BMW 그룹 및 NVIDIA cuQuantum을 통한 양자 컴퓨팅 애플리케이션 벤치마킹

Reading Time: 3 minutes

양자 컴퓨팅은 수치 시뮬레이션과 복잡한 시스템의 최적화부터 머신 러닝(ML)에 이르기까지 산업의 다양한 측면을 혁신할 수 있는 잠재력을 가지고 있습니다. 새로운 재료 개발, 부품의 효율적인 설계, 최적의 제조 프로세스, 정확한 위험 예측 등 자동차 산업의 많은 컴퓨팅 과제는 양자 컴퓨팅에 적합합니다.

양자 회로 시뮬레이션을 가속화하기 위한 NVIDIA cuQuantum SDK의 장점은 BMW 그룹이 최근 발표한 양자 머신 러닝의 애플리케이션 지향 벤치마킹에 관한 논문에서 잘 설명되었습니다.

현재 BMW 그룹은 양자 컴퓨팅이 생성형 모델링의 알고리즘을 어떻게 향상시킬 수 있는지 연구하고 있습니다. 이들은 cuQuantum을 통해 시뮬레이션 성능이 반복당 8시간에서 몇 분으로 300배 향상되는 것을 관찰했습니다.

양자 컴퓨팅 시스템 벤치마킹

생성형 AI는 알고리즘이 학습 데이터와 유사한 새로운 데이터 샘플을 생성하는 방법을 학습하는 머신러닝의 한 유형입니다. 일반적으로 이미지 생성, 텍스트 음성 변환 및 새로운 콘텐츠를 생성하는 것이 목표인 기타 애플리케이션과 같은 작업에 사용됩니다. 머신러닝의 퀀텀 방식은 특정 파라미터에 최적화된 디자인을 생성하여 더 빠르고 효율적인 디자인 탐색을 가능하게 합니다.

생성형 AI는 자동차 밸류체인 전체에 적용될 수도 있습니다. 예를 들어, 배터리 기술 개발은 연료 전지를 위한 새로운 소재 탐색, 충전 및 방전 방법 최적화, 배터리 수명 예측을 지원함으로써 퀀텀 ML의 이점을 누릴 수 있습니다.

그러나 양자 컴퓨터의 실제 적용 가능성에 대한 체계적인 평가는 거의 이루어지지 않았기 때문에 산업에서 양자 컴퓨팅의 정확한 이점과 응용 분야가 불분명합니다. 따라서 양자 알고리즘의 확장 성능을 평가하고 양자 컴퓨터 개발을 개선하기 위해서는 하드웨어에서 시뮬레이터에 이르기까지 양자 컴퓨팅 시스템을 벤치마킹할 필요성이 커지고 있습니다.

QUARK

QUARK는 양자 머신러닝, 최적화, 수치 시뮬레이션 등 양자 컴퓨팅의 다양한 영역의 애플리케이션을 수용하도록 설계된 벤치마킹 프레임워크입니다. 양자 알고리즘과 하드웨어 구현을 평가하고 비교하기 위한 표준화되고 확장 가능한 플랫폼을 제공합니다. QUARK는 BMW 그룹의 양자 컴퓨팅 알고리즘의 효율성을 평가하는 동시에 양자 시뮬레이터와 양자 하드웨어에서 얻은 성능을 비교할 수 있게 해줍니다.

양자 회로 시뮬레이션

현재의 양자 프로세서(QPU)는 노이즈가 심하고 소규모로만 사용할 수 있어 알고리즘 연구 발전에 걸림돌이 됩니다. 또한 시뮬레이터는 실제 양자 하드웨어와 달리 양자 시스템을 나타내는 정보에 직접 액세스할 수 있습니다. 따라서 회로 시뮬레이션 기술은 양자 컴퓨팅 분야를 발전시키는 데 매우 중요한 도구입니다.

특히 양자 머신러닝에서는 알고리즘의 결과를 경험적으로 검증하는 것이 필수적입니다. 작은 시스템 규모를 위해 많은 양자 알고리즘이 제안되고 구현되었지만, 시스템 규모가 커짐에 따라 이러한 알고리즘의 견고성을 평가하는 것은 여전히 중요한 과제로 남아 있습니다.

이로 인해 대규모 양자 시뮬레이션의 가속화가 시급히 요구되고 있습니다. 다양한 양자 회로 시뮬레이터들이 시중에 나와 있습니다. QUARK 벤치마킹 프레임워크는 특정 양자 워크로드 또는 연구 목표에 맞는 최적의 시뮬레이터를 식별하는 데 도움이 됩니다.

산업 전반의 양자 애플리케이션 지원

NVIDIA cuQuantum은 양자 컴퓨팅 워크플로우를 가속화하기 위해 최적화된 라이브러리 및 도구로 구성된 SDK입니다. 개발자는 NVIDIA Tensor 코어 GPU를 통해 cuQuantum을 사용하여 상태 벡터(state vector) 및 Tensor 네트워크 방식에 기반한 양자 회로 시뮬레이션의 속도를 몇 배로 높일 수 있습니다.

*그림 1. 양자 회로의 시뮬레이션을 300배 가속화하여 양자 생성 모델의 단일 반복 트레이닝을 8시간이 아닌 단 몇 분 만에 수행할 수 있는 NVIDIA cuQuantum.*

BMW 그룹의 과학자들은 코드 베이스를 약간만 변경하여 최대 30개의 큐비트로 시뮬레이션할 수 있는 cuQuantum SDK의 강력한 성능을 활용했습니다. 이들은 cuStateVec의 성능을 활용하여 듀얼 AMD EPYC 7742에서 CPU를 구현한 것과 비교하여 NVIDIA A100 텐서 코어 40GB GPU를 사용하여 양자 ML 워크로드에 대한 양자 회로 시뮬레이션 속도를 300배 향상시켰습니다.

*그림 2. 트레이닝 중에 양자 모델은 목표 분포를 복제하는 방법을 학습합니다.*

자동차 사용 사례를 위한 양자 애플리케이션

BMW 그룹이 선보이고 NVIDIA가 가속화한 개발은 양자 애플리케이션 벤치마킹을 위한 가치 있는 고성능 프레임워크를 보여줍니다. BMW 그룹은 NVIDIA cuQuantum을 통해 QUARK를 사용한 양자 생성 모델의 트레이닝 시간 및 벤치마킹을 크게 개선하여 유용한 양자 ML 워크로드에 대한 상당한 계산 병목 현상을 해소할 수 있었습니다. 이 작업은 양자 애플리케이션을 이론적 탐구에서 실용적이고 영향력 있는 솔루션으로 전환하는 중요한 단계를 지원하여 산업 전반에 걸쳐 광범위한 양자 애플리케이션을 가능하게 합니다.