Universal Quantum Computer Simulation of 50 Qubits on Europe`s First Exascale Supercomputer Harnessing Its Heterogeneous CPU-GPU Architecture

연구진은 유럽의 JUPITER 엑사스케일 슈퍼컴퓨터의 이종 GH200 아키텍처를 활용하여 확장된 CPU-GPU 인터커넥트를 통한 메모리 활용, 적응형 데이터 인코딩, 실시간 네트워크 트래픽 최적화기라는 세 가지 핵심 혁신을 통해 처음으로 50-큐비트 범용 양자컴퓨터를 성공적으로 시뮬레이션함으로써 기존 기록 대비 16.6 배의 속도 향상을 달성했습니다.

핵심

퍼즐을 풀고 있다고 상상해 보세요. 조각을 하나 더 추가할 때마다 퍼즐 전체의 가능한 배열 수가 두 배씩 증가합니다. 조각이 10 개라면 manageable 하지만, 50 개라면 가능한 경우의 수가 너무 방대하여 지구상의 모든 컴퓨터가 수십억 년 동안 함께 작동해도 모두 확인하는 것이 불가능합니다. 이것이 양자 컴퓨터를 시뮬레이션하는 데 따른 도전 과제입니다.

이 논문은 독일 쥐리히 슈퍼컴퓨팅 센터의 과학자 팀이 엔비디아와 협력하여"JUQCS-50"이라는"슈퍼 시뮬레이터"를 구축한 방법을 설명합니다. 그들은 유럽 최초의"엑사스케일"슈퍼컴퓨터 (JUPITER) 를 활용하여 처음으로 50 큐비트 양자 컴퓨터를 시뮬레이션하는 데 성공했습니다.

그들이 어떻게 이를 이루었는지 간단한 비유로 설명해 보겠습니다:

1. 문제:"메모리 벽"

양자 컴퓨터를 시뮬레이션하려면 시스템의 모든 가능한 상태를 나타내는 거대한 숫자 목록 (상태 벡터라고 함) 을 저장해야 합니다.

• 비유: 책 도서관을 저장하려고 한다고 상상해 보세요. 작은 양자 컴퓨터 (48 큐비트) 의 경우 도서관은 몇 개의 하드 드라이브에 들어갑니다. 하지만 50 큐비트 컴퓨터의 경우 도서관이 너무 커서 작은 도시 크기의 창고 전체를 채울 정도입니다.
• 한계: 그들이 사용한 슈퍼컴퓨터 (JUPITER) 는 incredibly 빠른 메모리 (고성능 스포츠카와 같음) 를 갖추고 있지만, 그것조차도 50 큐비트 도서관 전체를 한 번에 담을 만큼 충분히 크지 않았습니다.

2. 해결책:세 가지"마법"

이 거대한 도서관을 사용 가능한 공간에 넣고 빠르게 실행하기 위해 팀은 세 가지 교묘한 트릭을 사용했습니다:

트릭 #1:"공유 배낭" (이종 메모리)

일반적으로 컴퓨터에는 작고 매우 빠른 배낭 (GPU 메모리) 과 더 크고 약간 느린 배낭 (CPU 메모리) 이 있습니다. 기존 방식은 빠른 것만 사용했습니다.

• 혁신: 팀은 두 배낭을 하나의 거대한 연속된 공간으로 취급할 수 있음을 깨달았습니다. 그들은 CPU 와 GPU 사이에 초고속 다리 (NVLink 라고 함) 를 구축했습니다.
• 결과: 필요한 경우 더 크고 느린 배낭에 데이터를 저장했다가 계산이 필요할 때 즉시 빠른 배낭으로 이동시킬 수 있었습니다. 이는 작업실 옆에 창고가 있는 것과 같습니다. 대부분의 도구는 창고에 보관하지만, 컨베이어 벨트가 이를 순간적으로 작업대까지 가져옵니다.

트릭 #2:"압축된 zip 파일" (적응형 바이트 인코딩)

숫자를 완전한 고정밀 형식 (고해상도 사진과 같음) 으로 저장하면 공간이 너무 많이 차지합니다.

• 혁신: 팀은 데이터를"압축"하는 방법을 개발했습니다. 숫자를 메모리에 들어갈 만큼 충분히 작은 크기로 줄였습니다 (고해상도 사진을 썸네일로 변환하는 것과 같음). 하지만 수학 연산이 필요할 때 즉시 원래의 고정밀도로"압축 해제"할 수 있도록 지능적으로 처리했습니다.
• 결과: 이로 인해 필요한 메모리가 8 배 줄어들어 정확도를 잃지 않고 50 큐비트 시뮬레이션을 사용 가능한 공간에 담을 수 있었습니다.

트릭 #3:"교통 경찰" (실시간 최적화기)

수천 대의 컴퓨터가 함께 작동할 때, 그들은 끊임없이 서로 통신해야 합니다. 모두 한꺼번에 말하려고 하면 네트워크가 마비됩니다 (교통 체증).

• 혁신: 소프트웨어는 똑똑한 교통 경찰처럼 작동합니다. 퍼즐의 다음 단계를 살펴보고 정확히 언제 그리고 무엇 데이터를 전송할지 결정하여, 데이터가 배경에서 이동하는 동안 컴퓨터들이 항상 작업을 수행하도록 합니다.
• 결과: 이로 인해 컴퓨터들이 서로 기다리는 시간이 최소화되어 시뮬레이션이 원활하게 실행되었습니다.

3. 결과:기록을 경신한 실행

이러한 트릭들을 16,384 개의 강력한"슈퍼칩"을 사용하는 JUPITER 슈퍼컴퓨터에서 결합함으로써, 팀은 전례 없는 성과를 달성했습니다:

• 속도: 그들은 이전 세계 기록을 보유하고 있던 다른 슈퍼컴퓨터 (K 컴퓨터) 보다 16.6 배 빠른 속도로 50 큐비트 컴퓨터를 시뮬레이션했습니다.
• 효율성: 일반적으로 큐비트를 추가할수록 시뮬레이션 시간이 기하급수적으로 증가하지만, 그들의 시스템은 시간이 거의 선형적으로 증가하도록 관리했습니다. 마치 더 많은 승객을 태울수록 속도가 느려지는 대신 빨라지는 차를 찾은 것과 같습니다.

4. 이것이 중요한 이유 (논문에 따르면)

이 논문은 이것이 실제 양자 컴퓨터가 아닌 시뮬레이션임을 강조합니다.

• "완벽한"실험실: 오늘날의 실제 양자 컴퓨터는 잡음이 많고 실수를 합니다. 이 시뮬레이터는 50 큐비트 컴퓨터의"완벽한"버전을 제공합니다.
• 벤치마크: 이는 과학자들이 새로운 양자 알고리즘 (화학 또는 최적화 관련 알고리즘 등) 을 테스트하고 이상적인 결과가 무엇인지 확인할 수 있게 합니다. 이를 통해 실제 물리적 양자 기계의 오류를 수정하는 방법을 파악하는 데 도움이 됩니다.
• 응용: 팀은 특히"adder 회로"(수학 문제) 에 대해 이를 테스트했으며, 데이터 압축 트릭을 사용했음에도 불구하고 수학 결과가 완벽하게 정확하다는 것을 발견했습니다.

요약하자면: 팀은 50 큐비트 양자 컴퓨터를 완벽하게 시뮬레이션할 수 있는 디지털"시간 기계"를 구축했습니다. 그들은 거대한 슈퍼컴퓨터의 메모리를 교묘하게 확장하고 데이터 트래픽을 매우 효율적으로 조직화하여 이전의 속도와 크기 기록을 깨뜨렸으며, 과학자들에게 미래 양자 기술을 설계하고 테스트할 수 있는 강력한 새로운 도구를 제공했습니다.

기술 요약

기술 요약: 유럽 최초의 엑사스케일 슈퍼컴퓨터를 이용한 50 큐비트 범용 양자 컴퓨터 시뮬레이션

문제 제기
고전 하드웨어에서 범용 양자 컴퓨터를 시뮬레이션하는 것은 큐비트 수 ($N$) 에 비례하여 메모리 및 실행 시간 요구 사항이 기하급수적으로 증가함에 따라 계산적으로 불가능합니다. $N$-큐비트 시스템의 전체 상태 벡터를 배정밀도 (FP64) 로 저장하려면 $2^{N+4}$바이트가 필요합니다. $N=50$인 경우, 이는 약 16,384 TiB 의 메모리가 필요하여 개별 가속기의 용량을 훨씬 초과합니다. 더 나아가, 이 상태를 클러스터에 분산하면 특히 단일 처리 장치의 메모리 용량을 초과하는 인덱스를 가진 "비로컬 (non-local)" 큐비트에 작용하는 게이트의 경우 막대한 통신 오버헤드가 발생합니다. 현재 양자 하드웨어는 잡음과 게이트 충실도 부족으로 인해 제한을 받아 대규모 신뢰성 있는 실행이 불가능하므로, 알고리즘 개발 및 벤치마킹을 위해 고충실도 고전 시뮬레이션이 여전히 필수적입니다.

방법론 및 혁신
저자들은 JUPITER 슈퍼컴퓨터 (특히 NVIDIA GH200 슈퍼칩) 의 이종 CPU-GPU 아키텍처를 활용하도록 설계된 고성능 범용 양자 컴퓨터 시뮬레이터 JUQCS-50 을 제시합니다. 이 시스템은 4,096 개의 노드에 걸쳐 16,384 개의 GH200 슈퍼칩을 활용합니다. 메모리 및 통신 병목 현상을 극복하기 위해 JUQCS-50 은 세 가지 주요 혁신을 구현합니다:

1. 이종 메모리 활용: 시뮬레이터는 CPU 의 LPDDR5 메모리를 통합하여 GPU 의 고대역폭 메모리 (HBM3) 한계를 넘어 사용 가능한 메모리를 확장합니다. 이 설계는 모든 계산, 인코딩 및 디코딩을 GPU 에서 수행하는 동안 CPU 를 엄격히 메모리 호스트로 취급합니다. HBM3 와 LPDDR5 간의 데이터 배치를 효율적으로 관리하기 위해 저자들은 명시적 데이터 이동 함수와 실시간 네트워크 트래픽 최적화기를 결합하여 사용합니다. 이 접근 방식은 메모리 과할당과 관련된 성능 패널티를 최소화하기 위해 CUDA 인식 MPI 와 비동기 복사 함수를 활용합니다.
2. 적응형 바이트 인코딩: 메모리 발자국을 8 배 줄이기 위해 시뮬레이터는 적응형 바이트 인코딩 방식을 사용합니다. 이 방법은 복소수 상태 벡터 요소를 표준 16 바이트 (FP64) 대신 2 바이트 (16 비트) 로 표현합니다. 이 인코딩은 복소수의 극좌표 표현에 기반하며 실행 중인 특정 양자 회로에 맞춰 적응합니다. 이는 실시간 인코딩/디코딩을 위한 계산 오버헤드를 도입하지만, 대규모 $N$의 주요 병목 현상인 네트워크를 통해 전송되는 데이터 양을 크게 줄입니다.
3. 통신 최적화: 시스템은 데이터 패킹/언패킹을 위한 표준 CUDA 인식 MPI 호출 및 비동기 스트림 기능을 통해 노드 간 통신을 최소화합니다. 또한, 저자들은 큐비트의 전략적 재명명 (relabeling) 이 특히adder 회로와 같은 특정 회로 토폴로지의 경우 슈퍼칩 간에 교환되는 데이터 양을 현저히 줄일 수 있음을 입증했습니다.

주요 결과
본 논문은 상태 벡터 접근법을 사용하여 50 큐비트 범용 양자 컴퓨터를 성공적으로 시뮬레이션한 첫 번째 사례를 보고합니다.

• 확장성: 시뮬레이터는 증가하는 큐비트 수에 대해 경과 시간에서 거의 선형적인 확장 (약한 확장) 을 보여주며, 대규모 병렬화를 통해 이론적인 기하급수적 시간 확장을 효과적으로 완화합니다.
• 성능 비교: JUQCS-50 은 K 컴퓨터가 보유한 이전 48 큐비트 기록보다 16.6 배의 속도 향상을 달성합니다. 36 큐비트 하다마드 벤치마크의 경우, 게이트당 경과 시간이 K 컴퓨터의 47.03 초에서 JUPITER 의 2.83 초로 감소했습니다.
• 정밀도 및 트레이드오프: 이 연구는 특정 벤치마크 회로 (예: 하다마드 게이트 시퀀스) 의 경우 바이트 인코딩 방식이 FP64 수준의 정확도를 유지함을 검증합니다. 그러나 제어 위상 이동 (정수 어더와 같은) 을 포함하는 회로의 경우 x 및 y 성분에 대한 기대값에서 약간의 편차가 관찰되지만, 주요 z 성분 결과는 올바르게 유지됩니다.
• 네트워크 효율성: 50 큐비트 사례의 경우, 시뮬레이션 순서 중 약 38,766 TiB 의 데이터가 네트워크를 통과하며 이는 약 100 초 내에 완료됩니다. 측정된 대역폭은 네트워크 토폴로지 제약 (Dragonfly+) 으로 인해 $O(1/\sqrt{N})$으로 확장되며, 큐비트 수가 증가함에 따라 노드 내 NVLink 우세에서 노드 간 InfiniBand 우세로 전환됩니다.

의의 및 주장
본 논문은 JUQCS-50 이 현재 양자 프로세서 (잡음과 제한된 깊이로 인해 신뢰할 수 있는 작동 영역을 벗어난) 의 범위를 초과하는 최대 50 큐비트까지의 양자 회로 시뮬레이션을 가능하게 한다고 주장합니다. 거의 선형적인 시간 확장을 달성함으로써, 이 시뮬레이터는 현재 물리적 하드웨어에서 실현 가능한 것보다 훨씬 큰 시스템에서 변분 양자 고유값 솔버 (VQE) 및 양자 근사 최적화 알고리즘 (QAOA) 과 같은 알고리즘의 정확한 벤치마킹을 가능하게 합니다.

저자들은 텐서 네트워크나 회로 절단과 같은 특수 시뮬레이터가 특정 구조화된 회로에 대해 더 많은 큐비트 수를 처리할 수 있지만, JUQCS-50 은 구조나 얽힘 제한에 대한 가정 없이 임의의 회로를 실행할 수 있는 범용 시뮬레이터임을 강조합니다. 이 연구는 고충실도 양자 시뮬레이션을 위한 새로운 기준을 설정하여, 현재 양자 하드웨어로는 달성할 수 없는 수준의 정확도로 양자 알고리즘을 검증하고 잡음 효과를 연구할 수 있는 도구를 제공합니다. 저자들은 향후 작업이 GH200 플랫폼을 위한 버퍼 크기와 스트림 수를 더욱 미세 조정하고 통신 오버헤드를 최소화하기 위해 회로 구조를 최적화하는 데 초점을 맞출 것이라고 언급합니다.