[论文解读] Quantum utility -- definition and assessment of a practical quantum advantage

Nils Herrmann, Daanish Arya+5 more|arXiv (Cornell University)|Mar 3, 2023

Quantum Computing Algorithms and Architecture被引用 5

一句话总结

本文提出了“量子效用”——一种考虑实际约束（如尺寸、重量、功耗和成本，即SWaP-C）的实用量子优势衡量标准。它提出了应用成熟度等级（ARLs）和扩展分类标签，用于评估量子化学、模拟、机器学习及数据分析等领域的量子应用，目前仅有变分量子本征求解器（VQEs）达到ARL-3，因其具备出色的可扩展性和资源估算潜力。

ABSTRACT

Several benchmarks have been proposed to holistically measure quantum computing performance. While some have focused on the end user's perspective (e.g., in application-oriented benchmarks), the real industrial value taking into account the physical footprint of the quantum processor are not discussed. Different use-cases come with different requirements for size, weight, power consumption, or data privacy while demanding to surpass certain thresholds of fidelity, speed, problem size, or precision. This paper aims to incorporate these characteristics into a concept coined quantum utility, which demonstrates the effectiveness and practicality of quantum computers for various applications where quantum advantage -- defined as either being faster, more accurate, or demanding less energy -- is achieved over a classical machine of similar size, weight, and cost. To successively pursue quantum utility, a level-based classification scheme -- constituted as application readiness levels (ARLs) -- as well as extended classification labels are introduced. These are demonstratively applied to different quantum applications from the fields of quantum chemistry, quantum simulation, quantum machine learning, and data analysis followed by a brief discussion.

研究动机与目标

• 定义一种综合考虑实际部署约束（如尺寸、重量、功耗和成本，即SWaP-C）的实用量子优势。
• 引入一种结构化的分类体系——应用成熟度等级（ARLs），以评估量子应用实现量子效用的成熟度。
• 利用ARLs和扩展分类标签，评估多样化量子应用（量子化学、模拟、机器学习、数据分析）在可扩展性、抗噪性及硬件兼容性方面的表现。
• 为研究人员和产业界提供一个框架，以聚焦于边缘可部署、低SWaP-C的量子应用，作为实现实际量子优势的早期示范。

提出的方法

• 提出“量子效用”作为整体性指标，不仅衡量速度、精度或能效，还涵盖物理尺寸和成本效益。
• 引入受NASA技术成熟度等级（TRLs）启发的五级ARL框架：ARL-1（概念化）至ARL-5（量子效用），实现对应用成熟度的分阶段评估。
• 开发扩展分类标签，以捕捉关键应用特性：可扩展性、门可编译性、量子比特连通性、抗噪性，以及在多个量子单元中的并行性。
• 将ARL框架应用于实际应用，包括VQEs、量子模拟、量子机器学习和拓扑数据分析（TDA），基于文献中的资源估算和算法特性。
• 以NISQ-TDA为例，展示即使在高测量次数要求下，近场算法仍可评估其可扩展性和硬件兼容性。
• 不仅比较经典与量子性能的理论加速，还关注实际部署场景，强调端到端运行时间和资源效率。

实验结果

研究问题

• RQ1 如何在考虑尺寸、重量、功耗和成本（SWaP-C）等物理约束的前提下，对量子优势进行有意义的定义，而不仅限于理论加速？
• RQ2 何种系统性框架可用于评估量子应用在实现真实世界效用方面的实际成熟度？
• RQ3 哪些量子应用目前已具备足够的可扩展性和硬件兼容性，可推进至ARL-3或更高？其关键促成因素是什么？
• RQ4 如何对应用特定特性（如抗噪性、电路深度和并行性）进行定量分类，以指导硬件与算法协同设计？
• RQ5 边缘部署或移动式量子应用在展示量子效用首个切实实例方面可能发挥何种作用？

主要发现

• 在所调研的应用中，变分量子本征求解器（VQEs）是唯一达到ARL-3的应用，因其具备出色的可扩展性和可用的资源估算。
• NISQ-TDA（拓扑数据分析）被归类为ARL-2，显示出向ARL-3发展的潜力，原因在于其电路深度呈线性缩放，且支持中途测量。
• 大多数量子应用缺乏详细的、设备特定的运行时间和资源估算，限制了其超越ARL-2的能力，也阻碍了实际量子效用的评估。
• ARL框架可系统性地评估量子应用在可扩展性、抗噪性及硬件兼容性等维度的表现，为产业界和研究界提供发展路线图。
• 具有高并行性且连通性要求低的应用，更有可能在近期边缘可部署的量子硬件上实现量子效用。
• 本文识别出当前文献中的一个关键缺口：极少有研究报告完整的算法运行时间或设备级性能对比，而这些对于评估量子效用至关重要。