핵심 요약
AWS가 PennyLane을 활용해 Amazon Braket에서 Max-Cut 문제를 QAOA로 해결하는 세 가지 실행 방식의 차이와 성능을 비교했습니다.
구현 방법
- 로컬 실행: 그래프 노드 수에 대응하는 큐비트, device=local:pennylane/lightning.qubit, p=1, n_iterations=10, step_size=0.01, shots 미지정(기댓값 계산).
- 하이브리드 잡(임베디드 시뮬레이터): p=2, n_iterations=40, shots=1000, max_parallel=25, device_arn=local:pennylane/lightning.qubit; 44개 기울기 회로 + 1 비용 회로를 반복 실행.
- 하이브리드 잡(온디맨드 SV1): device_arn arn:aws:braket:::device/quantum-simulator/amazon/sv1; 흐름은 동일하되 SV1으로 실행, 반복 40회, shots=1000.
주요 결과
- 로컬: 비용이 -2.9996에서 -3.0009로 미세 감소.
- 임베디드: 약 -4.1로 수렴.
- SV1: 약 -4.1로 수렴, 상위 비트 문자열 분포 집중.
