⚛️ क्वांटम भौतिकी

Quantum Approximate Optimization Algorithm with Cat Qubits

यह शोध पत्र प्रदर्शित करता है कि केर रेज़ोनेटरों (Kerr resonators) में कैट क्यूबिट्स (cat qubits) के साथ क्वांटम एप्रोक्सिमेट ऑप्टिमाइज़ेशन एल्गोरिदम (QAOA) को लागू करना, जो फोटॉन नुकसान के कारण $Z$ -बायस्ड शोर (Z-biased noise) प्रदर्शित करते हैं, सिंगल-फोटॉन लॉस के तहत मानक टू-लेवल क्यूबिट्स की तुलना में रैंडम MaxCut इंस्टेंस के लिए उच्च एप्रोक्सिमेशन रेश्यो (approximation ratios) प्रदान करता है।

मूल लेखक: Pontus Vikstål, Laura García-Álvarez, Shruti Puri, Giulia Ferrini

पहली बार प्रकाशित 2024-09-17 · अपडेट किया गया 2026-11-11

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Pontus Vikstål, Laura García-Álvarez, Shruti Puri, Giulia Ferrini

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

उपयोगी क्वांटम कंप्यूटर बनाने की दौड़ में, वैज्ञानिक वर्तमान में एक कठिन मध्य मार्ग से गुजर रहे हैं। उनके पास ऐसी मशीनें हैं जो वास्तविक समस्याओं को हल करने का प्रयास करने के लिए पर्याप्त बड़ी हैं, लेकिन अभी तक पूरी तरह से विश्वसनीय होने के लिए पर्याप्त बड़ी नहीं हैं। ये उपकरण, जिन्हें अक्सर 'नॉइज़ी इंटरमीडिएट-स्केल क्वांटम कंप्यूटर' कहा जाता है, ऐसी त्रुटियों के प्रति संवेदनशील होते हैं जो उनकी गणना पूरी होने से पहले ही उसे अस्त-व्यस्त कर सकती हैं। इससे बचने के लिए, शोधकर्ता 'क्वांटम एप्रोक्सिमेट ऑप्टिमाइज़ेशन एल्गोरिदम' नामक एक विशिष्ट रणनीति पर भरोसा करते हैं। यह विधि जटिल पहेलियों को हल करने के लिए डिज़ाइन की गई है—जैसे कि डिलीवरी बेड़े के लिए सबसे कुशल मार्ग खोजना या लोगों के एक समूह को दो टीमों में विभाजित करने का सबसे अच्छा तरीका—जो छोटे, उथले सर्किट का उपयोग करती है ताकि शोर (noise) के भार से टूटने की संभावना कम हो सके। इन मशीनों के लिए केंद्रीय चुनौती केवल एल्गोरिदम चलाना नहीं है, बल्कि सूचना को संग्रहीत करने का एक ऐसा तरीका खोजना है जो उन विशिष्ट प्रकार की त्रुटियों का प्रतिरोध कर सके जिनसे वर्तमान हार्डवेयर जूझ रहे हैं।

शोधकर्ताओं की एक टीम ने अब इस सूचना को संग्रहीत करने के एक आशाजनक नए तरीके की खोज की है, जिसमें "कैट क्वबिट" (cat qubit) नामक एक प्रकार के क्वांटम बिट का उपयोग किया गया है। मानक क्वांटम बिट्स के विपरीत, जिनकी तुलना अक्सर घूमते हुए छोटे लट्टू (spinning tops) से की जाती है, कैट क्वबिट्स को एक रेज़ोनेटर के भीतर कैद प्रकाश से बनाया जाता है, जो एक साथ दो विपरीत तरंगों जैसी स्थिति में मौजूद होते हैं। शोधकर्ताओं ने एक विशिष्ट भौतिक सेटअप पर ध्यान केंद्रित किया जिसमें 'केर नॉनलीनियर रेज़ोनेटर' (Kerr nonlinear resonator) नामक उपकरण शामिल है, जो इन अवस्थाओं को बनाने के लिए प्रकाश और पदार्थ के बीच एक विशेष प्रकार की अंतःक्रिया का उपयोग करता है। इस दृष्टिकोण की मुख्य विशेषता यह है कि इसके द्वारा उत्पन्न होने वाली त्रुटियां यादृच्छिक (random) नहीं हैं; वे पक्षपाती (biased) हैं। एक मानक प्रणाली में, एक त्रुटि बिट को शून्य से एक में बदल सकती है या उसके चरण (phase) को समान संभावना के साथ बदल सकती है। इस कैट क्वबिट प्रणाली में, प्रमुख त्रुटि—जो एक एकल फोटॉन के नुकसान के कारण होती है—लगभग विशेष रूप से चरण (phase) को प्रभावित करती है, जिससे बिट-फ्लिप त्रुटियां इतनी दुर्लभ हो जाती हैं कि वे व्यावहारिक रूप से नगण्य हैं। यह पक्षपात एक अंतर्निर्मित ढाल की तरह कार्य करता है, जिससे सूचना क्षय के सबसे सामान्य रूप के विरुद्ध बहुत अधिक मजबूत हो जाती है।

शोधकर्ताओं ने यह देखने के लिए प्रयास किया कि क्या यह पक्षपात वास्तव में अनुकूलन एल्गोरिदम (optimization algorithm) के प्रदर्शन में सुधार कर सकता है। उन्होंने 'मैक्सकट' (MaxCut) नामक एक क्लासिक समस्या को हल करने की प्रक्रिया का अनुकरण (simulate) किया, जिसमें एक नेटवर्क के नोड्स को दो समूहों में विभाजित करना शामिल है ताकि उनके बीच के कनेक्शनों को अधिकतम किया जा सके। उन्होंने इन सिमुलेशन को एक कंप्यूटर पर चलाया, जिसमें कैट क्वबिट्स के व्यवहार को उनके आवश्यक संचालन अनुक्रमों से गुजरते हुए मॉडल किया गया। एक निष्पक्ष परीक्षण सुनिश्चित करने के लिए, उन्होंने कैट क्वबिट्स की तुलना सरल दो-स्तरीय प्रणालियों में एनकोडेड मानक क्वांटम बिट्स से की, और मानक प्रणाली को सावधानीपूर्वक इस तरह ट्यून किया कि दोनों प्रकार के बिट्स के व्यक्तिगत संचालन के लिए उनकी औसत विश्वसनीयता बिल्कुल समान हो। परिणाम स्पष्ट थे: जब एल्गोरिदम कैट क्वबिट्स पर चला, तो इसने मानक बिट्स की तुलना में लगातार बेहतर समाधान खोजे। समान स्तर के शोर के बावजूद, कैट क्वबिट्स की पक्षपाती प्रकृति ने एल्गोरिदम को उच्च गुणवत्ता वाला सन्निकटन (approximation) बनाए रखने में सक्षम बनाया, जिससे वह प्रभावी रूप से पूर्ण उत्तर के अधिक करीब पहुँच गया।

यह समझने के लिए कि ऐसा क्यों हुआ, टीम ने एल्गोरिदम के चरणों के माध्यम से त्रुटियों के व्यवहार का बारीकी से निरीक्षण किया। उन्होंने पाया कि जबकि कैट क्वबिट्स वास्तव में चरण (phase) त्रुटियों के प्रति संवेदनशील थे, एल्गोरिदम में उपयोग किए जाने वाले विशिष्ट गेट्स ने इन त्रुटियों को यादृच्छिक शोर की तुलना में अलग तरह से संभाला। मानक प्रणाली में, त्रुटियां सभी दिशाओं में फैल जाती थीं और गणना को भ्रष्ट कर देती थीं। कैट क्वबिट प्रणाली में, त्रुटियां एक ही दिशा में सीमित रहीं, जिसे एल्गोरिदम बहुत बेहतर तरीके से सहन कर सकता था। शोधकर्ताओं ने एक अलग विचार का भी परीक्षण किया: क्या इन प्रकाश-आधारित प्रणालियों के लिए विशेष रूप से डिज़ाइन किए गए एल्गोरिदम का एक पूरी तरह से नया संस्करण बनाना और भी बेहतर होगा। उनके सिमुलेशन ने सुझाव दिया कि मानक एल्गोरिदम के साथ बने रहना, लेकिन बस इन बेहतर कैट क्वबिट्स पर इसे चलाना, अधिक प्रभावी मार्ग था। अध्ययन यह निष्कर्ष निकालता है कि निकट भविष्य के लिए, जहाँ शोर अपरिहार्य है, इन पक्षपाती क्वबिट्स का उपयोग करना एक ठोस लाभ प्रदान करता है, जो वर्तमान मानक दृष्टिकोणों की तुलना में कठिन अनुकूलन समस्याओं को हल करने के लिए एक स्पष्ट मार्ग प्रदान करता है।

तकनीकी सारांश: कैट क्वबिट्स के साथ क्वांटम एप्रोक्सिमेट ऑप्टिमाइजेशन एल्गोरिदम (QAOA)

समस्या विवरण
क्वांटम एप्रोक्सिमेट ऑप्टिमाइजेशन एल्गोरिदम (QAOA), इंटरमीडिएट-स्केल क्वांटम (NISQ) प्रोसेसर पर कॉम्बिनेटोरियल ऑप्टिमाइजेशन समस्याओं को हल करने के लिए एक अग्रणी उम्मीदवार है। हालाँकि, इसका प्रदर्शन वर्तमान में हार्डवेयर शोर (noise) द्वारा सीमित है, जो सर्किट की गहराई (depth) बढ़ने के साथ एल्गोरिदम की प्रभावशीलता को कम कर देता है। जबकि वेरिएशनल एल्गोरिदम उथले (shallow) सर्किट चलाने के लिए डिज़ाइन किए गए हैं, गहरे सर्किट तक पहुँचने के लिए ऐसे हार्डवेयर कार्यान्वयन की आवश्यकता होती है जो शोर को बेहतर ढंग से सहन कर सकें। यह कार्य इस बात की जांच करता है कि क्या बोसोनिक सिस्टम, विशेष रूप से केर नॉनलीन रेज़ोनेटर (KNRs) के माध्यम से निर्मित "कैट क्विबट्स" (cat qubits) में, मैक्सकट (MaxCut) जैसी डिस्क्रीट ऑप्टिमाइजेशन समस्याओं को हल करने के लिए मानक टू-लेवल सिस्टम क्विबट्स की तुलना में प्रदर्शन लाभ प्रदान करने की क्षमता है।

कार्यप्रणाली (Methodology)
लेखक कैट क्विबट्स का उपयोग करके एक QAOA कार्यान्वयन का प्रस्ताव और सिमुलेशन करते हैं, जो संचालित केर पैरामीट्रिक ऑसिलेटर के विपरीत आयामों ( $|\pm\alpha\rangle$ ) के कोहेरेंट स्टेट्स में एनकोड किए गए हैं।

एनकोडिंग और शोर पूर्वाग्रह (Encoding and Noise Bias): कैट क्वबिट एनकोडिंग (विशेष रूप से सम और विषम पैरिटी वाले कैट स्टेट्स का सुपरपोजिशन) "बायस्ड नॉइज़" (biased noise) उत्पन्न करती है। सिंगल-फोटॉन लॉस के प्रमुख त्रुटि तंत्र के तहत, शोर मुख्य रूप से फेज ( $\hat{Z}$ ) त्रुटियों के रूप में प्रकट होता है, जबकि बिट-फ्लिप ( $\hat{X}$ ) त्रुटियां घातीय रूप से (exponentially) दमित होती हैं।
गेट कार्यान्वयन: अध्ययन में कैट क्विबट्स के लिए एक यूनिवर्सल गेट सेट का उपयोग किया गया है: $R_Z(\phi)$ , $R_X(\theta)$ , $R_Y(\phi)$ , और $R_{ZZ}(\Theta)$ । ये KNRs में विशिष्ट ड्राइव और इंटरैक्शन के माध्यम से कार्यान्वित किए जाते हैं।
सिमुलेशन रणनीति:
1. लघु स्तर (प्रूफ ऑफ प्रिंसिपल): लेखक पहले पूर्ण लिंडब्लाड मास्टर इक्वेशन (Lindblad master equation) का उपयोग करके एक टू-क्विबिट एक्जैक्ट कवर (Exact Cover) समस्या का सिमुलेशन करते हैं ताकि सिंगल-फोटॉन लॉस के तहत इस दृष्टिकोण को मान्य किया जा सके।
2. बड़े स्तर (6, 8, 10 क्विबट्स): बड़े सिस्टमों के लिए हिल्बर्ट स्पेस के घातीय स्केलिंग से बचने के लिए, लेखक पॉली ट्रांसफर मैट्रिक्स (PTM) फॉर्मलिज्म का उपयोग करते हैं। वे कंप्यूटेशनल सबस्पेस पर सिंगल-फोटॉन लॉस द्वारा प्रेरित एरर चैनल्स को कैरेक्टराइज करते हैं, जिससे निरंतर समय विकास (continuous time evolution) को क्रौस ऑपरेटर्स (Kraus operators) में बदल दिया जाता है।
3. निष्पक्ष तुलना: कैट क्विबट्स और मानक क्विबट्स के बीच निष्पक्ष तुलना सुनिश्चित करने के लिए, लेखक मानक क्विबट्स के रिलैक्सेशन रेट्स ( $T_1$ ) को इस तरह से ट्यून करते हैं कि उनके औसत गेट फिडेलिटी (average gate fidelities) कैट क्विबट्स (विशेष रूप से $\alpha = 1.36$ के लिए) के बराबर हो जाएं। यह सरल गेट फिडेलिटी में सुधार के बजाय शोर पूर्वाग्रह (noise bias) के लाभ को अलग करता है।

प्रमुख योगदान

बोसोनिक सिस्टम में डिस्क्रीट ऑप्टिमाइजेशन: पिछले बोसोनिक QAOA अध्ययनों के विपरीत, जो निरंतर वेरिएबल ऑप्टिमाइजेशन पर केंद्रित थे, यह कार्य कैट क्विबट्स का उपयोग करके डिस्क्रीट कॉम्बिनेटोरियल समस्याओं (MaxCut और Exact Cover) को संबोधित करता है।
नॉइज़-बायस प्रिजर्वेशन विश्लेषण: शोध पत्र प्रदर्शित करता है कि जबकि $R_{ZZ}$ गेट शोर पूर्वाग्रह को सुरक्षित रखता है (सिंगल-फोटॉन लॉस को $\hat{Z}$ त्रुटियों में बदलना), $R_X$ गेट ऐसा नहीं करता है; यह $\hat{Z}$ त्रुटियों को $\hat{Z}$ और $\hat{Y}$ त्रुटियों के संयोजन में बदल देता है, जिससे उस विशिष्ट गेट के लिए शोर चैनल अनबायस्ड (unbiased) हो जाता है।
प्रदर्शन बेंचमार्किंग: अध्ययन रैंडम MaxCut इंस्टेंस के लिए कैट क्विबट्स बनाम मानक क्विबट्स पर QAOA प्रदर्शन का एक संख्यात्मक तुलना प्रदान करता है, जिसमें औसत गेट फिडेलिटी को नियंत्रित किया गया है।

परिणाम

एप्रोक्सिमेशन रेशियो: 6, 8, और 10 क्विबट्स पर रैंडम MaxCut इंस्टेंस के लिए, कैट क्विबट्स के साथ कार्यान्वित QAOA, मानक क्विबट्स के कार्यान्वयन की तुलना में उच्च माध्य एप्रोक्सिमेशन रेशियो प्राप्त करता है, भले ही दोनों सिस्टम समान औसत गेट फिडेलिटी के साथ काम कर रहे हों।
गहराई के प्रति मजबूती (Robustness to Depth): हालांकि दोनों सिस्टमों के लिए एप्रोक्सिमेशन रेशियो शुरू में सर्किट की गहराई ( $p$ ) के साथ बढ़ता है और फिर शोर संचय के कारण घटता है, कैट क्विबट कार्यान्वयन सभी परीक्षण किए गए गहराई स्तरों पर बेहतर प्रदर्शन बनाए रखता है।
त्रुटि तंत्र: प्रदर्शन लाभ इस तथ्य के कारण है कि विशिष्ट MaxCut सर्किट्स में, $R_{ZZ}$ गेट्स (जो शोर पूर्वाग्रह को सुरक्षित रखते हैं) की संख्या $R_X$ गेट्स (जो ऐसा नहीं करते) की तुलना में अधिक होती है। फलस्वरूप, कैट क्विबट्स में प्रभावी त्रुटि तंत्र बायस्ड ( $\hat{Z}$ ) बना रहता है, जबकि मानक क्विबट्स अनस्ट्रक्चर्ड त्रुटियों ( $\hat{X}, \hat{Y}, \hat{Z}$ ) से प्रभावित होते हैं जो सभी गेट प्रकारों को प्रभावित करती हैं।
बोसोनिक QAOA वेरिएंट: लेखकों ने एक "जेनुइनली बोसोनिक" (genuinely bosonic) QAOA वेरिएंट का भी अन्वेषण किया (एक बोसोनिक एनीलिंग हैमिल्टनियन को ट्रोटराइज करना) लेकिन पाया कि यह कैट क्विबट्स का उपयोग करने वाले मानक QAOA दृष्टिकोण की तुलना में सुधार नहीं देता है, जिसका अनुमान उन्होंने यह लगाते हुए लगाया कि अक्षमता का कारण रेज़ोनेटर स्टेट को क्विबट कंप्यूटेशनल बेसिस में वापस मैप करने की कठिनाई है।

महत्व और दावे
शोध पत्र का दावा है कि निकट-अवधि इंटरमीडिएट-स्केल क्वांटम प्रोसेसर पर QAOA को लागू करने के लिए, कैट क्विबट्स जैसे नॉइज़-बायस्ड क्विबट्स, मानक क्विबट्स की तुलना में अधिक उपयुक्त हैं। प्राथमिक महत्व इस बात में निहित है कि विशिष्ट संरचना वाला बायस्ड नॉइज़ (डीफेजिंग को प्राथमिकता देना) डिस्क्रीट ऑप्टिमाइजेशन समस्याओं के लिए एल्गोरिथमिक प्रदर्शन को बढ़ा सकता है, भले ही हार्डवेयर को नॉन-बायस-प्रिजर्विंग गेट्स (जैसे $R_X$ ) की आवश्यकता हो। लेखक सुझाव देते हैं कि ये परिणाम संभवतः समस्या-अज्ञेयवादी (problem-agnostic) हैं और अन्य कॉम्बिनेटोरियल समस्याएं भी इसी तरह के प्रदर्शन अंतर से लाभान्वित होंगी। वे निष्कर्ष निकालते हैं कि यह दृष्टिकोण वास्तविक केर रेज़ोनेटर मापदंडों का उपयोग करके MaxCut के लिए प्राप्त करने योग्य एप्रोक्सिमेशन रेशियो का एक ठोस अनुमान प्रदान करता है, जो NISQ युग में अधिक गहरे, अधिक प्रभावी क्वांटम सर्किट की ओर एक व्यवहार्य मार्ग प्रदान करता है।

इसी तरह के और पेपर