[논문 리뷰] Quantum Algorithms for Charged Particle Track Reconstruction in the LUXE Experiment

Arianna Crippa, Lena Funcke외 9명|arXiv (Cornell University)|2023. 01. 01.

Quantum Computing Algorithms and Architecture인용 수 3

한 줄 요약

이 논문은 LUXE 실험에서의 고다중도 조건에서 양성자 궤적 복원을 위한 게이트 기반 양자 컴퓨팅의 활용을 조사한다. 여기서는 양자 고유값을 최소화하는 변이형 양자 고유값 알고리즘(VQE)을 사용하여 이차 무제약 이진 최적화(QUBO) 문제를 해결하고, 양자 그래프 신경망(QGNN)을 적용한다. 고전적 시뮬레이션과 IBM의 ibm_nairobi 하드웨어에서, VQE 기반 QUBO 접근법은 높은 다중도에서 더 높은 가짜 비율을 보이며 경쟁 가능한 복원 효율성을 보였고, QGNN은 현재 NISQ 장치의 제약으로 인해 제한을 받았다.

ABSTRACT

The LUXE experiment is a new experiment in planning in Hamburg, which will study quantum electrodynamics at the strong-field frontier. LUXE intends to measure the positron production rate in this unprecedented regime using, among others, a silicon tracking detector. The large number of expected positrons traversing the sensitive detector layers results in an extremely challenging combinatorial problem, which can become computationally expensive for classical computers. This paper investigates the potential future use of gate-based quantum computers for pattern recognition in track reconstruction. Approaches based on a quadratic unconstrained binary optimisation and a quantum graph neural network are investigated in classical simulations of quantum devices and compared with a classical track reconstruction algorithm. In addition, a proof-of-principle study is performed using quantum hardware.

연구 동기 및 목표

• LUXE 실험의 고다중도 환경에서 양성자 궤적 복원을 위한 게이트 기반 양자 알고리즘의 실현 가능성을 탐색하기 위해.
• 강한 필드 QED 실험에서 예상되는 극도로 높은 양성자 다중도 조건 하에서 조합적 궤적 복원의 계산적 과제를 해결하기 위해.
• 효율성, 가짜 비율, 에너지 해상도 측면에서 고전적 추적 알고리즘과 비교하여 양자 접근법(VQE-QUBO 및 QGNN)의 성능을 평가하기 위해.
• 고전적 시뮬레이션과 실제 NISQ 시대의 양자 하드웨어(ie. ibm_nairobi)에서의 증명 실험을 통해 양자 알고리즘 성능을 검증하기 위해.

제안 방법

• 최대 약 10,000개의 양성자가 한 번의 빛줄기 충돌에서 발생하는 현실적인 이벤트 데이터를 생성하기 위해, LUXE 실리콘 픽셀 트래커의 독립형 고속 시뮬레이터를 개발하였다.
• 이중 변수를 사용하여 삼중조합 후보를 표현하고, 시뮬레이션 및 실제 양자 장치에서 VQE를 통해 최적화하는 방식으로 궤적 복원 문제를 QUBO 문제로 공식화하였다.
• 입자 충격과 그들의 공간적 관계를 모델링하기 위해 그래프 구조 데이터를 사용하여 궤적 복원에서 패턴 인식을 수행하는 QGNN 기반 접근법을 구현하였다.
• ibm_nairobi 양자 프로세서에서 결과의 정밀도를 향상시키기 위해 캘리브레이션 행렬을 사용한 측정 오차 보정 기법을 적용하였다.
• 비용 함수를 최소화하기 위해 양자 회로를 파arameter화하고 고전적 최적화기를 결합한 하이브리드 양자-고전적 최적화 파이프라인을 사용하였다.
• 다양한 입자 다중도에서 복원 효율성, 가짜 비율, 에너지 해상도 등의 지표를 사용하여 성능을 평가하였다.

실험 결과

연구 질문

• RQ1 VQE 기반 QUBO 최적화는 고다중도 LUXE 이벤트에서 고전적 궤적 복원보다 효율성 측면에서 뛰어나게 작용할 수 있는가?
• RQ2 입자 다중도가 증가함에 따라 양자 보조 복원의 가짜 비율은 고전적 방법과 비교해 어떻게 변화하는가?
• RQ3 현재 NISQ 장치에서 QGNN 기반 궤적 복원의 성능 한계는 무엇이며, 큐비트 수와 회로 깊이 제약은 어떤 영향을 미치는가?
• RQ4 측정 오차 보정은 실제 하드웨어에서의 양자 궤적 복원 신뢰성 향상에 얼마나 효과적인가?
• RQ5 문제 분해 전략(예: 영향 기반 정렬)은 양자 궤적 복원 알고리즘의 확장성 향상에 얼마나 기여하는가?

주요 결과

• 고전적 시뮬레이션에서 VQE 기반 QUBO 접근법은 고다중도 조건에서 고전적 알고리즘보다 다소 높은 복원 효율성을 달성하였다.
• 고다중도 조건에서 VQE 방법은 가짜 비율이 고전적 방법보다 약 20% 높게 증가하는 경향을 보였다.
• ibm_nairobi 양자 프로세서에서 VQE 결과는 이상 시뮬레이션과 강한 상관관계를 보였으며, 오차 보정 후 올바른 해(0001111)가 가장 높은 확률을 가진 결과로 나타났다.
• QGNN 접근법은 현재 NISQ 하드웨어의 큐비트 수와 회로 깊이 제약으로 인해 수천 개의 입자 수준 이하에서만 평가가 가능했다.
• 영향 기반 정렬 전략은 상호작용하는 삼중조합이 없는 단순한 부분 QUBO의 비율을 높여, 문제 분해 방식의 개선이 필요함을 시사하였다.
• VQE에서 최적화기의 선택은 진짜 최소값을 찾을 확률에 큰 영향을 미쳤으며, 향후 구현에 있어 철저한 하이퍼파rameter 튜닝이 필요함을 시사하였다.