[논문 리뷰] Optimal Stochastic Resource Allocation for Distributed Quantum Computing

Napat Ngoenriang, Minrui Xu외 5명|arXiv (Cornell University)|2022. 09. 16.

Quantum Computing Algorithms and Architecture인용 수 5

한 줄 요약

이 논문은 작업 수요, 양자 컴퓨터 성능, 큐비트 품질도 불확실한 상황에서 총 배치 비용을 최소화하기 위해 이단계 확률적 프로그래밍 기반의 자원 할당 기법을 제안한다. 이 방법은 사전에 할당된 자원과 수요에 따라 할당되는 자원 사이의 최적 균형을 이루며, 저품질 양자 얽힘과 변동하는 수요 가격이 존재하는 다양한 시나리오에서도 최저 비용을 달성한다.

ABSTRACT

With the advent of interconnected quantum computers, i.e., distributed quantum computing (DQC), multiple quantum computers can now collaborate via quantum networks to perform massively complex computational tasks. However, DQC faces problems sharing quantum information because it cannot be cloned or duplicated between quantum computers. Thanks to advanced quantum mechanics, quantum computers can teleport quantum information across quantum networks. However, challenges to utilizing efficiently quantum resources, e.g., quantum computers and quantum channels, arise in DQC due to their capabilities and properties, such as uncertain qubit fidelity and quantum channel noise. In this paper, we propose a resource allocation scheme for DQC based on stochastic programming to minimize the total deployment cost for quantum resources. Essentially, the two-stage stochastic programming model is formulated to handle the uncertainty of quantum computing demands, computing power, and fidelity in quantum networks. The performance evaluation demonstrates the effectiveness and ability of the proposed scheme to balance the utilization of quantum computers and on-demand quantum computers while minimizing the overall cost of provisioning under uncertainty.

연구 동기 및 목표

• 불확실성 하에서 제한적이고 신뢰할 수 없는 양자 자원을 효율적으로 분산 양자 계산(DQC) 환경에서 할당하는 문제를 해결한다.
• 사전에 할당된 양자 컴퓨터의 고정 비용과 수요에 따라 사용하는 비용을 합산한 총 배치 비용을 최소화한다. 이는 수요와 양자 특성의 불확실성 하에서 이루어진다.
• 작업 수요, 양자 컴퓨터 계산 능력(큐비트 수), 그리고 양자 네트워크를 통해 전달되는 얽힌 벨 상태의 품질에 대한 불확실성을 다룬다.
• 저품질 또는 고수요 조건이 발생할 가능성이 있는 다양한 시나리오에 적응 가능한 강건한 자원 할당 전략을 확보한다.
• 동적인 불확실한 양자 네트워크 환경에서 작동하는 확장성 있고 적응 가능한 솔루션을 제공한다. 이는 결정론적 또는 무작위 할당 전략보다 뛰어난 성능을 보인다.

제안 방법

• 작업 수요(큐비트 수), 양자 컴퓨터 계산 능력(큐비트 용량), 그리고 얽힌 벨 상태의 품질에 대한 불확실성을 다루기 위해 이단계 확률적 프로그래밍 모델을 수립한다.
• 첫 번째 단계는 사전에 양자 컴퓨터를 설치하는 결정으로 고정 비용이 발생하며, 두 번째 단계는 실현된 시나리오에 따라 수요에 따라 양자 컴퓨터를 사용하는 결정을 내린다.
• 다양한 수요, 성능, 품질 조합을 표현하기 위해 이산 확률 분포(예: π(ω₁) = 0.8, π(ω₂) = 0.2)를 사용한 시나리오 기반 모델링을 수행한다.
• 부족 사용과 과잉 사용을 방지하기 위한 비용 함수를 통합하며, 품질 제약 조건을 포함하여 얽힘 품질이 충분히 높아(≥0.5) 계산이 성공적으로 수행될 수 있도록 보장한다.
• GAMS를 사용하여 MINLP 솔버를 활용해 모델을 해결함으로써 다수의 시나리오에 걸쳐 최적의 배치 및 수요 기반 사용 결정을 계산한다.
• 할당된 자원과 수요 기반 자원의 총 큐비트 용량이 작업 수요를 충족하거나 초과하도록 보장하는 제약 조건을 통합하며, 계산이 불가능하게 되는 품질 저하를 방지한다.

실험 결과

연구 질문

• RQ1 작업 수요, 계산 능력, 큐비트 품질의 불확실성 하에서 분산 양자 계산에서의 양자 자원 할당을 어떻게 최적화할 수 있는가?
• RQ2 다양한 불확실성 수준에서 사전에 할당된 양자 컴퓨터에 투자하는 것과 더 비싼 수요 기반 자원을 사용하는 것 사이의 상호 교환 관계는 어떠한가?
• RQ3 얽힌 벨 상태의 품질은 수요 기반 양자 컴퓨터 사용의 필요성과 비용에 어떤 영향을 미치는가?
• RQ4 유리한 시나리오(고수요, 고성능, 고품질)가 발생할 확률이 증가함에 따라 최적의 자원 할당 전략과 총 비용은 어떻게 변화하는가?
• RQ5 불확실성 하에서 비용 효율성 측면에서 결정론적 또는 무작위 할당 전략보다 이중 단계 확률적 프로그래밍 접근 방식이 뛰어난 성능을 보일 수 있는가?

주요 결과

• 제안된 확률적 모델은 모든 테스트 시나리오에서 총 배치 비용을 가장 낮게 유지하며, 기대값 공식화(EVF) 및 무작위 할당 모델보다 뛰어난 성능을 보였다.
• 작업 수요가 사전에 할당된 양자 컴퓨터의 용량을 초과할 경우(예: 11 큐비트), 수요 기반 양자 컴퓨터가 필요하며, 모델은 이에 적절히 대응하여 자원을 할당한다.
• 양자 컴퓨터의 계산 능력이 증가함에 따라(예: 큐비트 수 증가), 총 배치 비용이 감소한다. 이는 고비용 수요 기반 자원에 대한 의존도가 감소하기 때문이다.
• 벨 상태의 품질이 0.5 이하로 떨어지면, 양자 얽힘이 계산을 지원하지 못하므로 수요 기반 양자 컴퓨터가 반드시 필요하다. 반면, 품질이 0.5 이상일 경우 전체 계산이 가능하다.
• 수요 기반 양자 컴퓨터 비용이 기본 비용의 2배 이상일 경우 사전에 할당된 자원이 선호되며, 그 반대의 경우 수요 기반 자원이 유리하다. 모델은 이에 따라 효과적으로 대응한다.
• 시나리오 확률이 변화하더라도 모델은 여전히 비용 효율적이다. 특히 유리한 시나리오(고수요, 고성능, 고품질)가 발생할 가능성이 높을 경우(확률 ≥ 0.8), 사전에 할당된 자원이 우선적으로 선택된다.