EFaaS: A Quantum-Classical Serverless Entangled Scheduler for Hybrid Variational Algorithms

Die Arbeit stellt EFaaS vor, eine neuartige serverlose Middleware, die hybride variationale Quantenalgorithmen optimiert, indem sie klassische und Quantenaufgaben als verschränkte, sessionsbewusste Ereignisse behandelt, um die Latenz drastisch zu reduzieren, Hardware-Drift-Strafen zu eliminieren und die Konvergenz durch kalibrierungsbewusstes Routing und spekulative Ausführung zu beschleunigen.

Das Wesentliche

Stellen Sie sich vor, Sie versuchen, ein riesiges, komplexes Puzzle zu lösen. Dafür haben Sie zwei Helfer: einen brillanten menschlichen Strategen (die klassische CPU) und eine super schnelle, aber sehr zerbrechliche magische Kristallkugel (den Quantenprozessor oder QPU).

Das Problem ist, dass diese beiden Helfer in einem schrecklichen Kreislauf arbeiten.

1. Der Strategen denkt einen Zug aus.
2. Er ruft ihn der Kristallkugel zu.
3. Die Kristallkugel braucht einen Moment zum Nachschauen und flüstert dann das Ergebnis zurück.
4. Der Strategen denkt den nächsten Zug aus.

Im aktuellen „Cloud"-System ist dieser Prozess defekt. Jedes Mal, wenn der Strategen einen Zug ruft, muss er in einer langen, chaotischen Schlange (einer Batch-Warteschlange) warten, nur um die Aufmerksamkeit der Kristallkugel zu erhalten. Während des Wartens wird die Kristallkugel „kalt" und vergisst ihre Einstellungen. Bis der Strategen endlich sprechen darf, muss die Kristallkugel anhalten, sich neu kalibrieren und dann antworten. Dies lässt den gesamten Prozess Tage statt Minuten dauern, und die Antworten werden ungenauer, weil die Kristallkugel aus dem Takt gerät.

EFaaS ist ein neuer, intelligenter „Vermittler", der entwickelt wurde, um diesen defekten Kreislauf zu reparieren. So funktioniert es, unter Verwendung einfacher Analogien:

1. Die „verschränkte" Sitzung (Kein Warten in der Schlange mehr)

Anstatt jeden Zug als separate Aufgabe zu behandeln, die in eine Warteschlange geworfen wird, behandelt EFaaS den Strategen und die Kristallkugel als ein eng gekoppeltes Team.

• Der alte Weg: Wie ein Brief per Post. Sie werfen ihn in einen Briefkasten, warten Tage auf die Sortierung und hoffen, dass der Empfänger noch wach ist.
• Der EFaaS-Weg: Wie ein Videoanruf. Sobald der Strategen mit dem Nachdenken fertig ist, wartet die Kristallkugel bereits und ist bereit zuzuhören. Der „Vermittler" hält die Einstellungen der Kristallkugel „warm" und aktiv, sodass es kein Warten in der Schlange gibt und keine Neujustierung erforderlich ist.

2. Der „warme Cache" (Die Kristallkugel im Takt halten)

Quantencomputer sind wie empfindliche Musikinstrumente; wenn Sie sie einige Minuten nicht spielen, geraten sie aus dem Takt (dies wird Quanten-Drift genannt).

• Das Problem: Wenn der Strategen zu lange zum Nachdenken braucht, gerät die Kristallkugel aus dem Takt. Wenn sie schließlich nach einer Antwort fragen, ist das Instrument defekt und das Ergebnis ist unbrauchbar.
• Die EFaaS-Lösung: Der Vermittler wirkt wie ein Stimmgabel. Er hält die Kristallkugel auf der exakten Frequenz, die für das aktuelle Puzzle benötigt wird. Er weiß genau, wie lange der Strategen zum Nachdenken braucht, und stellt sicher, dass die Kristallkugel genau in dem Moment bereit ist, in dem der Strategen fertig ist. Dies verhindert die „Cold-Start"-Strafe, bei der die Maschine anhalten und sich selbst reparieren muss.

3. Der „Zukunftssicherungs"-Trick (Zwei Dinge gleichzeitig tun)

Normalerweise muss der Strategen völlig regungslos sitzen und warten, bis die Kristallkugel ihre Berechnung abgeschlossen hat, bevor er den nächsten Zug ausdenken kann.

• Die EFaaS-Innovation: Sie führten einen Trick namens „EF-QuantumFuture" ein. Es ist so, als würde der Strategen beginnen, den nächsten Zug auszuarbeiten, während die Kristallkugel noch am aktuellen arbeitet.
• Sobald die Kristallkugel fertig ist, befindet sich der Strategen bereits auf halbem Weg zum nächsten Schritt. Diese „spekulative" Arbeit versteckt die Wartezeit und lässt den gesamten Prozess sofortig erscheinen.

4. Der „faire, aber schnelle" Verkehrspolizist

Das System muss auch sicherstellen, dass, während dieses spezifische Puzzle gelöst wird, andere Personen, die auf die Nutzung der Kristallkugel warten, nicht ignoriert werden.

• Die Lösung: EFaaS verwendet einen intelligenten Verkehrspolizisten (Dual-Resource Fair Queuing genannt). Er gibt dem „heißen" Puzzle (dem, das gerade gelöst wird) eine grüne Welle, um die Schlange zu überspringen, aber nur, wenn es Teil derselben aktiven Sitzung ist. Sobald dieses Puzzle fertig ist, steht die Kristallkugel sofort für die nächste Person zur Verfügung. Dies stellt sicher, dass die teure Kristallkugel nie untätig herumsteht, während der Strategen nachdenkt.

Die Ergebnisse: Warum es wichtig ist

Die Studie testete dieses System gegen die alten Methoden (Warten in der Schlange oder Bezahlen, um die Kristallkugel exklusiv für sich selbst zu sperren).

• Geschwindigkeit: Sie reduzierte die Zeit zwischen den Zügen um 11 % bis 94 %.
• Effizienz: Sie hielt die Kristallkugel 2 % bis 15 % länger beschäftigt und arbeitend im Vergleich zu anderen Methoden.
• Genauigkeit: Sie eliminierte die „Drift"-Fehler fast vollständig, was bedeutet, dass die Antworten viel zuverlässiger sind.
• Kosten: Sie löste das Puzzle 83 % bis 98 % schneller als die Standardmethoden, ohne dass eine teure, exklusive Reservierung der Maschine bezahlt werden musste.

Kurz gesagt: EFaaS verwandelt einen langsamen, defekten, unterbrochenen Prozess in ein flüssiges, kontinuierliches Gespräch zwischen einem Menschen und einer Maschine, stellt sicher, dass die Maschine im Takt bleibt und der Mensch niemals warten muss.

Technische Zusammenfassung

Technische Zusammenfassung: EFaaS

Problemstellung

Da die Quantencomputing-Technologie in die „Utility-Ära" eintritt, hängt die Realisierung eines kurzfristigen Vorteils stark von hybriden variationalen Quantenalgorithmen (VQAs) ab, wie dem Variational Quantum Eigensolver (VQE) und dem Quantum Approximate Optimization Algorithm (QAOA). Diese Algorithmen arbeiten über eine eng gekoppelte, iterative Schleife, bei der ein klassischer CPU-Optimierer Parameter basierend auf Kostenfunktionsauswertungen aktualisiert, die von einer Quantum Processing Unit (QPU) durchgeführt werden.

Aktuelle Modelle für den Cloud-Zugriff auf Quantencomputer, die auf entkoppelten Batch-Warteschlangensystemen basieren, erzeugen einen kritischen Engpass für diese Workflows. Die identifizierten Hauptprobleme sind:

1. Latenz bis zum nächsten Schuss (Time-to-Next-Shot, TTNS): Die iterative Schleife wird durch Wartezeiten in der Warteschlange ($t_{queue}$) unterbrochen, die von Sekunden bis zu Minuten reichen können. Für Algorithmen, die Tausende von Iterationen erfordern, verlängert dies die Konvergenzzeit von Minuten auf Tage.
2. Quantenhardware-Drift: Verlängerte Verzögerungen zwischen den Iterationen („Cold Starts") führen dazu, dass Kalibrierungsdaten der QPU veralten. Dieser Drift verschlechtert die Messgenauigkeit (Fidelity) und zerstört die Kohärenz des Optimierungslandschafts, was kostspielige Neu-Kalibrierungen erzwingt oder zum algorithmischen Versagen führt.
3. Ressourcenineffizienz: Bestehende Lösungen sind binär und ineffizient. Statische QPU-Reservierungen eliminieren zwar die Warteschlangenlatenz, verschwenden aber knappe QPU-Ressourcen während der Phasen der klassischen Berechnung. Umgekehrt versagen zustandslose Functions-as-a-Service (FaaS)-Modelle darin, den Sitzungskontext aufrechtzuerhalten, der erforderlich ist, um Cold Starts und Drift zu verhindern.

Methodik

Die Autoren schlagen EFaaS (Entangled Function-as-a-Service) vor, ein neuartiges serverloses Middleware-System, das entwickelt wurde, um die klassische Parameteroptimierung und die Ausführung von Quantenschaltungen als „verschränkte, sitzungsbewusste Ereignisse" gemeinsam zu planen. Die Architektur befindet sich zwischen dem klassischen Cloud-Orchestrator und der Quanten-Kontrollplane und definiert die Beziehung zwischen diesen beiden Domänen grundlegend neu.

Das System stützt sich auf drei technische Kerninnovationen:

1. Sitzungsawareness und Kalibrierungs-Caching

EFaaS führt eine Session Awareness Engine ein, die QPU-Shots und CPU-Funktionen als kontinuierliche Sitzung und nicht als isolierte Jobs behandelt.

• Mechanismus: Wenn ein hybrider Algorithmus eingereicht wird, verhandelt das Middleware-System ein Zeitfenster mit hoher Priorität mit der Quanten-Kontrollplane. Es setzt ein Sitzungsflag ($E_s = 1$), um die Kontrollplane anzuweisen, Kalibrierungsdaten ($C_q$) in einem lokalen Cache vorzuhalten.
• Logik: Der Scheduler stellt sicher, dass die Zeit zwischen den Iterationen ($\Delta t$) innerhalb der Quantenkohärenz- bzw. Drift-Schwelle ($\tau_{drift}$) bleibt. Solange die klassische CPU die nächste Schaltung innerhalb dieses Fensters zurückgibt, führt die QPU sofort aus, ohne neu kalibriert zu werden. Dies treibt $t_{queue} \to 0$ und $\delta \to 0$ (wobei $\delta$ einen Cold Start anzeigt).

2. Kalibrierungsbewusste Platzierungsstrategie

Im Gegensatz zu Standard-Affinitätsrichtlinien, die auf Software-Invarianten basieren (z. B. Container-Lebensdauer), verwendet EFaaS eine Platzierungsstrategie, die auf physikalischen Kohärenzzeit-Schwellenwerten basiert.

• Der Scheduler verfolgt den Kalibrierungszustand der physischen Hardware.
• Für aktive „Hot Iterators" (Sitzungen, bei denen die CPU die nächsten Parameter berechnet), leitet die Platzierungsengine die Schaltung an die spezifische QPU weiter, die die gültigen, warmen Kalibrierungsdaten hält.
• Wird die Drift-Schwelle überschritten, wird vor der Wiederaufnahme der Sitzung eine lokale, partielle Neu-Kalibrierung ausgelöst, um eine vollständige System-Neukalibrierung zu vermeiden.

3. Dual-Resource Fair Queuing (DRFQ) und EF-QuantumFuture

Um den Quantum Duty Cycle (QDC) zu maximieren, ohne andere Workloads zu verhungern zu lassen, implementiert EFaaS einen Dual-Resource Fair Queuing-Scheduler.

• Prioritätsbewertung: Der Scheduler weist Aufgaben eine dynamische Prioritätsbewertung ($\rho_i$) zu, die aktive Sitzungen ($\alpha$) und die Dringlichkeit des Kalibrierungsfensters ($\beta$) stark gewichtet. Dies stellt sicher, dass zurückkehrende Schaltungen aus aktiven Schleifen Standard-Batch-Jobs vorwegnehmen.
• EF-QuantumFuture-Abstraktion: Um die Latenz der klassischen Berechnung zu maskieren, führt das System eine spekulative Ausführungs-Primitive ein. Das Middleware-System gibt sofort nach der Einreichung der Schaltung ein asynchrones „Future"-Objekt zurück. Dies ermöglicht es dem klassischen Optimierer, spekulative nicht-abhängige Aufgaben (z. B. Hyperparameter-Aktualisierungen) auszuführen, während die QPU den aktuellen Schuss ausführt.
• Latenzreduktion: Die effektive Iterationslatenz wird reduziert auf $L_{ent} = \max(t_{cpu} - t_{async}, 0) + t_{qpu} + t_{net}$, wodurch die klassische und die Quantenausführung effektiv überlappt werden.

Hauptbeiträge

Die Arbeit behauptet folgende spezifische Beiträge:

1. EFaaS-Ausführungsmodell: Ein hybrides serverloses Modell, das Quantenschaltungen und klassische Optimierung als sitzungskoppelte Ereignisse gemeinsam plant und die TTNS drastisch reduziert.
2. Kalibrierungsbewusste Platzierung: Eine Routing-Strategie, die Cold Starts verhindert, indem sie Schaltungen an QPUs mit gültigen, iterativ spezifischen Kalibrierungsdaten leitet und die Gültigkeit der Affinität von Software-Invarianten auf physikalische Drift-Dynamiken umformuliert.
3. Dual-Resource Fair Queuing (DRFQ): Eine Planungsrichtlinie, die Dominant Resource Fairness auf einen Kontext erweitert, in dem eine Ressource (QPU-Shots) physikalischen Verfallsbeschränkungen unterliegt, wodurch der QDC maximiert wird, während die Fairness für klassische Workloads erhalten bleibt.
4. EF-QuantumFuture: Eine spekulative Ausführungs-Primitive, die eine nicht-blockierende Verteilung und einen definierten Spekulation/Commit/Abort-Vertrag über den Zustand des klassischen Optimierers ermöglicht, eine Funktion, die in früheren hybriden Frameworks nicht vorhanden war.

Experimentelle Ergebnisse

Die Autoren bewerteten EFaaS gegen vier Baselines: Standard Batch-Queue (SBQ), Pure FaaS (PF), Static Reservation (SR) und Pilot-Quantum (PQ). Die Bewertung verwendete einen diskret-eventbasierten Simulator mit 31 Benchmark-Schaltungen (2–16 Qubits), die VQE-ähnliche Workloads ausführen.

• TTNS-Reduktion: EFaaS erreichte eine durchschnittliche TTNS von 3,6 s, was einer Reduktion von 92,5 % im Vergleich zu SBQ (48,4 s) und 93,4 % im Vergleich zu PF (54,5 s) entspricht. Im Vergleich zu SR und PQ zeigte EFaaS bescheidene, aber konsistente Verbesserungen (11,4 %–14,9 %) durch die Nutzung spekulativer Ausführung zur Reduzierung von CPU-blockierenden Wartezeiten.
• Quantum Duty Cycle (QDC): EFaaS erreichte einen durchschnittlichen QDC von 23,4 % und übertraf SBQ und PF um mehr als 14 Prozentpunkte. Es übertraf SR ebenfalls um 2,2 Prozentpunkte, da die exklusive Sperrung von SR die QPU während der Schritte der klassischen Optimierung in den Leerlauf zwingt, während EFaaS diese Phasen überlappt.
• Konvergenz-Beschleunigung: Die End-to-End-Konvergenzzeit wurde im gesamten Benchmark-Satz um 83,2 %–98,3 % reduziert. EFaaS konvergierte im Durchschnitt in 22,9 s, verglichen mit 213 s für SBQ und 320 s für PF.
• Drift-Strafen: EFaaS akkumulierte null Drift-Ereignisse im gesamten Benchmark-Satz (mit einem statistischen Ausreißer in einer komplexen Schaltung bei maximaler Simulationszeit). Im Gegensatz dazu akkumulierten SBQ, PF und PQ 95, 69 bzw. 89 Drift-Ereignisse, was kostspielige Neu-Kalibrierungen erzwang. SR erreichte null Drift, jedoch auf Kosten der Ressourceneffizienz.
• Skalierbarkeit: Die Leistungs-vorteile blieben bestehen, als die Komplexität der Schaltungen von 2 auf 16 Qubits zunahm, wobei die TTNS konstant blieb und der QDC über 22 % lag.

Bedeutung und Behauptungen

Die Arbeit argumentiert, dass die Planungs-Schicht derzeit der dominante Engpass für hybride Quanten-Workloads ist. Die Bedeutung von EFaaS liegt in seiner Fähigkeit, gleichzeitig niedrige Latenz und Kalibrierungsintegrität zu erreichen, ohne die wirtschaftlich nicht skalierbare Praxis exklusiver QPU-Reservierung zu erfordern.

Indem es klassische und Quantenressourcen als verschränkte, sitzungsbewusste Entitäten behandelt, löst EFaaS die „System-Level-Reibung", die VQAs derzeit daran hindert, effektiv zu skalieren. Die Autoren behaupten, dass ihr Ansatz Drift-Strafen durch proaktive TTL-bewusste Cache-Erneuerung unter normalen Betriebsbedingungen „mechanistisch unmöglich" macht, während er serverlose Elastizität und Multi-Tenant-Fairness beibehält. Die Ergebnisse deuten darauf hin, dass kalibrierungsbewusste serverlose Planung eine notwendige Evolution für die „Utility-Ära" des Quantencomputings ist.