A quantum annealing approach to the minimum distance problem of quantum codes
यह शोध पत्र क्वांटम स्टेबिलाइज़र कोड्स की न्यूनतम दूरी (minimum distance) की गणना करने के लिए लघुगणकीय चर ओवरहेड (logarithmic variable overhead) के साथ एक सॉल्वर-स्वतंत्र QUBO फॉर्मूलेशन प्रस्तावित करता है, जो D-Wave क्वांटम एनिलेर्स पर इसकी व्यवहार्यता को प्रदर्शित करता है और साथ ही कनेक्टिविटी और एम्बेडिंग को वर्तमान हार्डवेयर सीमाओं के रूप में रेखांकित करता है।
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
क्वांटम कंप्यूटर उन समस्याओं को हल करने का वादा करते हैं जिन्हें सुलझाने में आज के सुपरकंप्यूटरों को हजारों साल लग सकते हैं, लेकिन वे अविश्वसनीय रूप से नाजुक होते हैं। उन्हें उपयोगी बनाने के लिए, वैज्ञानिकों को उनमें मौजूद जानकारी को शोर या हस्तक्षेप के मामूली से अंश से भी बचाना होगा। वे ऐसा करने के लिए "क्वांटम एरर-करेक्टिंग कोड" (त्रुटि-सुधार कोड) बनाते हैं, जो एक सुरक्षा जाल की तरह काम करते हैं, जो जानकारी के एक टुकड़े को कई भौतिक कणों में फैला देते हैं ताकि यदि एक विफल हो जाए, तो डेटा को फिर से प्राप्त किया जा सके। इस सुरक्षा जाल की ताकत को "न्यूनतम दूरी" (minimum distance) नामक एक मान द्वारा मापा जाता है। इस दूरी को उस संख्या के रूप में सोचें जितने अलग-अलग त्रुटियों को एक कोड तब तक सह सकता है जब तक कि जानकारी नष्ट न हो जाए। दूरी जितनी बड़ी होगी, कोड उतना ही बेहतर होगा। हालाँकि, किसी विशिष्ट कोड की ताकत का सटीक पता लगाना, विशेष रूप से जैसे-जैसे वह बड़ा होता जाता है, एक ऐसा कार्य है जो इतना कठिन है कि यह "एनपी-हार्ड" (NP-hard) नामक समस्याओं के वर्ग में आता है, जिसका अर्थ है कि समस्या जितनी बड़ी होती जाती है, उसे हल करने के लिए आवश्यक समय तेजी से बढ़ता जाता है।
केंटकी विश्वविद्यालय के शोधकर्ताओं की एक टीम ने इस चुनौती के प्रति एक नया दृष्टिकोण अपनाते हुए यह सवाल उठाया है कि क्या वे मशीनें, जो हमें उम्मीद है कि एक दिन इन कठिन समस्याओं को हल करेंगी, क्या वे आज बेहतर कोड डिजाइन करने में हमारी मदद कर सकती हैं। उन्होंने एक विधि विकसित की है जिससे "इस कोड की ताकत कितनी है?" के प्रश्न को एक ऐसे प्रारूप में बदला जा सके जिसे आधुनिक क्वांटम मशीनें समझ सकें और हल करने का प्रयास कर सकें। यह प्रारूप, जिसे "क्वाड्रेटिक अनकन्स्ट्रेंड बाइनरी ऑप्टिमाइजेशन प्रॉब्लम" (quadratic unconstrained binary optimization problem) कहा जाता है, अनिवार्य रूप से स्विचों के एक सेट को सबसे कुशल विन्यास खोजने के लिए व्यवस्थित करने का एक तरीका है। शोधकर्ताओं ने कोड-शक्ति की समस्या को इस भाषा में पुनर्गठित किया, जिसमें केवल एक प्रबंधनीय मात्रा में अतिरिक्त जटिलता जोड़ी गई। इसके बाद उन्होंने अपने परीक्षण को एक वास्तविक क्वांटम मशीन, डी-वेव एडवांटेज 4.1 (D-Wave Advantage 4.1) पर परखा, जो "क्वांटम एनीलिंग" नामक एक प्रक्रिया का उपयोग करती है ताकि एक सरल अवस्था से एक जटिल अवस्था की ओर धीरे-धीरे विकसित होकर सर्वोत्तम समाधान की खोज की जा सके।
इस प्रयोग के परिणाम वर्तमान में क्वांटम तकनीक की स्थिति की एक स्पष्ट तस्वीर पेश करते हैं। जब शोधकर्ताओं ने अपनी नई विधि को क्वांटम एनीलर पर चलाया, तो इसने एक निश्चित बिंदु तक छोटे आकारों के लिए कोड की सटीक ताकत सफलतापूर्वक ज्ञात की। हालाँकि, जैसे-जैसे कोड बड़े होते गए, मशीन संघर्ष करने लगी, और अक्सर सटीक उत्तर देने के बजाय एक सुरक्षित लेकिन रूढ़िवादी अनुमान प्रदान करने लगी। टीम ने पाया कि क्वांटम मशीन का प्रदर्शन इस बात से बहुत प्रभावित था कि उन्होंने इसे कितनी देर तक चलने दिया। यदि प्रक्रिया बहुत कम समय के लिए थी, तो मशीन के पास सर्वोत्तम उत्तर खोजने के लिए पर्याप्त समय नहीं था; यदि यह बहुत लंबे समय तक चली, तो मशीन के अंतर्निहित शोर ने परिणाम को दूषित करना शुरू कर दिया। उन्होंने पाया कि लगभग 4.5 माइक्रोसेकंड की विशिष्ट अवधि उनके परीक्षणों के लिए सबसे उपयुक्त (sweet spot) थी।
यह देखने के लिए कि क्या यह क्वांटम दृष्टिकोण वास्तव में उपयोगी था, टीम ने इसकी तुलना दो अन्य विधियों से की: एक हाइब्रिड दृष्टिकोण जो समस्या को एक क्लासिकल कंप्यूटर और क्वांटम मशीन के बीच विभाजित करता है, और एक शुद्ध रूप से क्लासिकल विधि जो मानक, स्थापित एल्गोरिदम का उपयोग करती है। हाइब्रिड क्वांटम-क्लासिकल विधि ने पूरी तरह से क्लासिकल ह्यूरिस्टिक (heuristic) विधि के समान प्रदर्शन किया, जिसका अर्थ है कि इस विशिष्ट परीक्षण में क्वांटम भाग ने क्लासिकल भाग की तुलना में कोई महत्वपूर्ण गति लाभ प्रदान नहीं किया। अधिक महत्वपूर्ण बात यह है कि, विशेष रूप से कोड की दूरी खोजने के लिए डिज़ाइन किए गए क्लासिकल एल्गोरिदम के साथ तुलना करने पर, क्वांटम विधियाँ पीछे रह गईं। विशेष क्लासिकल उपकरणों ने परीक्षण किए गए सभी कोडों के लिए समान समय के भीतर सटीक उत्तर खोज लिए थे, जबकि क्वांटम विधियाँ ऐसा नहीं कर सकीं।
अध्ययन यह सुझाव देता है कि हालांकि क्वांटम मशीनों के अनुकूल प्रारूप में समस्या को बदलने की नई विधि सैद्धांतिक रूप से गणितीय रूप से सुदृढ़ और कुशल है, वर्तमान हार्डवेयर अभी भी इस विशिष्ट कार्य के लिए सर्वश्रेष्ठ क्लासिकल कंप्यूटरों को पछाड़ने के लिए पर्याप्त शक्तिशाली नहीं है। मुख्य बाधा समस्या में चरों (variables) की संख्या नहीं है, बल्कि क्वांटम मशीन के आंतरिक भागों के जुड़ने का तरीका है। हार्डवेयर पर समस्या चलाने के लिए, शोधकर्ताओं को "माइनर एम्बेडिंग" (minor embedding) नामक एक तकनीक का उपयोग करना पड़ा, जो एक एकल तार्किक चर (logical variable) का प्रतिनिधित्व करने के लिए कई भौतिक घटकों को जोड़ती है। इस प्रक्रिया के कारण भौतिक घटकों की संख्या समस्या के आकार की तुलना में बहुत तेजी से बढ़ी, जिससे एक महत्वपूर्ण ओवरहेड पैदा हुआ जिसने उनके द्वारा परीक्षण किए जाने वाले कोड के आकार को सीमित कर दिया।
इस मामले में क्लासिकल कंप्यूटरों से बेहतर प्रदर्शन न करने के बावजूद, यह कार्य एक मूल्यवान "प्रूफ ऑफ कॉन्सेप्ट" (सिद्ध करने योग्य अवधारणा) प्रदान करता है। यह प्रदर्शित करता है कि क्वांटम कोड की गुणवत्ता को प्रमाणित करने की कठिन समस्या को केवल एक लॉगरिदमिक जटिलता वृद्धि के साथ एक क्वांटम ढांचे पर सफलतापूर्वक मैप किया जा सकता है। शोधकर्ता निष्कर्ष निकालते हैं कि वर्तमान सीमाएं संभवतः कनेक्टिविटी और शोर के स्तरों के कारण विशिष्ट हार्डवेयर के कारण हैं, न कि दृष्टिकोण में किसी मौलिक दोष के कारण। जैसे-जैसे भविष्य में क्वांटम मशीनें अधिक जुड़ी हुई और कम शोर वाली होंगी, यह विधि कल के मजबूत क्वांटमान कंप्यूटरों को डिजाइन करने के लिए एक शक्तिशाली उपकरण बन सकती है। फिलहाल, यह अध्ययन एक यथार्थवादी बेंचमार्क के रूप में कार्य करता है, जो दिखाता है कि हालांकि क्वांटम एनीलिंग एक आशाजनक मार्ग है, फिर भी क्वांटम कोड की गुणवत्ता को प्रमाणित करने के लिए विशेष क्लासिकल उपकरण आज सबसे प्रभावी तरीका बने हुए हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।