D-Wave Systems Quantum Computing : State-of-the-Art and Performance Comparison with Classical Computing

• Main Author: Vallejo Benítez Cano, Jaime
• Format: Others
• Language: English
• Published: KTH, Skolan för elektroteknik och datavetenskap (EECS) 2021
• Subjects: Computer and Information Sciences; Data- och informationsvetenskap
• Online Access: http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-302029

The aim of this project is to study Quantum Computing state-of-art and to compare it with classical computing methods. The research is focused on D-Wave Systems’ Quantum Computing approach, exploring its architectures: Chimera and Pegasus; tools, and its Quantum Annealing process. In order to study weaknesses and strengths of each method, the problem that has been analysed is the well-known TSP (Travelling Salesman Problem). Performance and capabilities comparison has involved four different set-ups to solve the problem: • D-Wave’s Exact solver (using CPU exclusively). • Pure QPU implementation using D-Wave’s Dimod solver. • GPU adapted parallelization of Classical Brute-force algorithm with NVIDIA CUDA API. • D-Wave’s Hybrid solver (which combines QPU together with classical techniques). The results of this project reveal that pure QPU implementation is faster than every other but only works for small examples yet, its scalability is limited by QPU architectures. QPU Hybrid solution seems to be the fastest and more scalable solution. Both CPU and GPU approaches are fast for small problems but when scaling, they have a solid limit that is impossible to break. This is due to the O(N!) complexity of the Brute-force algorithm. Comparison between Pegasus and Chimera architectures reveals that Pegasus performs much better due to the more complex topology and connectivity between their qubits.  === Målet för detta projekt är att undersöka det nya området kvantberäkningar, för att jämföra det med klassiska beräkningsmetoder. Arbetet har fokuserat primärt på att utforska datorarkitekturerna Chimera och Pegasus som D-Wave Systems tagit fram. Utöver det studeras även deras beräkningsredskap och deras process för Quantum Annealing. För att ta reda på styrkor och svagheter hos de undersökta metoderna har det välstuderade problemet Handelsresande (TSP) valts som testproblem. Prestanda och förmågor har jämförts över fyra olika fall: • D-Wave’s Exact solver (använder enbart CPU). • Ren QPU implementation som använder D-Wave’s Dimod solver. • Klassisk totalsökning (parallelliserad för GPU med NVIDIA CUDA API). • D-Wave’s Hybrid solver (kombinerar QPU med klassiska lösningstekniker). Resultaten av detta projekt visar att den rena QPU-implementationen är snabbare än de andra, dock är den för närvarande bara körbar på små probleminstanser då dess skalbarhet är begränsad till tillgängliga QPU-arkitekturer. Hybridlösningen Hybrid solver verkar vara den lösning som är snabbast och mest skalbar överlag. Vidare så var både CPU och GPU snabba för små probleminstanser men p.g.a att tidskomplexiteten för en totalsökning av TSP är O(N!) når man ett tak på problemstorlek som ingen av dem behärskar att ta sig förbi. Jämförelsen mellan Pegasus och Chimera visade att Pegasus presterar bättre av de två, tack vare en högre komplexitet i både dess topologi, och i kopplingarna mellan dess kvantbitar.