QWeaver: Quantum Circuit Cut Workflow with MLIR-based Compiler, Runtime, and Weaver Hybrid Tasks
본 논문은 대규모 회로를 실행 가능한 파편으로 분할하고, 이를 Q-IRIS 런타임을 통해 동시에 전달하며, 고전적인 위빙(weaving) 작업을 통해 최종 출력 분포를 재구성함으로써 양자 회로 커팅의 엔드 투 엔드 워크플로우를 오케스트레이션하는 MLIR 기반 프레임워크인 QWeaver를 소개한다.
원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
양자 컴퓨터는 오늘날의 슈퍼컴퓨터가 해결하는 데 수천 년이 걸릴 문제를 해결할 가능성을 약속하지만, 고질적인 물리적 한계에 직면해 있습니다. 현재 사용 가능한 기기들은 노이즈가 많고 규모가 작으며, 큐비트라고 불리는 아주 작은 정보 단위 수십 개만을 처리할 수 있는 수준입니다. 과학자들이 보유한 기계보다 더 많은 큐비트를 필요로 하는 복잡한 계산을 실행하려고 하면 전체 과정이 실패합니다. 이는 마치 거대한 호화 여객선을 작은 욕조에 넣으려는 것과 같습니다. 물은 넘쳐흐르고 배는 가라앉게 됩니다. 수년 동안 유일한 해결책은 하드웨어가 더 커지기를 기다리는 것처럼 보였으나, 새로운 접근 방식은 이 거대한 계산들을 조각내어 오늘의 작은 기기들에서도 실행할 수 있음을 시사합니다.
회로 절단(circuit cutting)이라고 알려진 이 전략은 크고 다루기 힘든 양자 계산을 사용 가능한 장치에 적합한 더 작고 독립적인 조각들로 나누는 과정을 포함합니다. 각 조각은 별도로 실행되며, 최종 답을 재구성하기 위해 강력한 고전 컴퓨터를 사용하여 결과들을 다시 하나로 모읍니다. 하지만 이 과정을 조율하는 것은 프로그래머들에게 악몽와 같았습니다. 이는 원래의 코드를 분석하고, 이를 파편으로 자르고, 그 파편들을 서로 다른 기기로 보내고, 정밀한 수학적 보정을 통해 결과를 다시 엮어내는 복잡한 일련의 단계를 요구합니다. 지금까지는 이 전체 워크플로우를 자동으로 관리할 수 있는 단일 시스템이 없었기에, 연구자들은 서로 떨어진 도구들을 수동으로 이어 붙여야 했습니다.
오크리지 국립연구소(Oak Ridge National Laboratory)의 연구진은 이 조율 문제를 해결하는 QWeaver라는 시스템을 구축했습니다. 그들은 초기 양자 코드 분석부터 최종 결과 재구성까지의 전체 과정을 하나의 연결된 작업 체인으로 취급하는 통합 프레임워크를 만들었습니다. 연구진은 사람이 서로 다른 소프트웨어 도구 간의 인수인계를 관리하는 대신, QWeaver가 의존성 지도를 자동으로 생성하도록 했습니다. 이 시스템은 큰 양자 프로그램을 가져와서 이를 분해하고, 조각들을 실행하기 위해 전송한 다음, 최종 결과를 재조립하기 위해 데이터를 수집하며, 이 모든 과정을 사람의 개입 없이 수행합니다.
연구진은 다양한 시뮬레이션 양자 컴퓨터와 실험실에 위치한 실제 양자 프로세서를 사용하여 이 시스템을 테스트했습니다. 그들은 양자 하드웨어의 한계를 테스트하는 데 자주 사용되는 GHZ 회로라고 알려진 표준 유형의 양자 회로를 사용했습니다. 한 실험에서, 그들은 4-큐비트 회로를 3개의 더 작은 조각으로 잘랐습니다. 시스템은 각 조각에 필요한 명령을 성공적으로 생성하여 서로 다른 시뮬레이션 장치에서 실행하고, 원래의 답을 높은 정확도로 복구하기 위해 결과들을 결합했습니다. 또한 시스템은 실제 철도 네트워크에 기반한 더 복잡한 문제를 처리하여, 훨씬 낮은 용량의 시뮬레이터에 적합하도록 43-큐비트 계산을 더 작은 덩어리로 나누는 능력을 입증했습니다. 그러나 이 특정 43-큐비트 사례의 경우, 시스템은 전체 계산을 완료하기보다는 워크플로우 조율 능력을 보여주기 위해 필요한 데이터의 아주 적은 부분(0.003%)만을 실행했습니다.
이 연구의 핵심 발견은 회로를 절단하면 작은 기기에서 실행할 수 있게 되지만, 상당한 비용이 따른다는 점입니다. 연구진이 회로를 절단할 때마다 답을 얻기 위해 필요한 별도의 실험 횟수가 기하급수적으로 증가했습니다. 만약 한 번의 절단을 수행했다면 시스템은 파편들의 8가지 변형을 실행해야 했고, 두 번의 절단에는 64가지 변형이 필요했습니다. 이는 시스템이 단일 장치에 비해 너무 큰 계산을 물리적으로 실행할 수는 있지만, 이를 위해 훨씬 더 많은 시간과 컴퓨팅 파워를 요구한다는 것을 의미합니다. 연구진은 최적의 지점이 존재함을 발견했습니다. 회로를 너무 적게 자르면 조각들이 여전히 너무 크고, 너무 많이 자르면 작업량이 폭발하여 속도가 느려집니다. 그들의 시스템은 주어진 기기에 대해 최적의 균형을 자동으로 찾아냅니다.
또한 이 연구는 속도와 자동화의 중요성을 강조했습니다. 절단 과정을 컴파일러(인간이 읽을 수 있는 코드를 기계 명령어로 번 dịch하는 소프트웨어)에 직접 통합함으로써, 연구진은 서로 다른 프로그램 간에 데이터를 수동으로 이동할 때 발생하는 지연과 오류를 제거했습니다. 연구진은 실제로 양자 파편들을 실행하는 데 걸린 시간이 전체 시간에서 지배적인 요인이었으며, 절단을 준비하고 결과를 재조립하는 데 걸리는 시간은 상대적으로 빠르고 일정하다는 것을 측정했습니다. 이는 양자 하드웨어가 개선됨에 따라 이러한 자동화된 접근 방식이 더욱 효율적이 될 것임을 시사합니다.
연구진은 이 방법이 양자 컴퓨팅의 모든 문제를 해결한다고 주장하지 않았습니다. 그들은 이 기술이 미래의 결함 허용(fault-tolerant) 기기에 필요한 거대하고 오류 없는 알고리즘을 실행하기 위한 경로가 아님을 명시적으로 언급했습니다. 대신, 이는 오늘날의 노이즈가 많고 제한적인 장치들의 범위를 확장하기 위한 실용적인 도구입니다. 이는 고전적인 컴퓨팅 작업의 관리 가능한 증가를 대가로, 현재의 하드웨어보다 약간 더 넓은 회로를 실행할 수 있게 해줍니다. 이 시스템은 큰 규모로 분해된 양자 작업을 여러 자원에 분산시키고 이를 올바르게 다시 엮어냄으로써, 파편화된 워크플로우를 원활하고 자동화된 프로세스로 바꿀 수 있음을 증명했습니다.
실험에서 이 시스템은 최대 14-큐비트 크기의 회로에 대해 기대되는 결과를 성공적으로 재구성했습니다. 60-큐비트 GHZ 회로와 같은 더 큰 회로의 경우, 시스템은 전체 계산을 완료하기 전에 시간 제한에 도달했으며, 이는 결과 분포의 성공적인 재구성이 아닌 실행 가능성의 하한선 테스트 역할을 했습니다. 또한 연구진은 시스템이 철도 네트워크에서 유도된 실제 최적화 문제를 처리할 수 있음을 보여줌으로써, 이 방법이 단순한 테스트 케이스뿐만 아니라 구조화되고 불규칙한 데이터에서도 작동한다는 것을 입증했습니다. 이 연구는 적절한 소프트웨어 아키텍처가 있다면 현재 양자 하드웨어의 한계를 밀어낼 수 있으며, 이를 통해 차세대 기기가 도착하기를 기다리는 동안에도 연구자들이 더 큰 문제에 도전할 수 있음을 확인시켜 줍니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.