TuniQ: Autotuning Compilation Passes for Quantum Workloads at Scale for Effectiveness and Efficiency

TuniQ は、特定のハードウェアとノイズ条件に基づいて量子回路に対する最適なコンパイルパスを動的に選択する強化学習ベースのシステムであり、IBM の Qiskit トランスパイラなどの最先端の静的コンパイラと比較して、出力忠実度とコンパイル効率を大幅に向上させる。

要約

繊細で複雑なメッセージを、非常に騒がしく凸凹の多い道路を介して送信しようとしている状況を想像してください。そのメッセージとは量子プログラム（量子コンピュータ向けの指示のセット）であり、その道路とは量子ハードウェアです。

問題は、その道路に穴（エラー）が満ちており、メッセージが到着するまでの時間が長くなるほど劣化してしまうことです。遠回りで曲がりくねったルートを選べば、メッセージはかき混ぜられた状態で届くかもしれません。速いルートを選んでも、あまりに多くの穴を踏めば、やはりかき混ぜられた状態で届きます。

現在、これらのメッセージを送る「ドライバー」（コンパイラ）は、固定されたルールブックを使用しています。メッセージが単純か複雑か、あるいは道路が現在乾燥しているか泥濘んでいるかに関わらず、すべてのメッセージに全く同じルートを取るよう指示します。これが一時的に機能することもありますが、多くの場合非効率的であり、配送の遅延やメッセージの破損を招きます。

TuniQは、ルールを変更する新しい賢いドライバーです。固定された地図に従うのではなく、強化学習（試行錯誤を通じて学習する AI の一種）を用いて、すべての個別のメッセージに対してリアルタイムで最適なルートを決めます。

以下に、TuniQ の仕組みを簡単な概念に分解して説明します。

1. 「固定されたルールブック」対「賢いドライバー」

現在のシステム（IBM Qiskit）を想像してください。これは、特定の車にショートカットが存在しても、すべての車を同じ高速道路に強制する GPS のようなものです。すべての量子回路に同じ一連の「最適化パス」（交通規則）を適用します。

• 欠点: 小型車には時間を節約するショートカットでも、大型トラックには渋滞を引き起こす可能性があります。同様に、ある量子プログラムには役立つコンパイラ設定が、別のプログラムには実際には悪影響を与えることがあります。
• TuniQ の解決策: TuniQ は、特定の貨物（回路）を確認し、現在の天候と道路状況（ハードウェアのノイズレベル）をチェックしてから判断するドライバーのようです。「穴を避けるために景観の良いルートを取る必要があるか？それとも道路が空いているので加速すべきか？」と判断します。それは、その特定の移動に対してどの「交通規則」を適用し、どの規則をスキップするかを選択します。

2. 「デュアルエンコーダ」（ドライバーの二つの視点）

これらの判断を下すために、TuniQ は移動の異なる段階で世界を異なって見る必要があります。論文ではデュアルエンコーダシステムが説明されています。

• 道路に入る前（論理的視点）: 出発時に、ドライバーは移動の計画を見ます。特定の穴を気にすることなく、乗客（量子ビット）間の論理的な接続を見ています。「これらの人々はどのように一緒に座る必要があるか？」と問うのです。
• 道路に入った後（物理的視点）: 車が道路に出ると、ドライバーは別の視点に切り替えます。今度は、実際の車と実際の道路状況を見ます。どのタイヤ（物理的量子ビット）が摩耗しているか、道路のどの部分が凸凹しているかを確認します。
• なぜ重要か: これにより TuniQ は適応できます。道路がより泥濘んで（ノイズが増加して）も、再学習を必要とせずに即座に安全で遅いルートへの戦略を切り替えることができます。

3. 「成形報酬」（旅からの学習）

従来の方法では、ドライバーは最終的にのみフィードバックを受け取りました。「メッセージは届きましたか？」もしメッセージが破損していた場合、ドライバーはどのカーブが問題を引き起こしたのかを知りませんでした。

• TuniQ のアプローチ: TuniQ は道中で小さな「ポイント」（報酬）を獲得します。
  • 「その穴を避けてよくやった！」（中間報酬）。
  • 「車を安定させてよくやった！」（もう一つの中間報酬）。
  • 「メッセージを完璧に届けた！」（最終報酬）。
    これにより、ドライバーは旅の序盤の特定のカーブが、結果が最終的に現れるまで見えなかったとしても、旅全体の成功にとって決定的であったことを学習できます。

4. 「動的マスク」（安全ガード）

ドライバーにあらゆる道路を選ばせることはできません。行き止まりや違法な道路もあるからです。

• TuniQ は動的アクションマスキングを使用します。これは、車を壊したり交通違反をしたりする可能性のあるカーブを即座にブロックするガードレールのようなものです。AI が何を決定しても、最終結果が常に有効で走行可能な経路であることを保証します。

結果：より速く、より明確に

この論文は、IBM の実際の量子コンピュータで TuniQ をテストしました。その結果は以下の通りです。

• 品質の向上: メッセージははるかに明確に届きました。平均して、「忠実度」（メッセージが元の計画とどの程度一致したか）が**20%**向上しました。
• 配送の高速化: ルートを計画する時間（コンパイル時間）が**34%**短縮されました。これは非常に大きいです。なぜなら、多くの量子アルゴリズムは、何千回も連続してルートを計画する必要があるからです。
• 再学習不要: ドライバーを別の都市（別の量子コンピュータ）に移しても、TuniQ は新しい都市をゼロから学習する必要なく即座に機能します。
• スケーリング: メッセージがより大きく複雑になるにつれて（実用規模の回路）、TuniQ は古い固定されたルールブックと比較してさらに優れていきます。

まとめ

TuniQ は、硬直した「すべてに通用する」GPS から、賢く適応的なコパイロットへのアップグレードのようなものです。それは特定の貨物を見、リアルタイムの道路状況を確認し、すべての旅から学習して、速度と安全性の完璧な組み合わせを選択します。これにより、特に将来より大きな問題を解決しようとする際に、量子コンピューティングはより信頼性が高く、高速になります。

技術概要

技術概要：TuniQ

問題定義

量子プロセッサは、古典ノードからディスパッチされるカーネルとして機能する量子回路を伴う共プロセッサとして、高性能計算（HPC）エコシステムにますます統合されています。しかし、IBM の Qiskit トランスパイラなどの現在の量子コンパイラは、すべての回路に均一に適用される固定されたコンパイルパスのシーケンスに依存しています。この「万能型」のアプローチは、以下の 3 つの重要な変数を考慮していません：

1. 回路構造：異なるアルゴリズム（例：QPE、VQE、Grover）は、異なる最適化戦略の恩恵を受ける、固有のトポロジーとゲート構成を持っています。
2. ハードウェアバックエンド：量子デバイスは、結合トポロジー、ネイティブゲートセット、エラープロファイルが異なります。
3. ノイズ条件：ゲートエラーやコヒーレンス時間 $T_1/T_2$ などの較正データは、単一のデバイス上で時間とともにドリフトします。

固定されたパスシーケンスは、しばしば回路深度やゲート数を増加させる不要な最適化を適用し、それによってノイズを蓄積させ、出力忠実度（全変動距離 TVD で測定）を低下させます。逆に、特定の回路構造にとって有益なパスを見逃すこともあります。さらに、数百万の可能なパスの組み合わせに対する網羅的探索は計算的に非現実的であり、段階ごとの貪欲な最適化は、初期の決定が後の段階を制約するため、大域的に最適ではない結果をもたらす傾向があります。

手法：TuniQ

TuniQ は、トランスパイルパイプラインの各段階でコンパイルパスを適応的に選択するように設計された**強化学習（RL）**ベースのシステムです。これは、エージェントがコンパイル時間を最小化しながら回路の忠実度を最大化することを学習するマルコフ決定過程（MDP）としてパス選択を定式化します。

中核コンポーネント

1. デュアルエンコーダアーキテクチャ：

   • プレレイアウトエンコーダ：ハードウェアマッピング前の論理回路構造（時空間的なゲート相互作用）をエンコードします。
   • ポストレイアウトエンコーダ：物理ハードウェアにバインドされた回路をエンコードし、バックエンド較正からのリアルタイムノイズ特性（エラー率、コヒーレンス時間）を統合します。
   • この分離により、エージェントは論理構造に基づくレイアウト/ルーティングの決定と、物理ノイズプロファイルに基づく最適化の決定という、段階固有の戦略を学習できます。

2. 状態空間：

   • 段階インジケータ（Init、Layout、Routing、Translate、Optimize、Cleanup）のワンホットエンコーディングを含みます。
   • 回路特徴はテンソルとして表現されます（レイアウト前の論理キュービット、レイアウト後の物理キュービット）。
   • ゲート数、深度、トポロジー互換性比率などのグローバル特徴を含みます。

3. アクション空間と動的マスキング：

   • エージェントは、各段階で特定のトランスパイラパスまたは「スキップ」アクションを選択します。
   • 動的アクションマスキングは、有効なコンパイルシーケンスを強制します。レイアウト前のルーティングのスキップなど、無効な遷移を防ぎ、ハードウェア制約が満たされることを保証し、完了したエピソードのすべてが実行可能な回路を生成することを保証します。

4. 報酬構造：

   • 整形報酬：複数の段階にわたるクレジット割り当ての問題に対処するため、TuniQ はトランスパイル品質（TQ）指標に基づく中間報酬を使用します。この指標は、ゲートエラー率と回路深度を用いて成功確率（ESP）を推定し、回路が論理表現から物理表現へ移動するにつれて適応します。
   • 最終報酬：完了時に、エージェントは達成された ESP と Qiskit Level 3（忠実度最適化）の基準との対数比に基づいた報酬を受け取り、ゲート数と深度の削減のための補助項と組み合わされます。

5. トレーニングと推論：

   • トレーニング：堅牢性を確保するため、ランダムな回路と摂動されたバックエンドノイズプロファイルに対して Maskable PPO（Proximal Policy Optimization）を使用します。
   • 推論：ポリシーは凍結されます。システムはパスを選択するために単一のフォワードパスを実行し、無視できるオーバーヘッド（総コンパイル時間の 1% 未満）を追加します。推論中は参照コンパイルや報酬計算は行われません。

主要な貢献

1. 初のノイズ条件付きクロス段階セレクタ：TuniQ は、リアルタイムノイズプロファイルに条件付けられた統合されたクロス段階パス選択問題としてトランスパイルを定式化する最初のシステムであり、忠実度とコンパイル時間の両方を共同で最適化します。
2. 新規 RL 拡張：本論文は、段階認識表現のためのデュアルエンコーダ、クロス段階クレジット割り当てのための整形報酬、および有効なコンパイルを保証する動的アクションマスキングを導入しています。
3. スケーラビリティと汎化：このシステムは小規模な回路インスタンス（5〜10 キュービット）でトレーニングされますが、再トレーニングなしでユーティリティ規模の回路（最大 65 キュービット）に効果的にスケーリングします。異なる IBM Quantum バックエンド（Torino、Fez、Kingston、Pittsburgh）に対してゼロショット方式で汎化します。
4. オープンソース：フレームワークと実装は、コミュニティの採用を促進するためにオープンソース化されています。

実験結果

複数の IBM Quantum Cloud プロセッサにわたる多様なワークロード（MQTBench、QASMBench）で評価されました：

• 忠実度の向上：TuniQ は、最先端の Qiskit（忠実度最適化）トランスパイラと比較して、出力忠実度（TVD の削減）を**平均 20%**向上させます。QPE などの特定のベンチマークでは、TVD が 0.76 から 0.50 に削減され、アルゴリズムの成功が大幅に向上しました。
• コンパイル時間：TuniQ はコンパイル時間を**平均 34%**削減します。これは、回路を数千回再コンパイルする変分アルゴリズム（例：VQE、QAOA）にとって重要です。
• スケーリング：回路サイズが増加するにつれて（最大 65 キュービット）、TuniQ の優位性は増大し、基準と比較して 40% 少ないゲートと 50% 低い深度を持つ回路を生成します。
• 堅牢性：このシステムは、エラー率をスケーリングすることでシミュレートされるさまざまなノイズレベルと、異なるハードウェア世代（Heron R1–R3）にわたって有効性を維持し、較正ドリフトに対する耐性を示しています。

意義と主張

本論文は、TuniQ が現在の量子コンパイルにおける根本的な限界、すなわち静的で固定されたパスシーケンスへの依存に対処していると主張しています。適応的で学習ベースのアプローチへの移行により、TuniQ は最適なパス選択が回路、ハードウェア、ノイズ環境に強く文脈依存であることを実証しています。

著者は、TuniQ が単一の指標を改善するだけでなく、より優れた品質と時間のトレードオフを提供することを強調しています。進化アルゴリズムなどの検索ベースの手法は回路ごとの高いオーバーヘッドを伴うのに対し、TuniQ はトレーニング中に検索コストを償却するため、スループットが不可欠な HPC ワークフローに適しています。この研究は、量子ハードウェアがフォールトトレラントに向かって進化しても、適応的コンパイルが主要な性能レバーであり続けることを示唆しており、TuniQ はこの可能性を実現するためのスケーラブルなフレームワークを提供します。