[论文解读] Arline Benchmarks: Automated Benchmarking Platform for Quantum Compilers

Y. Kharkov, A. Ivanova+2 more|arXiv (Cornell University)|Feb 28, 2022

Quantum Computing Algorithms and Architecture被引用 12

一句话总结

Arline Benchmarks 引入了一个开源平台，用于在NISQ时代对量子编译器进行自动化、跨框架的基准测试，实现了对跨多种量子硬件的电路优化流水线的系统性评估。通过将多个供应商（如 Qiskit、PyZX 和 Cirq）的子程序组合成复合流水线，该平台实现的 CX 门数量比单个编译器或专家设计的工具链低最多 30%，表明最优的编译顺序可显著提升电路压缩效果，超越标准工具链。

ABSTRACT

Efficient compilation of quantum algorithms is vital in the era of Noisy Intermediate-Scale Quantum (NISQ) devices. While multiple open-source quantum compilation and circuit optimization frameworks are available, e.g. IBM Qiskit, CQC Tket, Google Cirq, Rigetti Quilc, PyZX, their relative performance is not always clear to a quantum programmer. The growth of complexity and diversity of quantum circuit compilation algorithms creates a demand for a dedicated tool for cross-benchmarking and profiling of inner workflow of the quantum compilation stack. We present an open-source software package, Arline Benchmarks, that is designed to perform automated benchmarking of quantum compilers with the focus on NISQ applications. The name "Arline" was given in honour of Arline Greenbaum Feynman, the first wife of Richard Feynman, the pioneer of quantum computing. We compared several quantum compilation frameworks based on a set of important metrics such as post-optimization gate counts, circuit depth, hardware-dependent circuit cost function, compiler run time etc. with a detailed analysis of metrics for each compilation stage. We performed a variety of compiler tests for random circuits and structured quantum algorithms (VQE, Trotter decomposition, Grover search, Option Pricing via Amplitude Estimation) for several popular quantum hardware architectures. Leveraging cross-platform functionality of Arline, we propose a concept of composite compilation pipeline that combines compiler-specific circuit optimization subroutines in a single compilation stack and finds an optimized sequence of compilation passes. By providing detailed insights into the compilation flow of quantum compilers, Arline Benchmarks offers a valuable toolkit for quantum computing researchers and software developers to gain additional insights into compilers' characteristics.

研究动机与目标

• 解决 NISQ 时代量子编译器缺乏系统性、跨框架基准测试的问题。
• 评估不同硬件架构和量子算法下量子编译工作流的性能表现。
• 探究顺序优化子程序排序对电路压缩和门数减少的影响。
• 开发一种工具，使研究人员和开发者能够比较、分析并优化量子编译器流水线。
• 建立一个标准化、可扩展的基准测试框架，用于评估多种编译器和硬件目标下的量子电路优化效果。

提出的方法

• 该平台使用标准化输入电路（包括随机电路和结构化算法，如 VQE、Trotter 分解、Grover 搜索以及通过振幅估计算法实现的期权定价）自动化执行端到端的量子编译器基准测试。
• 将所有输入电路转换为固定门集，并将输出映射到硬件原生门集，确保不同编译器之间的公平比较。
• 评估关键指标，包括两比特门数量（CX）、电路深度、运行时间，以及基于门保真度和硬件参数的表观成本函数。
• 对来自不同框架（如 Qiskit、Cirq、PyZX、Pytket）的子程序组合而成的复合编译流水线进行暴力搜索，以识别最优序列。
• 平台支持全连接和硬件特定的量子比特连通性模型，可分析路由和映射子程序的效果。
• 可视化编译各阶段的指标变化，支持对每个子程序影响的详细性能分析。

实验结果

研究问题

• RQ1 量子编译器子程序在不同量子算法和硬件架构下的性能表现如何？
• RQ2 通过整合多个供应商的子程序形成的复合编译流水线，是否能实现比单个编译器更好的电路压缩效果？
• RQ3 子程序的排序对最终电路指标（如 CX 门数量和电路深度）有何影响？
• RQ4 当门模式被随机化时，针对特定算法的优化（如 UCCSD 电路）表现如何？
• RQ5 自动化流水线搜索在多大程度上能超越专家设计的编译器堆栈？

主要发现

• 复合流水线方法在 H2cmpltJW631g（8Q）电路上实现了 206 个 CX 门，优于最佳单个子程序（242 个）和专家设计的 PytketChemPl（236 个）。
• 在 NHfrzJWsto3g（10Q）电路中，最佳复合流水线将 CX 门数减少至 862 个，低于 FullReduce 单独使用时的 1051 个，也远低于 ChemPl 的 1305 个。
• EjectPhasedPaulis 与 FullReduce 的组合相比仅使用 FullReduce，额外将 CX 门数减少 10%，表明存在协同优化效应。
• Put Option（11Q）电路的最佳性能流水线仅使用 54 个 CX 门，相比输入电路减少 26%，且比最佳单个子程序低 8%。
• 性能高度依赖于电路类别和硬件连通性，结构化电路对门模式变化更为敏感。
• 该平台的暴力搜索方法识别出了优于手工设计流水线（如 PytketChemPl）的优化序列，尤其在基于 UCCSD 的电路中表现显著。