[논문 리뷰] QPanda: high-performance quantum computing framework for multiple application scenarios

Menghan Dou, Tianrui Zou외 9명|arXiv (Cornell University)|2022. 12. 29.

Quantum Computing Algorithms and Architecture인용 수 8

한 줄 요약

QPanda는 NISQ 시대의 양자 계산을 위한 고성능, 다중 시나리오용 양자 프로그래밍 프레임워크로, 양자 화학, 금융, 기계학습 등 다양한 응용 분야에서 양자 회로의 효율적 시뮬레이션, 컴파일링 및 최적화를 가능하게 한다. CPU 및 GPU에서 뛰어난 시뮬레이션 성능을 달성하며, 고도의 회로 최적화 및 매핑 기법을 통해 실제 양자 프로세서에서 고정밀도 실행을 실현한다.

ABSTRACT

With the birth of Noisy Intermediate Scale Quantum (NISQ) devices and the verification of "quantum supremacy" in random number sampling and boson sampling, more and more fields hope to use quantum computers to solve specific problems, such as aerodynamic design, route allocation, financial option prediction, quantum chemical simulation to find new materials, and the challenge of quantum cryptography to automotive industry security. However, these fields still need to constantly explore quantum algorithms that adapt to the current NISQ machine, so a quantum programming framework that can face multi-scenarios and application needs is required. Therefore, this paper proposes QPanda, an application scenario-oriented quantum programming framework with high-performance simulation. Such as designing quantum chemical simulation algorithms based on it to explore new materials, building a quantum machine learning framework to serve finance, etc. This framework implements high-performance simulation of quantum circuits, a configuration of the fusion processing backend of quantum computers and supercomputers, and compilation and optimization methods of quantum programs for NISQ machines. Finally, the experiment shows that quantum jobs can be executed with high fidelity on the quantum processor using quantum circuit compile and optimized interface and have better simulation performance.

연구 동기 및 목표

• 양자 금융, 재료 시뮬레이션, 양자 기계학습 등 다양한 응용 분야를 지원하는 융통성 있고 고성능의 양자 프로그래밍 프레임워크에 대한 증가하는 수요를 해결하기 위해.
• 초고성능 컴퓨터와 양자 프로세서를 통합하여 대규모 양자 작업을 위한 효율적인 하이브리드 양자-클래식 계산을 가능하게 하기 위해.
• 제어 가능한 노이즈 모델과 오류 보정 지원을 통해 양자 알고리즘의 강건성을 향상시키기 위해.
• NISQ 장치를 위한 고도의 회로 최적화 및 컴파일링 기법을 통해 시뮬레이션 효율성과 정밀도를 향상시키기 위해.
• 고수준 양자 언어 통합과 저수준 QPU 상호작용을 모두 지원하는 사용자 우호적이고 확장 가능한 프레임워크를 제공하기 위해.

제안 방법

• QPanda는 CPU 및 GPU 가속을 지원하는 고성능 양자 회로 시뮬레이터를 구현하며, 최적화된 게이트 융합 및 병렬 처리 기법을 사용한다.
• 장치의 토폴로지(예: 격자, 사이클)와 게이트 제약 조건을 고려하여 논리적 양자 회로를 물리적 큐비트 레이아웃으로 매핑하는 통합 컴파일링 파이프라인을 제공한다.
• 게이트 융합(aggregate_operations를 통한) 및 CNOT 감소 전략과 같은 회로 최적화 전략을 통합하여 회로 깊이와 게이트 수를 최소화한다.
• 회로 분할 및 분산 실행을 위한 양자 프로세서와 초고성능 컴퓨터 간의 원활한 통합을 가능하게 하여 하이브리드 양자-클래식 워크로드를 지원한다.
• 강건한 양자 알고리즘 설계 및 오류 보정 테스트를 위해 구성 가능한 노이즈 모델 백엔드를 통합한다.
• 외부 양자 라이브러리(예: Cirq, PennyLane)를 QPanda 실행 백엔드로 통합할 수 있는 모듈러 백엔드 시스템을 노출한다.

실험 결과

연구 질문

• RQ1 양자 화학, 금융, 기계학습 등 다양한 응용 시나리오를 지원할 수 있도록 양자 프로그래밍 프레임워크를 아키텍처화하는 방법은 무엇인가?
• RQ2 NISQ 시대의 양자 계산에서 성능과 정밀도를 극대화하기 위한 시뮬레이션 및 컴파일링 기법은 무엇인가?
• RQ3 제약 조건이 있는 양자 하드웨어에서 알고리즘의 정확성을 유지하면서 게이트 수와 깊이를 줄이기 위해 회로 최적화는 어떻게 작용할 수 있는가?
• RQ4 초고성능 컴퓨터는 대규모 양자 회로를 위한 하이브리드 양자-클래식 계산을 어떻게 지원할 수 있는가?
• RQ5 노이즈 모델과 오류 보정 전략의 통합은 실제 환경 배포에서 양자 알고리즘의 강건성을 어떻게 향상시키는가?

주요 결과

• QPanda는 Qiskit 및 Qulacs와 같은 최첨단 프레임워크보다 랜덤 회로의 단일 스레드 및 다중 스레드 CPU 시뮬레이션에서 성능이 뛰어나며, 특히 회로 최적화 기능이 활성화된 경우 두드러진 성능을 보인다.
• QPanda의 GPU 가속 시뮬레이션은 CPU 전용 실행보다 훨씬 빠른 성능을 달성하며, 기준 결과와의 정확도 오차가 10^-3 이내에 머문다.
• QPanda의 회로 최적화는 다양한 QAOA 벤치마크에서 격자 및 사이클 토폴로지에서 평균적으로 회로 깊이를 최대 35% 감소시키고, CNOT 게이트 수를 최대 50% 감소시킨다.
• 컴파일 및 최적화된 양자 회로는 실제 양자 프로세서에서 높은 정밀도로 실행되며, QPanda의 매핑 및 컴파일링 파이프라인의 효과성을 입증한다.
• 프레임워크는 고성능 시뮬레이션과 효율적인 QPU 상호작용을 가능하게 하며, 다양한 벤치마크 구성에서 실행 속도 및 자원 효율성 향상이 명확하게 측정된다.
• QPanda의 모듈러 백엔드 설계는 외부 양자 라이브러리 통합에 성공적으로 활용되어 더 넓은 생태계 확장성을 실현한다.