⚛️ quantum physics

Quantum Approximation Optimization Algorithm for the Trellis based Viterbi Decoding of Classical Error Correcting Codes

यह शोध पत्र एक हाइब्रिड क्वांटम-क्लासिकल विटेर्बी डिकोडर प्रस्तावित करता है जो कम-गहराई वाले पैरामीटराइज्ड क्वांटम सर्किटों का उपयोग करके क्लासिकल लीनियर ब्लॉक कोड के लिए मैक्सिमम लाइकलीहुड डिकोडिंग समस्या को कुशलतापूर्वक मैप और हल करने के लिए एक समान पैरामीटर अनुकूलन रणनीति के साथ क्वांटम एप्रोक्सिमेट ऑप्टिमाइज़ेशन एल्गोरिदम (QAOA) का उपयोग करता है।

मूल लेखक: Mainak Bhattacharyya, Ankur Raina

प्रकाशित 2026-02-13

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Mainak Bhattacharyya, Ankur Raina

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

एक बड़ी तस्वीर: एक भूलभुलैया में क्वांटम जासूस

कल्पना कीजिए कि आप एक शोर वाले रेडियो चैनल के माध्यम से एक गुप्त संदेश भेजने की कोशिश कर रहे हैं। स्टेटिक (शोर) आपके कुछ अक्षरों को बदल सकता है। जब संदेश पहुँचता है, तो वह बिगड़ा हुआ होता है। आपका काम यह पता लगाना है कि मूल संदेश क्या था।

क्लासिकल दुनिया में, हम विटर्बी डिकोडिंग (Viterbi Decoding) नामक एक विधि का उपयोग करते हैं। इसे एक जासूस के रूप में सोचें जो एक भूलभुलैया (maze) को सुलझाने की कोशिश कर रहा है।

भूलभुलैया: भूलभुलैया उन सभी संभावित रास्तों का प्रतिनिधित्व करती है जिनसे आपका संदेश गुजर सकता था।
लक्ष्य: जासूस उस सबसे छोटे रास्ते को खोजना चाहता है जो उस बिगड़े हुए संदेश से मेल खाता हो जो उसे प्राप्त हुआ है।
समस्या: जैसे-जैसे संदेश लंबा होता जाता है, भूलभुलैया तेजी से (exponentially) बड़ी होती जाती है। एक क्लासिकल कंप्यूटर को हर एक रास्ते की जांच एक-एक करके करनी पड़ती है, जिसमें बहुत लंबा समय लगता है (जैसे घास के ढेर में सुई खोजने के लिए घास के हर एक तिनके को देखना)।

यह पेपर इस भूलभुलैया को हल करने का एक नया तरीका प्रस्तावित करता है, लेकिन केवल किसी भी क्वांटम कंप्यूटर का उपयोग करके नहीं। वे एक "हाइब्रिड" टीम का उपयोग कर रहे हैं: एक क्वांटम कंप्यूटर जो भारी काम (heavy lifting) कर रहा है और एक क्लासिकल कंप्यूटर जो एक कोच के रूप में कार्य कर रहा है।

पात्रों का परिचय

विटर्बी डिकोडर (जासूस): वह एल्गोरिदम जो भूलभुलैया में सबसे अच्छा रास्ता खोजता है।
QAOA (क्वांटम रणनीति): इसका अर्थ है क्वांटम एप्रोक्सिमेट ऑप्टिमाइज़ेशन एल्गोरिदम। QAOA को एक "अति-सहज" (super-intuitive) हाइकर के रूप में कल्पना करें। हर रास्ते पर चलने के बजाय, यह "महसूस" कर सकता है कि कौन सा रास्ता घाटी के निचले हिस्से (समाधान) की ओर ले जाता है और बहुत तेज़ी से अनुमान लगा सकता है।
हाइब्रिड टीम:
- क्वांटम हिस्सा: एक साथ कई रास्तों की खोज करता है (सुपरपोजिशन)।
- क्लासिकल हिस्सा: "कोच"। यह क्वांटम हिस्से के परिणामों को देखता है, कहता है, "यह बिल्कुल सही नहीं था, अपने कदमों को थोड़ा समायोजित करने की कोशिश करें," और वापस नए निर्देश भेजता है।

मुख्य नवाचार: "यूनिफॉर्म" (समान) रणनीति

आजकल क्वांटम कंप्यूटरों (जो वर्तमान में छोटे और शोर वाले हैं, जिन्हें NISQ उपकरण कहा जाता है) का उपयोग करने में सबसे बड़ी बाधा यह है कि उन्हें प्रशिक्षित करना कठिन है।

समस्या: "सपाट रेगिस्तान" (Barren Plateaus)
कल्पना कीजिए कि आप एक परिदृश्य (landscape) में सबसे निचले बिंदु को खोजने की कोशिश कर रहे हैं।

पुरानी विधि (रैंडम/फिक्स्ड): आप एक जगह चुनते हैं और चलना शुरू करते हैं। लेकिन परिदृश्य इतना सपाट (एक "बैरन प्लेटो") है कि आप यह नहीं बता सकते कि नीचे जाने का रास्ता किस ओर है। आप बिना किसी दिशा के भटकते रहते हैं। यदि आप हर कदम को अलग तरह से बदलकर क्वांटम कंप्यूटर को सिखाने की कोशिश करते हैं, तो वह भ्रमित हो जाता है और सिग्नल खो जाता है।
पेपर का समाधान (यूनिफॉर्म पैरामीटर ऑप्टिमाइज़ेशन - UPO): हर एक कदम के लिए क्वांटम कंप्यूटर को अलग निर्देश देने के बजाय, लेखक कहते हैं: "आइए हम सब तालमेल में चलें।"

उपमा (Analogy):
कल्पना कीजिए कि एक मार्चिंग बैंड एक शहर के माध्यम से सबसे अच्छा रास्ता खोजने की कोशिश कर रहा है।

पुराना तरीका: हर संगीतकार को मुड़ने के लिए एक अलग, रैंडम निर्देश मिलता है। बैंड बिखर जाता है और किसी को नहीं पता होता कि कहाँ जाना है।
नया तरीका (UPO): कंडक्टर सबको एक ही समय में बाईं ओर मुड़ने के लिए कहता है, फिर सबको एक ही समय में दाईं ओर मुड़ने के लिए कहता है। निर्देशों को यूनिफॉर्म (सबके लिए समान) रखकर, बैंड एक साथ रहता है, कुशलता से चलता है, और बहुत तेज़ी से मंजिल तक पहुँच जाता है।

पेपर दिखाता है कि क्वांटम कंप्यूटर को अपनी गणना के हर स्तर (layer) के लिए समान "सेटिंग्स" का उपयोग करने के लिए मजबूर करके, यह सपाट रेगिस्तान में खो जाने से बचता है और समाधान को बहुत अधिक विश्वसनीयता के साथ खोज लेता है।

यह कैसे काम करता है (चरण-दर-चरण)

मंच तैयार करना: वे एक विशिष्ट प्रकार के एरर-करेक्टिंग कोड (जैसे कि एक [6,3,3] कोड, जो एक छोटा, प्रबंधनीय भूलभुलैया है) का उपयोग करते हैं।
सुपरपोजिशन बनाना: वे एक क्वांटम सर्किट का उपयोग करके एक ऐसी स्थिति (state) बनाते हैं जहाँ सभी संभावित वैध संदेश एक ही समय में मौजूद होते हैं। यह भूलभुलैया के हर संभव पथ के एक भूतिया संस्करण (ghost version) के एक साथ होने जैसा है।
"लागत" की जाँच (The "Cost" Check): वे एक "कॉस्ट हैमिल्टोनियन" लागू करते हैं। इसे एक तराजू के रूप में सोचें जो यह मापता है कि कोई पथ कितना "गलत" है। यदि किसी पथ में कई त्रुटियाँ (बिट्स का बदलना) हैं, तो वह भारी होगा। यदि यह प्राप्त संदेश के करीब है, तो वह हल्का होगा।
"मिक्सर" नृत्य (The "Mixer" Dance): वे एक "मिक्सर हैमिल्टोनियन" लागू करते हैं। यह एक डांस मूव की तरह है जो संभावनाओं को मिला देता है। यह "भारी" (गलत) रास्तों की संभावना कम करता है और "हल्के" (सही) रास्तों की संभावना बढ़ाता है।
प्रशिक्षण लूप (The Training Loop):
- क्वांटम कंप्यूटर नृत्य करता है।
- क्लासिकल कोच परिणाम को मापता है।
- कोच कहता है, "सही रास्ता अभी पर्याप्त तेज़ (loud) नहीं है। आइए वॉल्यूम नॉब्स (पैरामीटर्स) को थोड़ा ट्यून करें।"
- महत्वपूर्ण चरण: हर नॉब को रैंडम तरीके से ट्यून करने के बजाय, वे यूनिफॉर्म रणनीति का उपयोग करते हैं: वे सभी नॉब्स को एक ही मात्रा में घुमाते हैं।
परिणाम: सही रास्ता सबसे तेज़ सिग्नल बन जाता है। जब वे क्वांटम कंप्यूटर को मापते हैं, तो यह लगभग हमेशा सही मूल संदेश देता है।

यह क्यों महत्वपूर्ण है

दक्षता (Efficiency): इस काम के लिए क्वांटम कंप्यूटरों का उपयोग करने के पिछले प्रयासों में या तो बहुत समय लगता था या बहुत अधिक मेमोरी की आवश्यकता होती थी। यह विधि "लो-डेप्थ" (low-depth) सर्किट का उपयोग करती है, जिसका अर्थ है कि इसे काम करने के लिए बहुत बड़े, पूर्ण क्वांटम कंप्यूटर की आवश्यकता नहीं है। यह आज हमारे पास मौजूद छोटे, शोर वाले मशीनों पर भी काम कर सकता है।
सटीकता (Accuracy): पेपर साबित करता है कि यह "यूनिफॉर्म" प्रशिक्षण विधि रैंडम अनुमान या अन्य जटिल प्रशिक्षण विधियों की तुलना में समाधान बहुत अधिक बार खोज लेती है।
बहुमुखी प्रतिभा (Versatility): उन्होंने दिखाया कि यह केवल एक विशिष्ट पहेली पर ही नहीं, बल्कि विभिन्न प्रकार के कोड्स पर भी काम करता है।

निष्कर्ष

लेखकों ने एक क्वांटम-क्लासिकल हाइब्रिड विटर्बी डिकोडर बनाया है।

इसे डेटा ट्रांसमिशन के लिए एक नए प्रकार के GPS के रूप में समझें। क्लासिकल कंप्यूटर के हर रूट को चेक करने के चक्कर में ट्रैफिक में फंसने के बजाय, यह हाइब्रिड सिस्टम एक स्मार्ट, सिंक्रोनाइज्ड रणनीति (UPO) द्वारा निर्देशित एक क्वांटम "शॉर्टकट" का उपयोग करता है ताकि सबसे तेज़ और सबसे सटीक रास्ता खोजा जा सके।

हालाँकि हम कल ही अपने सभी इंटरनेट राउटरों को क्वांटम कंप्यूटरों से नहीं बदल देंगे, लेकिन यह पेपर साबित करता है कि हम आज के अधूरे क्वांटम हार्डवेयर का उपयोग बहुत कठिन डिकोडिंग समस्याओं को कुशलतापूर्वक हल करने के लिए कर सकते हैं, जो भविष्य में तेज़ और अधिक विश्वसनीय संचार का मार्ग प्रशस्त करता है।

यहाँ मुख्यक भट्टाचार्य और अंकुर रैना के शोध पत्र "क्लासिकल एरर करेक्टिंग कोड्स के ट्रेलिस आधारित विटेर्बी डिकोडिंग के लिए क्वांटम एप्रोक्सिमेशन ऑप्टिमाइजेशन एल्गोरिदम" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

क्लासिकल एरर-करेक्टिंग कोड्स (जैसे लीनियर ब्लॉक कोड और कॉन्वोल्यूशन कोड) विश्वसनीय डेटा ट्रांसमिशन के लिए आवश्यक हैं। हालाँकि, शोर वाले प्राप्त वेक्टर (received vector) से सबसे संभावित ट्रांसमिट किए गए कोडवर्ड को खोजने के लिए इन कोड्स को डिकोड करना एक गणनात्मक रूप से कठिन (computationally hard) समस्या है।

जटिलता (Complexity): मैक्सिमम लाइकलीहुड (ML) डिकोडिंग आम तौर पर NP-hard है, जिसकी टाइम कॉम्प्लेक्सिटी $n$ लंबाई के कोडवर्ड के लिए $O(2^n)$ होती है।
विटेर्बी डिकोडिंग (Viterbi Decoding): जबकि विटेर्बी डिकोडिंग न्यूनतम हैमिंग डिस्टेंस (ML समाधान) वाले पथ को खोजने के लिए एक ट्रेलिस-आधारित दृष्टिकोण प्रदान करती है, यह सामान्य लीनियर ब्लॉक कोड्स के लिए अभी भी क्लासिकली एग्जॉस्टिव (exhaustive) बनी हुई है।
क्वांटम सीमाएँ (Quantum Limitations): पिछले क्वांटम प्रयास, जैसे ग्रोवर-आधारित सर्च या इটারেटिव एम्प्लीट्यूड एम्प्लीफिकेशन (IAA), अक्सर उच्च सर्किट डेप्थ या नॉइजी इंटरमीडिएट-स्केल क्वांटम (NISQ) उपकरणों में शोर के प्रति संवेदनशील होते हैं।
ऑप्टिमाइजेशन चुनौती (Optimization Challenge): क्वांटम एप्रोक्सिमेशन ऑप्टिमाइजेशन एल्गोरिदम (QAOA) जैसे वेरिएशनल क्वांटम एल्गोरिदम (VQAs) आशाजनक हैं लेकिन "बैरन प्लेटो" (barren plateau) की समस्या का सामना करते हैं, जहाँ रैंडम पैरामीटर इनिशियलाइजेशन से वैनिशिंग ग्रेडिएंट्स (vanishing gradients) उत्पन्न होते हैं, जिससे ऑप्टिमाइजेशन कठिन हो जाता है।

2. कार्यप्रणाली (Methodology)

लेखक एक हाइब्रिड क्वांटम-क्लासिकल विटेर्बी डिकोडर प्रस्तावित करते हैं जो ट्रेलिस-आधारित डिकोडिंग समस्या को QAOA फ्रेमवर्क में मैप करता है।

A. QAOA में समस्या मैपिंग (Problem Mapping to QAOA)

कॉस्ट फंक्शन ( $f(c)$ ): डिकोडिंग का लक्ष्य एक कैंडिडेट कोडवर्ड $c$ और प्राप्त त्रुटिपूर्ण वेक्टर $y$ के बीच हैमिंग डिस्टेंस को कम करना है। इसे एक स्यूडो-बुलियन फंक्शन के रूप में तैयार किया गया है:
$f(c) = \sum_{i=1}^{n} (c_i \oplus y_i)$
कॉस्ट हैमिल्टोनियन ( $H_f$ ): कॉस्ट फंक्शन को पाउली-Z ऑपरेटर्स का उपयोग करके एक डायगोनल हैमिल्टोनियन में मैप किया गया है। सिस्टम दो रजिस्टरों का उपयोग करता है:
- रजिस्टर $x$ : यह कोडवर्ड बिट्स का प्रतिनिधित्व करता है।
- रजिस्टर $r$ : यह प्राप्त वेक्टर का प्रतिनिधित्व करता है (एन्सिला क्यूबिट्स जिन्हें $|y\rangle$ पर इनिशियलाइज़ किया गया है)।
  $H_f = \sum_{i=1}^{n} \left( \frac{1}{2}I - \frac{1}{2}Z_{x_i}Z_{r_i} \right)$
मिक्सर हैमिल्टोनियन ( $H_m$ ): एक महत्वपूर्ण योगदान एक ऐसे मिक्सर का निर्माण है जो कोडस्पेस $C$ $C$ को सुरक्षित रखता है (यह सुनिश्चित करता है कि सिस्टम केवल वैध कोडवर्ड्स के माध्यम से विकसित हो)।
- थ्योरम 1: लेखक सिद्ध करते हैं कि $d$ न्यूनतम हैमिंग डिस्टेंस वाले लीनियर ब्लॉक कोड के लिए, मिक्सर हैमिल्टोनियन $d$ -लोकल पाउली-X ऑपरेटर्स का योग है। ये ऑपरेटर्स नल स्टेट (सभी-शून्य कोडवर्ड) को अन्य वैध कोडवर्ड्स में मैप करते हैं जो हैमिंग डिस्टेंस $d$ पर स्थित हैं।
- यह सुनिश्चित करता है कि सर्च स्पेस को वैध कोडवर्ड्स तक ही सीमित रखा जाए, जिससे एल्गोरिदम को अमान्य अवस्थाओं (invalid states) को खोजने से रोका जा सके।

B. यूनिफॉर्म पैरामीटर ऑप्टिमाइजेशन (UPO) रणनीति

बैरन प्लेटो समस्या और पैरामीटराइज्ड क्वांटम सर्किट (PQC) में इष्टतम पैरामीटर्स ( $\gamma, \beta$ ) खोजने की कठिनाई को दूर करने के लिए:

मानक दृष्टिकोण: आमतौर पर इसमें रैंडम इनिशियलाइजेशन या फिक्स्ड पैरामीटर ऑप्टिमाइजेशन (FPO) शामिल होता है, जहाँ पैरामीटर्स को लेयर-दर-लेयर ऑप्टिमाइज़ किया जाता है।
प्रस्तावित UPO: लेखक एक यूनिफॉर्मिटी कंस्ट्रेंट लागू करते हैं जहाँ सभी मिक्सर पैरामीटर्स समान हैं ( $\beta_1 = \beta_2 = \dots = \beta_p = \beta_0$ ) और सभी कॉस्ट पैरामीटर्स समान हैं ( $\gamma_1 = \gamma_2 = \dots = \gamma_p = \gamma_0$ )।
तर्क (Rationale): यह ऑप्टिमाइजेशन लैंडस्केप की डाइमेंशनलिटी को कम करता है, जिससे बैरन प्लेटो जैसी फ्लैट क्षेत्रों से बचा जा सकता है और सर्किट को कम डेप्थ पर अधिक ट्रेन करने योग्य बनाया जा सकता है।

C. एल्गोरिदम वर्कफ़्लो (Algorithm Workflow)

इनिशियलाइजेशन: जेनरेटर यूनिटरी $U_g$ का उपयोग करके सभी वैध कोडवर्ड्स के यूनिफॉर्म सुपरपोजिशन को कोडस्पेस में बनाएँ।
एनकोडिंग: एन्सिला क्यूबिट्स को प्राप्त वेक्टर $y$ को दर्शाने के लिए इनिशियलाइज़ करें।
वेरिएशनल लूप: $p$ लेयर्स के कॉस्ट यूनिटरी ( $U_f(\gamma_0)$ ) और मिक्सर यूनिटरी ( $U_m(\beta_0)$ ) को लागू करें।
ऑप्टिमाइजेशन: $\gamma_0$ और $\beta_0$ को UPO रणनीति के माध्यम से एडजस्ट करके एक्सपेक्टेशन वैल्यू $\langle H_f \rangle$ को कम करने के लिए एक क्लासिकल ऑप्टिमाइज़र का उपयोग करें।
मेजरमेंट: उच्चतम प्रायिकता वाले डिकोडेड पाथ को प्राप्त करने के लिए कोडवर्ड रजिस्टर को मापें।

3. प्रमुख योगदान (Key Contributions)

सामान्यीकृत मैपिंग (Generalized Mapping): किसी भी क्लासिकल लीनियर ब्लॉक कोड के लिए विटेर्बी डिकोडिंग समस्या को हैमिंग डिस्टेंस पर आधारित कॉस्ट फंक्शन को परिभाषित करके QAOA फ्रेमवर्क में मैप करने की एक विधि।
थ्योरम 1 (मिक्सर कंस्ट्रक्शन): एक मिक्सर हैमिल्टोनियन का औपचारिक प्रमाण और निर्माण जो कोड के न्यूनतम हैमिंग डिस्टेंस ( $d$ ) पर निर्भर करता है, यह सुनिश्चित करता है कि क्वांटम इवोल्यूशन सख्ती से वैध कोडस्पेस के भीतर रहे।
यूनिफॉर्म पैरामीटर ऑप्टिमाइजेशन (UPO): एक नवीन ह्यूरिस्टिक रणनीति जो कम डेप्थ वाले सर्किटों के लिए अच्छे पैरामीटर्स खोजने में रैंडम इनिशियलाइजेशन और लेयर-वाइज फिक्स्ड पैरामीटर ऑप्टिमाइजेशन (FPO) की तुलना में काफी बेहतर प्रदर्शन करती है।
लो-डेप्थ एफिशिएंसी (Low-Depth Efficiency): यह प्रदर्शन करना कि हाइब्रिड डिकोडर कम सर्किट डेप्थ के साथ प्रभावी ढंग से काम करता है, जो इसे वर्तमान NISQ हार्डवेयर के लिए उपयुक्त बनाता है।

4. परिणाम (Results)

लेखकों ने कई कोड्स पर IBM के Qiskit और QASM सिम्युलेटर का उपयोग करके अपने एल्गोरिदम का सिमुलेशन किया:

[6, 3, 3] कोड:
- प्राप्त वेक्टर: $y = 111011$ ।
- परिणाम: UPO रणनीति ने उच्च प्रायिकता के साथ सही कोडवर्ड $|011011\rangle$ (हैमिंग डिस्टेंस 1) को सफलतापूर्वक एम्प्लीफाई किया।
- तुलना: UPO ने समाधान का नियमित, उच्च-प्रायिकता एम्प्लीफिकेशन दिखाया। इसके विपरीत, FPO और रैंडम इनिशियलाइजेशन ने रैंडम, असंगत परिणाम दिखाए और अक्सर इष्टतम पैरामीटर्स खोजने में विफल रहे।
[9, 4, 4] कोड: 3 यूनिटरी लेयर्स का उपयोग करके यूनिट पाथ मेट्रिक के साथ सफलतापूर्वक डिकोड किया गया।
[3, 2, 1] कोड: दो पथों को सफलतापूर्वक पहचाना जिनमें समान न्यूनतम मेट्रिक्स थे, जो कोड की सैद्धांतिक अस्पष्टता (ambiguity) को सही ढंग से दर्शाता है।
बेंचमार्किंग: हाइब्रिड डिकोडर को रिपिटिशन कोड्स पर क्लासिकल मिन-सम बिलीफ प्रोपेगेशन डिकोडर के विरुद्ध बेंचमार्क किया गया। परिणामों ने समान वर्ड एरर रेट (WER) दिखाया, जो हाइब्रिड दृष्टिकोण को एक व्यवहार्य एक्टिव डिकोडर के रूप में प्रमाणित करता है।
लैंडस्केप विश्लेषण: कॉस्ट फंक्शन लैंडस्केप के विज़ुअलाइज़ेशन ने पुष्टि की कि UPO एक स्पष्ट ग्रेडिएंट के साथ नॉन-फ्लैट लैंडस्केप बनाता है, जबकि FPO अक्सर फ्लैट क्षेत्रों (बैरन प्लेटो) का परिणाम देता है जहाँ ग्रेडिएंट शून्य हो जाते हैं।

5. महत्व और भविष्य की संभावनाएं (Significance and Future Outlook)

NISQ व्यवहार्यता (NISQ Viability): यह कार्य लो-डेप्थ सर्किट और मजबूत पैरामीटर ऑप्टिमाइजेशन रणनीतियों का उपयोग करके वर्तमान हार्डवेयर पर क्वांटम डिकोडिंग को लागू करने के लिए एक ठोस मार्ग प्रदान करता है।
हाइब्रिड दक्षता (Hybrid Efficiency): यह प्रदर्शित करता है कि एक क्वांटम-क्लासिकल हाइब्रिड दृष्टिकोण उन पिछले विशिष्ट क्वांटम एल्गोरिदम (जैसे IAA) की तुलना में अधिक कुशलता से NP-hard डिकोडिंग समस्याओं को हल कर सकता है, जो उच्च ओवरहेड से ग्रस्त हैं।
स्केलेबिलिटी (Scalability): हालांकि वर्तमान कार्य सिम्युलेटर सीमाओं के कारण छोटे कोड्स पर केंद्रित है, UPO रणनीति सैद्धांतिक रूप से बड़े कोड्स के लिए बेहतर स्केल करने की उम्मीद रखती है जहाँ पैरामीटर स्पेस बहुत विशाल होता है।
भविष्य का कार्य: लेखक NISQ कार्यान्वयन के लिए क्वांटम एरर करेक्शन को एकीकृत करने, बड़े कोड्स तक विस्तार करने और एरर करेक्शन से परे अन्य इन्फरेंस समस्याओं पर वेरिएशनल दृष्टिकोण को लागू करने का सुझाव देते हैं।

संक्षेप में, यह शोध पत्र विटेर्बी डिकोडिंग को QAOA समस्या में बदलकर और UPO के माध्यम से पैरामीटर ऑप्टिमाइजेशन की बाधा को हल करके, क्लासिकल कोडिंग थ्योरी और क्वांटम कंप्यूटिंग के बीच सफलतापूर्वक सेतु बनाता है, और सिम्युलेटेड NISQ डिवाइसेस पर उच्च-फिडेलिटी डिकोडिंग प्रदर्शित करता है।