🔬 optics

Quantum-inspired clustering with light

यह शोध पत्र एक नवीन फोटोनिक क्लस्टरिंग दृष्टिकोण प्रस्तुत करता है जो विविध डेटासेट्स को कुशलतापूर्वक संसाधित करने के लिए वेरिएशनल क्वांटम आइजनसॉल्वर से प्रेरित लेजर बीम ध्रुवीकरण अवस्थाओं और गैर-ऑर्थोगोनल मैपिंग का उपयोग करके एक सिंगल-क्यूबिट क्वांटम एल्गोरिदम का अनुकरण करता है।

मूल लेखक: Miguel Varga, Pablo Bermejo, Rubén Pellicer-Guridi, Román Orús, Gabriel Molina-Terriza

प्रकाशित 2026-06-04

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Miguel Varga, Pablo Bermejo, Rubén Pellicer-Guridi, Román Orús, Gabriel Molina-Terriza

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

यहाँ इस शोध पत्र का सरल भाषा और रोज़मर्रा के उदाहरणों के साथ स्पष्टीकरण दिया गया है।

मुख्य विचार: प्रकाश के साथ छँटाई (Sorting)

कल्पना कीजिए कि आपके पास मोजों का एक बहुत बड़ा ढेर है जो आपस में मिल गए हैं, और आपको उन्हें बिना यह जाने कि उनका रंग या पैटर्न क्या है, जोड़ों में बाँटना है। आपको बस उन्हें देखना है और समान दिखने वाले मोजों को एक साथ समूह में रखना है। डेटा की दुनिया में, इसे क्लस्टरिंग (Clustering) कहा जाता है।

आमतौर पर, कंप्यूटर यह काम संख्याओं की गणना करके करते हैं। लेकिन यह शोध पत्र एक चतुर नया तरीका पेश करता है: एक मानक कंप्यूटर प्रोसेसर के बजाय लेजर बीम का उपयोग करना।

शोधकर्ताओं ने एक "क्वांटम-प्रेरित" (quantum-inspired) मशीन बनाई है जो डेटा को छाँटने के लिए प्रकाश का उपयोग करती है। वे एक वास्तविक, अत्यंत शक्तिशाली क्वांटम कंप्यूटर (जो अभी भी बहुत दुर्लभ और नाजुक होते हैं) का उपयोग नहीं कर रहे हैं। इसके बजाय, वे एक साधारण लेजर और कुछ दर्पणों का उपयोग करके यह नकल कर रहे हैं कि एक क्वांटम कंप्यूटर कैसे सोचता है।

यह कैसे काम करता है: डेटा स्पिनर के रूप में लेजर

1. स्पिन के रूप में डेटा
एक सामान्य कंप्यूटर में, डेटा केवल संख्याओं की एक सूची होता है। इस प्रयोग में, शोधकर्ताओं ने अपने डेटा पॉइंट्स को प्रकाश की ध्रुवीकरण अवस्थाओं (polarization states) में बदल दिया।

उदाहरण: कल्पना कीजिए कि लेजर बीम एक घूमती हुई लट्टू (spinning top) है। आप लट्टू को किसी भी दिशा में झुका सकते हैं। शोधकर्ताओं ने अपने डेटा पॉइंट्स को इस झुकाव के विशिष्ट कोणों (angles) के रूप में दर्शाया। यदि दो डेटा पॉइंट्स समान हैं, तो उनका "झुकाव" एक-दूसरे के करीब होगा।

2. प्रकाश के लिए "जिम" (वेवप्लेट्स)
डेटा को छाँटने के लिए, लेजर बीम विशेष कांच के फिल्टर से गुजरती है जिन्हें वेवप्लेट्स (waveplates) कहा जाता है।

उदाहरण: इन वेवप्लेट्स को लेजर बीम के लिए एक "जिम" के रूप में समझें। जैसे ही प्रकाश इनके माध्यम से गुजरता है, प्रकाश का "झुकाव" घूमता और मुड़ता है।
शोधकर्ता इन कांच के फिल्टरों को घुमाकर यह नियंत्रित कर सकते हैं कि प्रकाश कितना मुड़ेगा। ये सेटिंग्स वे "नॉब्स" (knobs) हैं जिन्हें वे डेटा को सबसे अच्छे तरीके से छाँटने के लिए एडजस्ट करते हैं।

3. लक्ष्य: पूर्ण व्यवस्था खोजना
लक्ष्य प्रकाश को इस तरह मोड़ना है कि समान डेटा पॉइंट्स एक मानचित्र पर एक ही "ज़ोन" में आ जाएँ (जिसे पोइनकेरे स्फीयर/Poincaré sphere कहा जाता है, जो सभी संभावित प्रकाश झुकावों को दर्शाने वाला एक फैंसी 3D गोला है)।

उदाहरण: कल्पना कीजिए कि आपके पास मेज पर कुछ चुंबक हैं। आप उन्हें इस तरह व्यवस्थित करना चाहते हैं कि लाल वाले एक कोने में हों और नीले दूसरे कोने में, लेकिन आप उन्हें सीधे छू नहीं सकते। इसके बजाय, आप हवा (लेजर) फूंकते हैं और हवा की दिशा (वेवप्लेट्स) को एडजस्ट करते हैं जब तक कि चुंबक स्वाभाविक रूप से अपने सही समूहों में न चले जाएँ।

प्रक्रिया: एक स्मार्ट कोच के साथ ट्रायल और एरर

यह सिस्टम एक लूप में काम करता है, ठीक वैसे ही जैसे एक कोच एथलीट को प्रशिक्षित करता है:

एथलीट (लेजर): लेजर बीम वेवप्लेट्स से गुजरती है और छाँटी जाती है।
कोच (क्लासिकल कंप्यूटर): एक साधारण कंप्यूटर मापता है कि प्रकाश कहाँ पहुँचा। वह जाँचता है: "क्या लाल मोजे एक साथ आए? क्या नीले मॉक्स एक साथ आए?"
फीडबैक: यदि समूह बिखरा हुआ है, तो कोच सिस्टम को बताता है, "नॉब को थोड़ा और बाईं ओर घुमाओ।"
दोहराव: वेवप्लेट्स घूमते हैं, प्रकाश फिर से मुड़ता है, और कोच परिणाम की जाँच करता है।

वे इसे बार-बार (लगभग 10 से 30 बार) तब तक दोहराते हैं जब तक कि गलतियों की लागत (cost of mistakes) न्यूनतम न हो जाए। उस बिंदु पर, डेटा पूरी तरह से छाँटा जा चुका होता है।

उन्होंने वास्तव में क्या हासिल किया

शोध पत्र विशिष्ट, सफल परीक्षणों की रिपोर्ट करता है:

दो क्लस्टर: उन्होंने 200 डेटा पॉइंट्स के मिश्रण को दो अलग-अलग समूहों में 100% सटीकता के साथ सफलतापूर्वक छाँटा।
अधिक जटिल समूह: उन्होंने ऐसे डेटा के साथ सिस्टम का परीक्षण किया जिसे 3, 4 और यहाँ तक कि 5 अलग-अलग समूहों में छाँटने की आवश्यकता थी। लेजर सिस्टम ने इन समूहों की पहचान सफलतापूर्वक और स्वचालित रूप से की।
पूर्व ज्ञान की आवश्यकता नहीं: सिस्टम को यह बताने की ज़रूरत नहीं थी कि "यह लाल मोजा है" या "यह नीला मोजा है।" इसने पैटर्न को देखकर पूरी तरह से अपने आप समूहों को पहचान लिया।

यह क्यों महत्वपूर्ण है (शोध पत्र के अनुसार)

शोधकर्ता दावा करते हैं कि यह एक "पहला परीक्षण" है जो दिखाता है कि एक सरल, क्लासिकल डिवाइस (एक लेजर और कुछ कांच) एक जटिल क्वांटम एल्गोरिदम के व्यवहार की नकल कर सकता है।

यह मजबूत (Robust) है: वास्तविक क्वांटम कंप्यूटरों के विपरीत जो शोर (noise) के कारण आसानी से टूट जाते हैं, यह प्रकाश-आधारित सिस्टम बहुत स्थिर है।
यह एक सेतु (Bridge) है: यह साबित करता है कि हम प्रकाश का उपयोग उन समस्याओं को हल करने के लिए कर सकते हैं जिनमें आमतौर पर क्वांटम कंप्यूटरों की आवश्यकता होती है, जिससे इन उन्नत एल्गोरिदम को अरबों डॉलर की क्वांटम मशीन के बिना भी सुलभ बनाया जा सकता है।

संक्षेप में: टीम ने एक ऐसी मशीन बनाई है जो लेजर बीम और घूमते हुए कांच के फिल्टर का उपयोग करके अव्यवस्थित डेटा को व्यवस्थित समूहों में स्वतः छाँटती है, यह साबित करते हुए कि आप एक बहुत ही सरल, प्रकाश-आधारित सेटअप के साथ "क्वांटम-शैली" की सोच को अंजाम दे सकते हैं।

तकनीकी सारांश: प्रकाश के साथ क्वांटम-प्रेरित क्लस्टरिंग (Quantum-Inspired Clustering with Light)

समस्या विवरण
यह शोध पत्र शोर वाले इंटरमीडिएट-स्केल क्वांटम (NISQ) युग के भीतर वेरिएशनल क्वांटम एल्गोरिदम (VQAs) के अनुकरण (simulation) की चुनौती को संबोधित करता है। जबकि क्वांटम हार्डवेयर विकसित हो रहा है, यह त्रुटिपूर्ण बना हुआ है, जिसके लिए मजबूत शास्त्रीय सिमुलेशन विधियों और वैकल्पिक प्रोसेसिंग इकाइयों की आवश्यकता है। विशेष रूप से, लेखक एक एकल-क्यूबिट क्वांटम एल्गोरिदम को पारंपरिक डिजिटल कंप्यूटर या भौतिक क्वांटम प्रोसेसर के बजाय एक फोटोनिक सिस्टम का उपयोग करके सिम्युलेट करने के माध्यम से अनसुपरवाइज्ड क्लस्टरिंग (unsupervised clustering)—एक ऐसा कार्य जहाँ डेटा बिंदुओं को बिना किसी पूर्व लेबल के वर्गीकृत किया जाता है—करने के लिए एक विधि प्रदर्शित करने का लक्ष्य रखते हैं।

कार्यप्रणाली (Methodology)
प्रस्तावित दृष्टिकोण एक एकल-क्यूबिट वेरिएशनल क्वांटम सर्किट के व्यवहार की नकल करने के लिए एक "क्वांटम-प्रेरित" फोटोनिक डिवाइस का उपयोग करता है। इस पद्धति का मुख्य भाग एक क्यूबिट के तार्किक ऑपरेशन्स (logical operations) को लेजर बीम की ध्रुवीकरण अवस्थाओं (polarization states) पर मैप करना है।

एल्गोरिदम ढांचा (Algorithmic Framework): प्रयोग एक वेरिएशनल क्वांटम क्लस्टरिंग (VQC) एल्गोरिदम को लागू करता है जो संदर्भ [10] में परिभाषित एक कॉस्ट फंक्शन (cost function) पर आधारित है। कॉस्ट फंक्शन डेटा बिंदुओं और क्लस्टर सेंट्रॉइड्स के बीच की दूरी को कम करता है, जबकि डेटा बिंदुओं से जुड़े वेरिएशनल क्वांटम स्टेट्स और क्लस्टर्स के रेफरेंस स्टेट्स के बीच फिडेलिटी (fidelity) पर विचार करता है। फंक्शन इस प्रकार है:
$H = \frac{1}{2} \sum_{i,j=1}^{N} (d(\vec{x}_i, \vec{x}_j) + \lambda d(\vec{x}_i, \vec{c}_i)) \sum_{a=1}^{k} (1 - f^a_i)(1 - f^a_j)$
जहाँ $f^a_i$ , डेटा पॉइंट $i$ और क्लस्टर $a$ के बीच की फिडेलिटी को दर्शाता है।
हाइब्रिड आर्किटेक्चर (Hybrid Architecture): सिस्टम एक हाइब्रिड लूप के रूप में कार्य करता है:
1. शास्त्रीय इकाई (Classical Unit): एक क्लासिकल कंप्यूटर मोंटे कार्लो (Monte Carlo) और स्टीप डेसेंट (steepest descent) एल्गोरिदम के संयोजन का उपयोग करके कॉस्ट फंक्शन को न्यूनतम करने के लिए वेरिएशनल पैरामीटर्स को अनुकूलित (optimize) करता है।
2. फोटोनिक इकाई (Photonic Unit): एक डायोड लेजर (808 nm) "क्वांटम" प्रोसेसर के रूप में कार्य करता है। इसकी ध्रुवीकरण अवस्था (polarization state) क्यूबिट अवस्था का प्रतिनिधित्व करती है।
प्रायोगिक सेटअप (Experimental Setup):
- स्टेट प्रिपरेशन (State Preparation): एक हाफ-वेव प्लेट ( $H_0$ ) और एक पोलराइज़र ( $P$ ) का उपयोग करके एक प्रारंभिक हॉरिजॉन्टल पोलराइजेशन स्टेट तैयार की जाती है।
- वेरिएशनल सर्किट (Variational Circuit): ध्रुवीकरण को $m$ जोड़े हाफ-वेव प्लेट्स ( $H_k$ ) और क्वार्टर-वेव प्लेट्स ( $Q_k$ ) की एक श्रृंखला द्वारा मैनिपुलेट किया जाता है। इन वेवप्लेट्स के रोटेशन एंगल्स ( $\alpha_k, \beta_k$ ) वेरिएशनल पैरामीटर्स के रूप में कार्य करते हैं। ये एंगल्स पोइनकेयर स्फीयर (Poincaré sphere) पर रोटेशन के रूप में मैप किए जाते हैं, जो एकल क्यूबिट के ब्लॉक स्फीयर (Bloch sphere) के समान है।
- मापन (Measurement): एक पोलिमीटर आउटपुट लाइट के स्टोक्स पैरामीटर्स ( $s_0, s_1, s_2, s_3$ ) को मापता है, जो प्रभावी रूप से "क्यूबिट" की अंतिम अवस्था को पढ़ता है।
- ऑप्टिमाइजेशन लूप (Optimization Loop): मापे गए स्टोक्स पैरामीटर्स को वेवप्लेट एंगल्स को अपडेट करने के लिए क्लासिकल ऑप्टिमाइज़र को वापस भेजा जाता है, जिससे क्लस्टरिंग कॉस्ट फंक्शन को पुनरावृत्ति (iteratively) के माध्यम से न्यूनतम किया जाता है।

प्रमुख योगदान (Key Contributions)

VQC का फोटोनिक सिमुलेशन: लेखकों ने सफलतापूर्वक एकल-क्यूबिट वेरिएशनल क्वांटम क्लस्टरिंग एल्गोरिदम का एक फोटोनिक संस्करण लागू किया है, यह प्रदर्शित करते हुए कि लेजर पोलराइजेशन प्रभावी रूप से एकल-क्यूबिट रोटेशन और यूनिटरी सर्किट्स को दोहरा सकता है।
नॉन-ऑर्थोगोनल स्टेट का उपयोग: अनुसंधान यूनिटरी सर्किट्स को पुनरुत्पादित करने के लिए फोटोनिक डोमेन के भीतर नॉन-ऑर्थोगोनल पोलराइजेशन स्टेट्स का लाभ उठाता है, जिससे एक बहुमुखी सूचना प्रसंस्करण इकाई बनती है।
प्रायोगिक सत्यापन: सिस्टम का परीक्षण विभिन्न क्लस्टर्स (2, 3, 4, और 5 गॉसियन ब्लब्स) और विभिन्न पॉइंट डेंसिटी वाले डेटासेट्स पर किया गया था।
संख्यात्मक विश्लेषण (Numerical Analysis): पेपर कॉस्ट फंक्शन लैंडस्केप का संख्यात्मक विश्लेषण प्रदान करता है, जो लोकल मिनिमा (local minima) की उपस्थिति और एल्गोरिदम की इनिशियलाइजेशन (initialization) के प्रति संवेदनशीलता को दर्शाता है।

परिणाम (Results)

क्लस्टरिंग प्रदर्शन: फोटोनिक डिवाइस ने रैंडम डेटासेट्स पर अनसुपरवाइज्ड वर्गीकरण सफलतापूर्वक किया।
- ~100 पॉइंट्स वाले 2-क्लस्टर डेटासेट के लिए, एल्गोरिदम ने 100% सफलता दर प्राप्त की।
- 3, 4, और 5 क्लस्टर्स (गॉसियन ब्लब्स) के लिए प्रायोगिक परिणामों ने अलग-अलग मात्रा में क्लस्टर्स वाली कॉन्फ़िगरेशन को स्वचालित रूप से पहचानने की प्रणाली की क्षमता प्रदर्शित की।
ऑप्टिमाइजेशन डायनेमिक्स: संख्यात्मक सिमुलेशन ने दिखाया कि कॉस्ट फंक्शन आमतौर पर 10 इटरेशन के भीतर स्थिर हो जाता है, हालांकि पूर्ण न्यूनतम (absolute minimum) तक पहुँचने के लिए 30 इटरेशन तक की आवश्यकता हो सकती है। अध्ययन ने नोट किया कि जबकि एक एकल एब्सोल्यूट मिनिमम मौजूद है, कई लोकल मिनिमा भी उच्च सफलता अनुपात (92.5% से 100%) प्रदान करते हैं, जो इनिशियलाइजेशन के प्रति एल्गोरिदम की संवेदनशीलता को उजागर करता है।
त्रुटि सुदृढ़ता (Error Robustness): ऑप्टिकल सेटअप में प्रायोगिक त्रुटियों ने ऑप्टिमाइजेशन प्रक्रिया के अपेक्षित व्यवहार को महत्वपूर्ण रूप से नहीं बदला, जैसा कि प्रायोगिक रन में कॉस्ट फंक्शन के अभिसरण (convergence) से स्पष्ट है (चित्र 5)।

महत्व और दावे (Significance and Claims)
यह पेपर इस कार्य को क्वांटम क्लस्टरिंग एल्गोरिदम को सिम्युलेट करने के लिए क्लासिकल फोटोनिक सिस्टम के उपयोग को मान्य करने वाले "प्रथम प्रूफ ऑफ प्रिंसिपल" (first proof of principle) के रूप में प्रस्तुत करता है। लेखक दावा करते हैं कि उनका सेटअप एक समर्पित प्रोसेसिंग यूनिट के रूप में कार्य करता है जो एकल-क्यूबिट क्वांटम सर्किट के व्यवहार की नकल करता है।

इसका महत्व यह प्रदर्शित करने में निहित है कि:

लाइट-आधारित सिस्टम VQE और VQC जैसे विशिष्ट कार्यों के लिए क्यूबिट्स की गतिशीलता को दोहरा सकते हैं।
ऐसे सिस्टम शोर (noise) पर सटीक नियंत्रण प्रदान करते हैं और इनपुट स्टेट्स के लिए वास्तविक क्वांटम व्यवस्था (quantum regimes) पेश करके स्केल किए जा सकते हैं।
यह दृष्टिकोण वेवप्लेट रोटेशन को सामान्य पाउली रोटेशन (Pauli rotations) में मैप करके ऑप्टिकल इम्प्लीमेंटेशन और मानक क्वांटम कंप्यूटिंग फ्रेमवर्क (जैसे, Pennylane, Qiskit) के बीच के अंतर को पाटता है।

लेखक भविष्य के निहितार्थों के संबंध में एक मध्यम स्वर बनाए रखते हैं, यह नोट करते हुए कि जबकि वर्तमान प्रयोग एक एकल क्यूबिट का अनुकरण करता है, आर्किटेक्चर को मल्टी-क्यूबिट सिस्टम (मल्टीपल फोटॉन्स का उपयोग करके) के लिए विस्तारित किया जा सकता है या अलग-अलग कॉस्ट फंक्शन्स के निर्माण के माध्यम से विविध मशीन लर्निंग रणनीतियों के लिए अनुकूलित किया जा सकता है। वे फोटोनिक उपकरणों का उपयोग करके VQE के लिए एक समानांतर प्रस्ताव को भी स्वीकार करते हैं, जो यह सुझाव देता है कि यह एक उभरता हुआ अनुसंधान क्षेत्र है।

मुख्य विचार: प्रकाश के साथ छँटाई (Sorting)

यह कैसे काम करता है: डेटा स्पिनर के रूप में लेजर

प्रक्रिया: एक स्मार्ट कोच के साथ ट्रायल और एरर

उन्होंने वास्तव में क्या हासिल किया

यह क्यों महत्वपूर्ण है (शोध पत्र के अनुसार)

इसी तरह के और पेपर