Blind calibration of a quantum computer
यह शोध पत्र ट्रैप्ड-आयन क्वांटम कंप्यूटरों के लिए एक "ब्लाइंड" (blind) अंशांकन प्रोटोकॉल प्रस्तुत और प्रयोगात्मक रूप से मान्य करता है जो शोर वाले अवस्थाओं (noisy states) पर सरल टोमोग्राफिक डेटा का उपयोग करके कई मापन त्रुटियों को सटीक रूप से परिमाणित और सुधारा करता है, जिससे अलग, अवस्था-तैयारी-निर्भर अंशांकन प्रयोगों की आवश्यकता समाप्त हो जाती 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
कल्पना कीजिए कि आप एक सुंदर परिदृश्य की एक आदर्श तस्वीर लेने की कोशिश कर रहे हैं। लेकिन एक समस्या है: आपके कैमरे का लेंस थोड़ा धुंधला है, शटर स्पीड थोड़ी सी गलत है, और सेंसर कभी-कभी रोशनी को गलत पढ़ लेता है। आमतौर पर, इसे ठीक करने के लिए, आपको यह जानने के लिए कि आपका कैमरा कैसे खराब हुआ है, एक पूरी तरह से ज्ञात, मानक वस्तु (जैसे कि ग्रे कार्ड या रूलर) की कई परीक्षण तस्वीरें लेनी पड़ेंगी। आप धब्बे को मापेंगे, शटर की गति को मापेंगे और सेंसर की त्रुटियों को एक-एक करके मापेंगे।
समस्या यह है कि क्वांटम कंप्यूटरों के साथ हमें अक्सर "एक आदर्श मानक वस्तु" नहीं मिलती जिसे हम परीक्षण के लिए उपयोग कर सकें। जिस चीज़ को हम मापने की कोशिश कर रहे हैं (क्वांटम अवस्था), वह बहुत नाजुक है और उसे पूरी तरह से तैयार करना कठिन है। यदि हम अपने "कैमरे" (मापन मशीन) को एक "मानक वस्तु" का उपयोग करके कैलिब्रेट करने की कोशिश करते हैं जो पहले से ही थोड़ी धुंधली है, तो हम यह नहीं बता पाएंगे कि धुंधलापन कैमरे से है या वस्तु से। यह "कैलिब्रेशन की समस्या" है।
यह शोध पत्र एक चतुर नया तरीका पेश करता है जिसे "ब्लाइंड कैलिब्रेशन" (Blind Calibration) कहा जाता है।
"अंधा" जासूस
ब्लाइंड कैलिब्रेशन को एक ऐसे जासूस की तरह समझें जो पीड़ित कैसा दिखता था, यह जाने बिना अपराध को सुलझाता है। संदिग्ध की पहचान करने के लिए आपको पीड़ित की एकदम सटीक फोटो की आवश्यकता नहीं है, बल्कि जासूस पीछे छोड़े गए सुरागों के पैटर्न को देखता है।
क्वांटम दुनिया में, "सुराग" वे डेटा पॉइंट्स हैं जो कंप्यूटर आपको देता है। भले ही क्वांटम अवस्था (जो "पीड़ित" है) अव्यवस्थित और अज्ञात हो, फिर भी त्रुटियाँ (जो "संदेशों" की तरह हैं) डेटा में विशिष्ट, पहचानने योग्य पैटर्न छोड़ती हैं।
शोधकर्ताओं ने पाया कि यदि आप कुछ सरल मापों से प्राप्त डेटा को देखते हैं, तो आप उस उलझन को गणितीय रूप से सुलझा सकते हैं। आप कह सकते हैं, "आह, डेटा में यह विशिष्ट कंपन लेंस के धुंधले होने (रीडआउट एरर) के कारण है, और यह दूसरा कंपन शटर के बहुत तेज़ होने (ओवर-रोटेशन) के कारण है।"
उन्होंने इसे कैसे किया
टीम ने ट्रैप्ड आयन (चुंबकीय क्षेत्रों द्वारा नियंत्रित छोटे आवेशित परमाणु, जैसे कि एक धागे में पिरोए गए मोती) से बने क्वांटम कंप्यूटर का उपयोग किया। उन्होंने किसी भी पूर्ण, ज्ञात अवस्था को तैयार करने की कोशिश नहीं की। इसके बजाय, उन्होंने बस कुछ यादृच्छिक (रैंडम), "शोर वाले" (नोइजी) अवस्थाओं पर माप लिए।
इसके बाद उन्होंने एक कंप्यूटर एल्गोरिदम का उपयोग करके "अनुमान लगाओ और जांचो" का खेल खेला:
- अनुमान लगाओ: "शायद त्रुटि इतनी है।"
- जांचो: "यदि त्रुटि इतनी होती, तो क्या डेटा वैसा ही दिखता जैसा हमने वास्तव में देखा?"
- दोहराएं: उन्होंने अपने अनुमानों को तब तक समायोजित करना जारी रखा जब तक कि गणित ने उस अव्यवस्थित डेटा की पूरी तरह से व्याख्या नहीं कर दी।
एक बार जब उन्होंने त्रुटियों के सटीक आकार (कैलिब्रेशन पैरामीटर्स) को समझ लिया, तो वे पोस्ट-प्रोसेसिंग में डेटा को गणितीय रूप से "साफ" कर सके, ठीक वैसे ही जैसे फोटो-एडिटिंग सॉफ्टवेयर का उपयोग करके तस्वीर से धब्बा हटाया जाता है।
बड़ी जीत
यह शोध पत्र इस "ब्लाइंड" दृष्टिकोण के तीन मुख्य लाभों पर प्रकाश डालता है:
- एक शॉट, कई सुधार: आमतौर पर, आपको लेंस को ठीक करने के लिए एक अलग, महंगा प्रयोग, शटर को ठीक करने के लिए दूसरा, और सेंसर को ठीक करने के लिए एक और प्रयोग की आवश्यकता होती है। ब्लाइंड कैलिब्रेशन इन सभी को एक साथ एक ही प्रयोग में ठीक कर देता है। यह एक ही बार में पूरे कैमरे को ठीक करने जैसा है, न कि तीन अलग-अलग मरम्मत किट खरीदने जैसा।
- इसे वस्तु की परवाह नहीं है: यह विधि उस अवस्था के प्रति "ब्लाइंड" है जिसे मापा जा रहा है। यह तब भी काम करती है जब आप जिस क्वांटम अवस्था को माप रहे हैं वह अपूर्ण या शोर वाली हो। आपको शुरू करने के लिए किसी "पूर्ण मानक वस्तु" की आवश्यकता नहीं है।
- यह कुशल है: उन्होंने दिखाया कि यह तरीका पारंपरिक कैलिब्रेशन (जिसके लिए कई अलग-अलग, उच्च-परिशुद्धता परीक्षणों की आवश्यकता होती है) के समान ही प्रभावी है, लेकिन इसमें कम डेटा और कम समय लगता है। उनके प्रयोग में, उन्हें ब्लाइंड विधि के लिए लगभग 270,000 मापों की आवश्यकता थी, जबकि पारंपरिक विधि के लिए 630,000 मापों की आवश्यकता होती।
निचोड़
शोधकर्ताओं ने सफलतापूर्वक प्रदर्शित किया है कि आप यह जाने बिना कि आप वास्तव में क्या माप रहे हैं, एक क्वांटम कंप्यूटर के मापन उपकरणों को कैलिब्रेट कर सकते हैं। डेटा में त्रुटियों के "फिंगरप्रिंट्स" को देखकर, वे एक साथ कई प्रकार की गलतियों की पहचान और सुधार कर सके। यह एक क्वांटम कंप्यूटर को काम के लिए तैयार करने की प्रक्रिया को बहुत तेज़, सस्ता और अधिक विश्वसनीय बनाता है, जिससे लंबी श्रृंखला वाले अलग-अलग, पूर्ण परीक्षणों की आवश्यकता समाप्त हो जाती है।
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।