⚛️ quantum physics

Constant Runtime Error Mitigation via Restricted Evolution

यह शोध पत्र एरर मिटिगेशन वाया रिस्ट्रिक्टेड इवोल्यूशन (EMRE) और इसके हाइब्रिड वेरिएंट्स (HEMREs) को प्रस्तुत करता है, जो कि नवीन प्रोटोकॉल हैं जो एक छोटे, गणना योग्य बायस (bias) के बदले में क्वांटम एरर मिटिगेशन के लिए निरंतर सैंपलिंग ओवरहेड प्राप्त करते हैं, जिससे वे प्रोबेबिलिस्टिक एरर कैंसिलेशन जैसे मौजूदा तरीकों के एक स्केलेबल और लचीले विकल्प के रूप में उभरते हैं।

मूल लेखक: Gaurav Saxena, Thi Ha Kyaw

प्रकाशित 2026-06-26

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Gaurav Saxena, Thi Ha Kyaw

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 "Constant Runtime Error Mitigation via Restricted Evolution" नामक शोध पत्र का सरल भाषा और रोज़मर्रा के उदाहरणों के साथ विवरण दिया गया है।

बड़ी समस्या: "शोर वाला" (Noisy) क्वांटम कंप्यूटर

कल्पना कीजिए कि आप एक बेहतरीन केक (आदर्श क्वांटम गणना) बनाने की कोशिश कर रहे हैं, लेकिन आपकी रसोई बहुत ज़ोर-ज़ोर से हिल रही है (शोर वाला क्वांटम हार्डवेयर)। हर बार जब आप सामग्री मिलाते हैं, तो हिलने के कारण थोड़ा सा आटा बिखर जाता है या चीनी के गुच्छे बन जाते हैं। जब तक केक तैयार होता है, तब तक उसका स्वाद वैसा नहीं रहता जैसा रेसिपी में बताया गया था।

क्वांटम कंप्यूटिंग की दुनिया में, इस "हिलने" या कंपन को शोर (Noise) कहा जाता है। यह गणनाओं के परिणामों को खराब कर देता है। वैज्ञानिकों ने इसे ठीक करने के लिए केक की हज़ारों तस्वीरें लेने, उस बिखराव का विश्लेषण करने और गणितीय रूप से उस "हिलने" को "उल्टा" (undo) करके यह अनुमान लगाने की कोशिश की है कि आदर्श केक कैसा दिखना चाहिए था। इसे प्रोबेबिलिस्टिक एरर कैंसलेशन (PEC) कहा जाता है।

चुनौती: पुराने तरीके से एक स्पष्ट तस्वीर पाने के लिए, आपको केक की घातीय रूप से (exponentially) अधिक तस्वीरें लेनी पड़ती हैं जैसे-जैसे रसोई का शोर बढ़ता है। यदि रसोई का हिलना थोड़ा भी बढ़ जाता है, तो आपको हज़ार के बजाय अरबों तस्वीरें लेनी पड़ सकती हैं। यह बड़े और जटिल कार्यों के लिए बहुत महंगा और धीमा हो जाता है।

नया समाधान: "रिस्ट्रिक्टेड इवोल्यूशन" (EMRE)

लेखकों ने शोर को संभालने का एक नया तरीका प्रस्तावित किया है जिसे एरर मिटिगेशन बाय रिस्ट्रिक्टेड इवोल्यूशन (EMRE) कहा जाता है।

उपमा: "काफी अच्छा" वाला रास्ता
हर हलचल को गणितीय रूप से ठीक करके परफेक्ट केक बनाने की कोशिश करने के बजाय, EMRE एक अलग सवाल पूछता है: "इस हिलती हुई रसोई में हम वास्तव में सबसे करीब और सबसे स्थिर केक कौन सा बना सकते हैं?"

रिस्ट्रिक्टेड इवोल्यूशन (सीमित विकास): कल्पना कीजिए कि आदर्श रेसिपी के लिए एक जटिल और नाजुक नृत्य की मुद्रा (dance move) की आवश्यकता है, जिसे हिलती हुई रसोई में करना असंभव है। EMRE कहता है, "आइए उस असंभव मुद्रा को एक सरल, थोड़ी कम फैंसी मुद्रा से बदल दें जिसे रसोई बिना गिरे संभाल सके।"
स्थिर लागत (Constant Cost): क्योंकि हम केवल "करने योग्य" मुद्राओं का उपयोग कर रहे हैं, हमें लाखों तस्वीरें लेने की आवश्यकता नहीं है। चाहे केक कितना भी बड़ा हो या रसोई कितनी भी अधिक हिल रही हो, आपको केवल एक निश्चित, छोटी संख्या में नमूनों (samples) (जैसे कि 1,000 तस्वीरें) की आवश्यकता होती है।
समझौता (Bias/पक्षपात): केक आदर्श रेसिपी के बिल्कुल समान नहीं होगा। इसके स्वाद में एक छोटा, अनुमानित अंतर होगा। लेखक इसे बायस (Bias) कहते हैं। हालाँकि, वे सिद्ध करते हैं कि यह बायस छोटा और प्रबंधनीय है, और परिणाम प्राप्त करने की लागत निश्चित और कम है।

"हाइब्रिड" दृष्टिकोण (HEMRE)

लेखकों ने एक बीच का रास्ता निकालने वाला टूल भी बनाया है जिसे हाइब्रिड EMRE (HEMRE) कहा जाता है।

उपमा: अनुकूलित बजट (Customizable Budget)
इसे एक यात्रा के बजट की तरह समझें।

PEC ऐसा है जैसे कहना, "मुझे सटीक गंतव्य देखना है, चाहे इसकी कितनी भी कीमत क्यों न लगे।" (उच्च लागत, पूर्ण सटीकता)।
EM_RE ऐसा है जैसे कहना, "मैं वहाँ जितनी जल्दी हो सके पहुँचना चाहता हूँ, भले ही मैं सटीक स्थान से कुछ मील दूर रह जाऊं।" (कम लागत, छोटा एरर)।
HEMRE आपको अपना बजट सेट करने की अनुमति देता है। आप कंप्यूटर को बताते हैं, "मैं इतना अंतर (एक विशिष्ट बायस) सहने के लिए तैयार हूँ।" फिर कंप्यूटर यह पता लगाता है कि उस सीमा के भीतर गंतव्य तक पहुँचने का सबसे सस्ता तरीका क्या है। यह यात्रा के कुछ हिस्सों के लिए "परफेक्ट" तरीके और अन्य हिस्सों के लिए "तेज़" तरीके का मिश्रण करता है ताकि आपको गति और सटीकता का सबसे अच्छा संतुलन मिल सके।

शोध पत्र के मुख्य निष्कर्ष

लेखकों ने इन विचारों का परीक्षण कंप्यूटर सिमुलेशन का उपयोग करके किया (क्योंकि उनके पास अभी तक एक आदर्श क्वांटम कंप्यूटर नहीं है)। यहाँ उन्हें जो मिला वह इस प्रकार है:

कम शोर के लिए: जब "रसोई" केवल थोड़ा सा हिल रही हो, तो नया EM_RE तरीका पुराने PEC तरीके से बहुत बेहतर है। यह एक ऐसा परिणाम देता है जो सच्चाई के बहुत करीब है लेकिन इसके लिए बहुत कम नमूनों (तस्वीरों) की आवश्यकता होती है।
उच्च शोर के लिए: जब हलचल बहुत अधिक हो जाती है, तो सरल EMRE तरीका सच्चाई से थोड़ा दूर होने लगता है। यहीं पर HEMRE चमकता है। यह बिना भारी मात्रा में नमूनों की आवश्यकता के, खुद को सटीक बनाए रखने के लिए समायोजित कर सकता है।
सामान्य शोर के लिए सटीक गणित: शोध पत्र में पाया गया कि दो बहुत ही सामान्य प्रकार के शोर (जिन्हें "डीपोलराइजिंग" और "डीफेजिंग" कहा जाता है) के लिए, परिणामों को ठीक करने का एक सरल गणितीय सूत्र है। आपको जटिल गणना करने की आवश्यकता नहीं है; आपको बस अपने परिणाम को एक विशिष्ट संख्या से गुणा करना है और कुछ बॉक्स चेक करने हैं। यह सामान्य गलतियों के लिए एक "करेक्शन फैक्टर" रखने जैसा है।

सारांश

यह शोध पत्र क्वांटम कंप्यूटरों में त्रुटियों को ठीक करने का एक नया तरीका पेश करता है जो पूर्ण सटीकता के एक छोटे से हिस्से के बदले समय और कंप्यूटिंग शक्ति में भारी कमी लाता है।

पुराना तरीका (PEC): सब कुछ पूरी तरह से ठीक करने की कोशिश करना। जैसे-जैसे शोर बढ़ता है, इसमें काम बहुत अधिक (exponentially) बढ़ जाता है।
नया तरीका (EMRE): काम को स्थिर और कम रखने के लिए एक छोटे, अनुमानित एरर को स्वीकार करना।
हाइब्रिड तरीका (HEMRE): आपको यह चुनने की अनुमति देता है कि गति और सटीकता के सर्वोत्तम संतुलन के लिए आप कितना एरर सहन कर सकते हैं।

यह दृष्टिकोण इस बात के लिए डिज़ाइन किया गया है कि क्वांटम कंप्यूटर अभी (इस "शोर वाले" युग में) बेहतर ढंग से काम कर सकें और जैसे-जैसे वे अधिक विश्वसनीय बनने की ओर बढ़ें, भी काम आ सकें।

तकनीकी सारांश: प्रतिबंधित विकास के माध्यम से निरंतर रनटाइम त्रुटि शमन

समस्या विवरण

निकट-अवधि का क्वांटम हार्डवेयर स्वाभाविक रूप से शोर युक्त (noisy) होता है, जो भौतिक प्रेक्षणों (observables) के मापन परिणामों की विश्वसनीयता को सीमित करता है। जबकि प्रोबेबिलिस्टिक एरर कैंसलेशन (PEC) और ज़ीरो-नॉइज़ एक्सट्रपलेशन (ZNE) जैसी क्वांटम एरर मिटिगेशन (QEM) तकनीकें परिणाम की शुद्धता (fidelity) में सुधार के लिए प्रस्तावित की गई हैं, वे एक गंभीर स्केलेबिलिटी बाधा से ग्रस्त हैं: शोर के स्तर और सर्किट गहराई के सापेक्ष घातांकीय नमूना ओवरहेड (exponential sampling overhead)। सार्वभौमिक प्रदर्शन सीमाएं बताती हैं कि इन विधियों के साथ resolvable सांख्यिकी प्राप्त करने के लिए सुपर-पॉलीनोमियल या घातांकीय नमूनों की आवश्यकता होती है, जो उन्हें गहरे सर्किटों या उच्च-शोर वाले परिदृश्यों के लिए अव्यवहारिक बना देता है। समुदाय को ऐसी त्रुटि शमन रणनीतियों की आवश्यकता है जो कम्प्यूटेशनल ओवरहेड और सांख्यिकीय सटीकता के बीच एक ट्रेड-ऑफ (समझौता) प्रदान कर सकें, विशेष रूप से वे जो घातांकीय स्केलिंग से बच सकें ताकि निकट-अवधि और प्रारंभिक दोष-सहिष्णु (fault-tolerant) युगों में व्यावहारिक क्वांटम उपयोगिता संभव हो सके।

कार्यप्रणाली: प्रतिबंधित विकास (Restricted Evolution)

लेखक एरर मिटिगेशन बाय रिस्ट्रिक्टेड इवोल्यूशन (EMRE) का प्रस्ताव करते हैं, जो निरंतर रनटाइम सैंपलिंग ओवरहेड प्राप्त करने के लिए आदर्श क्वांटम सर्किटों को लागू करने योग्य शोर युक्त ऑपरेशनों के साथ अनुमानित करता है।

मुख्य तंत्र

सामान्यीकृत क्वासी-प्रोबेबिलिटी डिकंपोजिशन (GQPD):
एक यूनिटरी गेट $U_i$ को सकारात्मक और नकारात्मक दोनों गुणांकों वाले लागू करने योग्य गेटों के रैखिक संयोजन में विघटित करने के बजाय (जैसा कि मानक PEC में होता है), EMRE एक इस प्रकार के डिकंपोजिशन की तलाश करता है:
$U_i = s_i B_i - (s_i - 1)N_i$
जहाँ:
- $B_i$ एक लागू करने योग्य (शोर युक्त) ऑपरेशन (या उसका कॉनवेक्स कॉम्बिनेशन) है।
- $N_i$ एक क्वांटम चैनल है।
- $s_i \geq 1$ एक स्केलिंग फैक्टर है।
- $(s_i - 1)$ वाला पद सामान्यीकृत मजबूती (generalized robustness) का प्रतिनिधित्व करता है, जो एक रिसोर्स-थ्योरेटिक माप है जो आदर्श ऑपरेशन और लागू करने योग्य ऑपरेशनों के सेट के बीच की दूरी को दर्शाता है।
प्रतिबंधित विकास (Restricted Evolution):
प्रोटोकॉल प्रत्येक परत $U_i$ को सभी $s_i$ कारकों के उत्पाद द्वारा स्केल किए गए लागू करने योग्य ऑपरेशन $B_i$ से बदलकर आदर्श सर्किट $U$ को अनुमानित करता है। विकास $B$ के लागू करने योग्य सर्किट तक "प्रतिबंधित" है।
$U \approx sB$
यह सन्निकटन अपेक्षित मान (expectation value) के अनुमान में एक बायस (bias) पेश करता है लेकिन नकारात्मक संभाव्यता वितरणों से नमूना लेने की आवश्यकता को समाप्त कर देता है, जो PEC में घातांकीय ओवरहेड का स्रोत है।
बायस अनुमान और सुधार:
अनुमानित अपेक्षित मान $E$ को $s$ द्वारा स्केल किए गए $B$ के शोर युक्त मापन से प्राप्त किया जाता है। बायस $b$ विश्लेषणात्मक रूप से बाध्य (bounded) है और जेनरालाइज्ड रोबस्टनेस पर निर्भर करती है। लेखक (चित्र 2) के अनुसार एक फ्लोचार्ट प्रदान करते हैं ताकि स्केलिंग फैक्टर $s$ , अनुमान त्रुटि $\epsilon$ , और मापित मान के बीच संबंध के आधार पर इष्टतम अनुमान और बायस बाउंड निर्धारित किया जा सके।

हाइब्रिड EMRE (HEMRE)

उन परिदृश्यों को संबोधित करने के लिए जहाँ शुद्ध EMRE से होने वाला बायस बहुत अधिक हो जाता है (उदाहरण के लिए, उच्च-शोर वाले परिदृश्यों में), लेखक हाइब्रिड EMRE (HEMRE) पेश करते हैं।

रणनीति: HEMRE उपयोगकर्ता को एक अधिकतम स्वीकार्य बायस ( $\Delta_{fixed}$ ) निर्दिष्ट करने की अनुमति देता है।
कार्यान्वयन: एल्गोरिदम चुनिले गेटों के एक उपसमुच्चय (subset) पर प्रतिबंधित विकास (गेटों को उनके निकटतम लागू करने योग्य संस्करणों में अनुमानित करना) को लागू करता है, जबकि अन्य के लिए पूर्ण क्वासी-प्रोबेबिलिस्टिक डिकंपोजिशन (PEC-शैली) को बनाए रखता है।
अनुकूलन (Optimization): एल्गोरिदम 1 प्रदान किया गया है जो यह सुनिश्चित करते हुए कि उनके जेनरालाइज्ड रोबस्टनेस का उत्पाद उपयोगकर्ता के बायस प्रतिबंध को संतुष्ट करता है, अधिकतम अनुमानित किए जाने वाले गेटों की संख्या को अधिकतम करता है। यह EMRE (निरंतर ओवरहेड, गैर-शून्य बायस) और PEC (शून्य बायस, घातांकीय ओवरहेड) के बीच एक निरंतर परिवार बनाता है।

मुख्य योगदान

निरंतर सैंपलिंग ओवरहेड: शोध पत्र औपचारिक रूप से सिद्ध करता है कि EMRE, बायस को स्वीकार करने पर, सर्किट गहराई से स्वतंत्र, निरंतर सैंपलिंग जटिलता (constant sampling complexity) के साथ अपेक्षित मानों का अनुमान लगा सकता है। यह PEC के घातांकीय स्केलिंग के विपरीत है।
बायस पर विश्लेषणात्मक सीमाएँ: लेखक बायस और जेनरालाइज्ड रोबस्टनेस के बीच एक विश्लेषणात्मक संबंध स्थापित करते हैं। वे विशिष्ट शोर मॉडलों के तहत जेनरालाइज्ड रोबस्टनेस के लिए सटीक परिणाम और सीमाएँ निकालते हैं:
- डिपोलराइजिंग नॉइज़ (Depolarizing Noise): $d$ -आयामी डिपोलराइजिंग नॉइज़ के लिए एक सटीक परिणाम निकाला गया है, जो दिखाता है कि सरल पोस्ट-प्रोसेसिंग (एक स्थिरांक कारक से गुणा करके) के माध्यम से शमन किया जा सकता है, बिना जटिल डिकंपोजिशन खोजे।
- डीफेजिंग नॉइज़ (Dephasing Noise): सिंगल-क्यूबिट डीफेजिंग नॉइज़ के लिए सटीक परिणाम दिए गए हैं।
- प्रोबेबिलिस्टिक नॉइज़ (Probabilistic Noise): सिंगल-क्यूबिट प्रोबेबिलिस्टिक एरर चैनल्स के लिए ऊपरी सीमाएँ स्थापित की गई हैं।
हाइब्रिड प्रोटोकॉल (HEMRE): HEMRE का परिचय एक ट्यूनेबल पैरामीटर (बायस) प्रदान करता है जो सैंपलिंग जटिलता और त्रुटि न्यूनीकरण के बीच ट्रेड-ऑफ करने की अनुमति देता है, जिससे उपयोगकर्ताओं को अपने विशिष्ट हार्डवेयर बाधाओं (जैसे, सीमित QPU घंटे) के लिए अनुकूलित करने की सुविधा मिलती है।
रिसोर्स थ्योरी के माध्यम से इष्टतम डिकंपोजिशन: कार्यप्रणाली आदर्श सर्किट के निकटतम लागू करने योग्य सर्किट को खोजने के लिए डायनेमिकल रिसोर्स थ्योरी के जेनरालाइज्ड रोबस्टनेस माप का लाभ उठाती है, जो सन्निकटन के लिए एक कठोर गणितीय आधार प्रदान करती है।

संख्यात्मक परिणाम

लेखकों ने एक SWAP-टेस्ट सर्किट (7 क्यूबिट, 140 गेट) पर संख्यात्मक सिमुलेशन का उपयोग करके अपने प्रस्तावों को मान्य किया, जिसे $|GHZ\rangle$ अवस्था और $|0\rangle^{\otimes n}$ अवस्था के बीच अंतर करने के लिए डिज़ाइन किया गया था।

तुलना: उन्होंने बिना किसी एरर मिटिगेशन के बेसलाइन के विरुद्ध EMRE, HEMRE और PEC की तुलना की।
लो नॉइज़ रिजीम (Low Noise Regime): कम शोर की संभावनाओं (गेट फिडेलिटी $\approx 99.7\%$ ) के लिए, इष्टतम जेनरालाइज्ड QPD का उपयोग करने वाला EMRE, समान नमूनों के साथ PEC की तुलना में बेहतर प्रदर्शन करता है, जो लगभग 40% कम बायस प्रदान करता है।
हाई नॉइज़ रिजीम (High Noise Regime): जैसे-जैसे शोर बढ़ा, शुद्ध EMRE का बायस बढ़ता गया। हालांकि, HEMRE ने समान सैंपलिंग बजट का उपयोग करते हुए PEC की तुलना में कम बायस बनाए रखा।
स्केलेबिलिटी: बड़े सर्किटों (51 क्यूबिट तक) और विभिन्न शोर मॉडलों (इनहोमोजिनियस पाउली नॉइज़) पर सिमुलेशन ने दृष्टिकोण की स्केलेबिलिटी की पुष्टि की।
दक्षता (Efficiency): उन मामलों में जहाँ जेनरालाइज्ड रोबस्टनेस के लिए सटीक विश्लेषणात्मक परिणाम उपलब्ध थे (जैसे, डिपोलराइजिंग नॉइज़), EMRE को केवल सरल पोस्ट-प्रोसेसिंग (एक कारक से गुणा करना) की आवश्यकता थी, जिसमें कोई अतिरिक्त कम्प्यूटेशनल समय नहीं लगा।

महत्व और दावे

शोध पत्र दावा करता है कि EMRE और HEMRE निकट-अवधि (NISQ) और प्रारंभिक दोष-सहिष्णु (Early Fault-Tolerant) युगों के लिए एक व्यावहारिक मार्ग प्रदान करते हैं।

व्यावहारिकता: घातांकीय सैंपलिंग ओवरहेड को हटाकर, ये प्रोटोकॉल वर्तमान और निकट भविष्य के हार्डवेयर पर क्वांटम सिमुलेशन चलाना संभव बनाते हैं जहाँ PEC कम्प्यूटेशनल रूप से अव्यवहारिक है।
लचीलापन: HEMRE के माध्यम से बायस को ट्यून करने की क्षमता शोधकर्ताओं को कम्प्यूटेशनल लागत (सैंपलिंग ओवरहेड) और परिणाम की सटीकता के बीच संतुलन बनाने की अनुमति देती है, जो विशिष्ट अनुप्रयोग आवश्यकताओं को पूरा करती है।
संसाधन दक्षता: सामान्य शोर मॉडलों के लिए सटीक विश्लेषणात्मक सीमाओं का व्युत्पत्ति यह संकेत देती है कि कुछ हार्डवेयर कॉन्फ़िगरेशन के लिए, न्यूनतम क्लासिकल पोस्ट-प्रोसेसिंग के साथ एरर मिटिगेशन किया जा सकता है, जिससे महंगे प्री-कंप्यूटेशन को समाप्त किया जा सकता है।
भविष्य का दृष्टिकोण: लेखक सुझाव देते हैं कि ये प्रोटोकॉल विशेष रूप से प्रारंभिक दोष-सहिष्णु कंप्यूटिंग की ओर बढ़ते हुए क्षेत्र के लिए प्रासंगिक हैं, जहाँ एरर करेक्शन के साथ कुशल एरर मिटिगेशन को जोड़ना आवश्यक होगा। वे इष्टतम डिकंपोजिशन खोजने के लिए लर्निंग-आधारित विधियों के एकीकरण और एरर करेक्शन के साथ तालमेल को भविष्य के अनुसंधान के लिए आशाजनक मार्ग के रूप में पहचानते हैं।