.
• 연구 결과 CIM은 계산 과정에서 양자 효과를 활용하지 않으며, 표준 하드웨어에서 실행되는 고전적 평균장 알고리즘으로도 성능을 재현할 수 있다는 결론을 도출했다.