[论文解读] Assessing requirements to scale to practical quantum advantage

Michael E. Beverland, Prakash Murali+8 more|arXiv (Cornell University)|Nov 14, 2022

Quantum Computing Algorithms and Architecture被引用 65

一句话总结

本文开发了一个模块化的量子资源估计框架及一个公开工具，用于估算大规模量子应用的资源；在现实约束下，实用的量子优势需要数十万到百万级的物理量子比特。

ABSTRACT

While quantum computers promise to solve some scientifically and commercially valuable problems thought intractable for classical machines, delivering on this promise will require a large-scale quantum machine. Understanding the impact of architecture design choices for a scaled quantum stack for specific applications, prior to full realization of the quantum system, is an important open challenge. To this end, we develop a framework for quantum resource estimation, abstracting the layers of the stack, to estimate resources required across these layers for large-scale quantum applications. Using a tool that implements this framework, we assess three scaled quantum applications and find that hundreds of thousands to millions of physical qubits are needed to achieve practical quantum advantage. We identify three qubit parameters, namely size, speed, and controllability, that are critical at scale to rendering these applications practical. A goal of our work is to accelerate progress towards practical quantum advantage by enabling the broader community to explore design choices across the stack, from algorithms to qubits.

研究动机与目标

• 明确并正式化理解量子计算机扩展到实用优势所需的架构需求的动机。
• 提出一个覆盖从高层算法到物理硬件的模块化分层资源估计框架，用于量子计算。
• 实现并发布一个工具（Azure Quantum Resource Estimator），用于从给定算法与架构在各分层估算资源。
• 分析代表性的大规模量子应用，以识别关键的尺度驱动因素和对量子比特技术的制约。

提出的方法

• 提出一个两层堆叠的量子资源估计抽象，将上层（程序表示）与下层（机器模型）对齐，中间放置一个量子ISA。
• 定义一组模块化的层次（高层量子语言、量子IR、设备控制、微体系结构、微码/QEC、量子ISA）以及它们之间的显式映射。
• 使用容错设计和QEC框架来建模资源需求，包括阈值、并行性和连通性约束。
• 实现 Azure Quantum Resource Estimator 工具，从给定的算法和硬件参数计算物理量子比特、运行时间及其他资源。
• 在不同量子比特参数下分析三种应用（二维横场Ising模型动力学、量子化学活化能以及Shor 的因子分解），以评估规模需求。

实验结果

研究问题

• RQ1 为了在大规模实现实用量子优势，需要哪些量子比特技术特性（规模、速度、可控性）？
• RQ2 量子堆栈中的架构选择如何影响著名量子应用的资源需求？
• RQ3 误差校正编码和连通性对大规模量子计算的资源意味着什么？
• RQ4 一个标准的、模块化框架是否能在算法、语言和后端硬件之间实现公平比较？
• RQ5 在现实架构上运行代表性科学与密码分析应用时，估计需要的资源（量子比特、时间）是多少？

主要发现

• 实现实用量子优势很可能需要数十万到百万级的物理量子比特。
• 在规模上，三个关键量子比特参数是规模、速度和可控性。
• 良好连通的量子比特（如二维连通性）与并行操作能力以及物理错误率低于0.1%对实现可行的容错扩展至关重要。
• 资源估计框架实现了跨堆栈层的端到端分析，有助于比较与设计决策。
• Shor 的算法、化学/物理模拟及相关应用由于误差校正开销而带来大量资源需求，从而推动架构优先级的确定。