⚛️ quantum physics

Real-time Sign-Problem-Suppressed Quantum Monte Carlo Algorithm For Noisy Quantum Circuit Simulations

यह शोध पत्र एक वास्तविक समय (real-time) क्वांटम मोंटे कार्लो एल्गोरिदम प्रस्तुत करता है जो जनसंख्या गतिशीलता (population dynamics) का उपयोग करके साइन समस्या (sign problem) को निरंतर दबाता है, जिससे मार्कोवियन और गैर-मार्कोवियन दोनों व्यवस्थाओं के तहत शोर वाले क्वांटम सर्किट और ओपन सिस्टम डायनेमिक्स के कुशल और सटीक शास्त्रीय सिमुलेशन को सक्षम बनाया जा सके।

मूल लेखक: Tong Shen, Daniel A. Lidar

प्रकाशित 2026-06-19

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Tong Shen, Daniel A. Lidar

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 यह भविष्यवाणी करने की कोशिश कर रहे हैं कि नन्हे, अदृश्य गियरों (क्वांटम बिट्स या क्यूबिट्स) से बनी एक जटिल मशीन समय के साथ कैसे चलेगी। वास्तविक दुनिया में, ये गियर केवल एक आदर्श निर्वात (vacuum) में नहीं घूमते; ये धूल से टकराते हैं, कंपन से हिलते हैं, और अपने आस-पास की हवा के साथ परस्पर क्रिया करते हैं। इसे एक "ओपन क्वांटम सिस्टम" कहा जाता है।

एक सामान्य कंप्यूटर पर इसका अनुकरण (simulation) करना एक तूफान में रेत के हर एक कण को ट्रैक करने जैसा है। जैसे-जैसे आप अधिक गियर (क्यूबिट्स) जोड़ते हैं, रेत की मात्रा तेजी से (exponentially) बढ़ती जाती है। पारंपरिक तरीके बहुत जल्दी एक दीवार से टकरा जाते हैं, जो आमतौर पर 10 गियरों के आसपास होता है, क्योंकि कंप्यूटर सभी संभावनाओं को एक साथ रखने के लिए मेमोरी की कमी के कारण रुक जाता है।

यह शोध पत्र इन शोर वाले (noisy) मशीनों का अनुकरण करने का एक नया, चतुर तरीका पेश करता है जिसे क्वांटम मोंटे कार्लो (QMC) कहा जाता है। यह कैसे काम करता है, इसके लिए सरल उपमाओं का उपयोग किया गया है:

1. "मैप" के बजाय "भीड़" (The "Crowd" Instead of the "Map")

पारंपरिक तरीके यह ट्रैक करने की कोशिश करते हैं कि मशीन की हर संभावित अवस्था (state) का एक पूर्ण, उच्च-रिज़ॉल्यूशन वाला नक्शा कैसा होगा। यह नक्शा इतना बड़ा हो जाता है कि उसे स्टोर करना असंभव है।

नया तरीका एक नक्शा बनाने के बजाय अन्वेषकों की एक भीड़ (जिन्हें "वॉकर" कहा जाता है) भेजने जैसा है।

विचार: हर रेत के कण को ट्रैक करने के बजाय, आप कुछ हजार अन्वेषक भेजते हैं। वे केवल उन्हीं स्थानों पर जाते हैं जहाँ मशीन के होने की संभावना वास्तव में अधिक होती है।
जादू: अधिकांश समय, मशीन कुछ सामान्य अवस्थाओं में स्थिर हो जाती है। अन्वेषक स्वाभाविक रूप से वहीं जमा हो जाते हैं। प्रत्येक स्थान पर कितने अन्वेषक हैं, इसकी गिनती करके, आप उस "मैप" को फिर से बना सकते हैं बिना उन खाली जगहों को देखे जिन्हें भरने की आवश्यकता नहीं है। इसे स्टोकेस्टिक कम्प्रेशन (stochastic compression) कहा जाता है। यह एक विशाल, असंभव रूप से बड़े मैप को "कौन कहाँ है" की एक प्रबंधनीय सूची में बदल देता है।

2. "कैंसलिंग आउट" का तरीका (Solving the Sign Problem)

क्वांटम भौतिकी में, चीजें "धनात्मक" (positive) या "ऋणात्मक" (negative) (और यहाँ तक कि काल्पनिक भी) हो सकती हैं। जब आप अन्वेषकों की एक भीड़ के साथ इसका अनुकरण करने की कोशिश करते हैं, तो आप एक प्रसिद्ध समस्या का सामना करते हैं जिसे साइन प्रॉब्लम (Sign Problem) कहा जाता है।

समस्या: कल्पना कीजिए कि कुछ अन्वेषक "प्लस" चिह्न ले जाते हैं और अन्य "माइनस" चिह्न। यदि आपके पास एक प्रकार के बहुत अधिक अन्वेषक हैं, तो वे दूसरों को दबा देंगे, और आपका सिमुलेशन शोर (noise) का ढेर बन जाएगा। पुराने तरीकों में, यह शोर समय के साथ जमा होता जाता था, जिससे सिमुलेशन कुछ ही समय में बेकार हो जाता था।
समाधान: लेखकों ने एक नियम बनाया जहाँ, जैसे ही एक "प्लस" अन्वेषक एक ही स्थान पर "माइनस" अन्वेषक से मिलता है, वे एक-दूसरे को नष्ट (annihilate) कर देते हैं (गायब हो जाते हैं)।
परिणाम: यह गतिशील रद्दीकरण (dynamic cancellation) भीड़ को संतुलित रखता है। यह शोर को जमा होने से रोकता है, जिससे सिमुलेशन बिना टूटे लंबे समय तक चल सकता है। यह एक स्व-सफाई प्रणाली (self-cleaning system) की तरह है जो त्रुटियों को होने पर तुरंत हटा देती है।

3. "भूतिया" शोर को संभालना (Handling "Ghostly" Noise - Non-Markovian Dynamics)

कभी-कभी, वातावरण केवल यादृच्छिक (random) रूप से धक्का नहीं देता; बल्कि वह याद रखता है कि एक क्षण पहले क्या हुआ था और फिर प्रतिक्रिया देता है। इसे "नॉन-मार्कोवियन" (non-Markovian) डायनेमिक्स कहा जाता है।

पुराना तरीका: पारंपरिक सिमुलेशन उपकरण (जैसे क्वांटम ट्रेजेक्टरीज) यहाँ विफल हो जाते हैं। यह मौसम की भविष्यवाणी करने के लिए ऐसे मॉडल का उपयोग करने जैसा है जो मानता है कि हवा हर सेकंड यादृच्छिक रूप से चलती है, यह अनदेखा करते हुए कि एक तूफान का तंत्र अभी भी बना हुआ हो सकता है। ये उपकरण अक्सर "ऋणात्मक प्रायिकता" (negative probabilities) उत्पन्न करते हैं, जो भौतिक रूप से असंभव है, जिससे सिमुलेशन क्रैश हो जाता है।
नया तरीका: चूंकि यह नया QMC तरीका सीधे शोर के अंतर्निहित गणित (मास्टर इक्वेशन) की नकल करता है और "कैंसलिंग आउट" तकनीक का उपयोग करता है, इसलिए यह क्रैश नहीं होता है। यह इन "भूतिया" स्मृति प्रभावों को संभाल सकता है और सटीक उत्तर दे सकता है, भले ही अन्य तरीके हार मान लें।

4. परिणाम: तेज़ और बड़ा (The Results: Faster and Bigger)

लेखकों ने दो प्रकार के क्वांटम सर्किट पर इसका परीक्षण किया:

क्रॉसटॉक सप्रेशन (Crosstalk Suppression): क्यूबिट्स को गलती से एक-दूसरे से बात करने से रोकने की कोशिश करना।
GHZ स्टेट प्रिपरेशन (GHZ State Preparation): एक विशेष, अत्यधिक उलझी हुई (entangled) अवस्था बनाना जहाँ सभी क्यूबिट्स आपस में जुड़े होते हैं।

उन्होंने क्या पाया:

गति: उनका तरीका समान सटीकता के लिए मौजूदा सर्वोत्तम तरीकों की तुलना में 10 से 100 गुना तेज़ था।
पैमाना: उन्होंने सफलतापूर्वक 30 क्यूबिट्स वाले सिस्टम का अनुकरण किया। पुराने तरीके लगभग 16 क्यूबिट्स के आसपास मेमोरी खत्म होने के कारण रुक जाते थे।
सटीकता: कठिन "नॉन-मार्कोवियन" परिदृश्यों में भी, जहाँ अन्य तरीके विफल हो गए थे, उनका तरीका सटीक रहा और सटीक सैद्धांतिक समाधानों से मेल खाया।

निष्कर्ष (The Bottom Line)

इस एल्गोरिदम को एक स्मार्ट, स्व-सफाई वाली भीड़ के सिमुलेशन के रूप में समझें। हर एक संभावना की गणना करने के बजाय (जो बहुत भारी है), यह एजेंटों की एक टीम भेजता है जो केवल वहीं जाते हैं जहाँ उनकी आवश्यकता होती है। यदि वे कोई गलती (साइन एरर) करते हैं, तो वे उसे तुरंत रद्द कर देते हैं। यह वैज्ञानिकों को साधारण सुपरकंप्यूटरों पर बहुत बड़े, शोर वाले क्वांटम कंप्यूटरों का अनुकरण करने की अनुमति देता है, जिससे हमें यह समझने में मदद मिलती है कि वास्तविक दुनिया में ये मशीनें कैसे व्यवहार करेंगी।

तकनीकी सारांश: शोर वाले क्वांटम सर्किट सिमुलेशन के लिए रियल-टाइम साइन-प्रॉब्लम-सप्रेस्ड क्वांटम मोंटे कार्लो एल्गोरिदम

समस्या विवरण
जैसे-जैसे क्वांटम प्रोसेसर का पैमाना बढ़ रहा है, ओपन क्वांटम सिस्टम डायनेमिक्स के कुशल क्लासिकल सिमुलेशन की आवश्यकता महत्वपूर्ण होती जा रही है। वास्तविक हार्डवेयर पर्यावरणीय शोर (environmental noise) के अधीन होता है, जिसके लिए मास्टर समीकरणों (विशेष रूप से मार्कोवियन रेजिम के लिए गोरिनी-कोसाक-सुडरशन-लिंडब्लाड या GKSL और नॉन-मार्कोवियन रेजिम के लिए रेडफील्ड समीकरणों) का सिमुलेशन करना आवश्यक है। डेंसिटी मैट्रिक्स $\rho(t)$ का सीधा संख्यात्मक एकीकरण (numerical integration) $O(D^2)$ के रूप में स्केल करता है जहाँ $D=2^n$ , जो लगभग $n \approx 10$ क्वबिट्स तक ही सटीक सिमुलेशन को सीमित कर देता है।

मौजूदा अनुमानित विधियाँ महत्वपूर्ण सीमाओं का सामना करती हैं:

क्वांटम ट्राजेक्टरी (QT) विधियाँ: ये इंटरैक्शन को स्टोकेस्टिक प्रक्रियाओं में अनरैवल करके $O(D)$ मेमोरी स्केलिंग प्रदान करती हैं, लेकिन जब मास्टर समीकरण 'कम्प्लीट पॉजिटिविटी' (CP) का उल्लंघन करता है—जो नॉन-मार्कोवियन डायनेमिक्स या नकारात्मक दरों (negative rates) की उपस्थिति में सामान्य है—तो इन्हें अभिसरण (convergence) करने में संघर्ष करना पड़ता है।
टेंसर-नेटवर्क विधियाँ: ये कम एंटैंगलमेंट के लिए कुशल हैं लेकिन जैसे-जैसे सर्किट डेप्थ और एंटैंगलमेंट बढ़ता है, इनकी दक्षता काफी घट जाती है।

मानक क्वांटम मोंटे कार्लो (QMC) विधियाँ अक्सर "साइन प्रॉब्लम" (sign problem) से ग्रस्त होती हैं, जहाँ जटिल या नकारात्मक वेट्स के कारण सांख्यिकीय त्रुटियाँ तेजी से बढ़ती हैं, जिससे लंबे समय के सिमुलेशन बाधित होते हैं।

कार्यप्रणाली (Methodology)
लेखक एक रियल-टाइम QMC एल्गोरिदम प्रस्तुत करते हैं जो मार्कोवियन और नॉन-मार्कोवियन दोनों मास्टर समीकरणों के तहत डेंसिटी मैट्रिक्स को स्टोकेस्टिक रूप से कंप्रेस और इवॉल्व करता है। मुख्य नवाचार निम्नलिखित हैं:

स्टोकेस्टिक कंप्रेशन और पॉपुलेशन डायनेमिक्स:
- डेंसिटी मैट्रिक्स को एक सुपरकेट $|\rho(t)\rangle\rangle$ में वेक्टराइज किया जाता है और इसे जटिल-चिह्नित "वॉकर्स" (walkers) $\{w^{(\alpha)}_t\}$ द्वारा अनुमानित किया जाता है।
- एल्गोरिदम इस अवलोकन का उपयोग करता है कि ओपन सिस्टम डेंसिटी मैट्रिसेस डिकोहेरेंस के कारण कंप्यूटेशनल बेसिस में "स्यूडो-स्पार्स" (pseudo-sparse) हो जाते हैं।
- एक घने मैट्रिक्स को इवॉल्व करने के बजाय, एल्गोरिदम एक पॉपुलेशन वेक्टर $|N(t)\rangle\rangle$ को इवॉल्व करता है जो पूर्णांक-मूल्य वाले, स्पार्स वेक्टर्स से बना होता है। भौतिक डेंसिटी मैट्रिक्स को एन्सेम्बल एवरेजिंग के माध्यम से प्राप्त किया जाता है: $|\rho(t)\rangle\rangle \approx \frac{1}{N_{sample} N_{diag}} \sum |N^{(i)}(t)\rangle\rangle$ ।
डायनामिक एननिहिलेशन के माध्यम से साइन-प्रॉब्लम सप्रेशन:
- पारंपरिक QMC विधियों के विपरीत, जो सिमुलेशन के अंत में साइन कैंसिलेशन करते हैं, यह एल्गोरिदम प्रत्येक टाइम स्टेप पर गतिशील रूप से साइन प्रॉब्लम को संबोधित करता है।
- इवोल्यूशन को स्पॉन (spawn) और एननिहिलेशन (annihilation) चरणों में विभाजित किया गया है। एननिहिलेशन चरण में, एक ही अवस्था में लेकिन विपरीत चिन्ह वाले वॉकर्स (जैसे, $+1$ और $-1 $, या$ +i $और$ -i$) स्पष्ट रूप से एक-दूसरे को निरस्त (cancel) कर देते हैं।
- पर्याप्त संख्या में डायगोनल वॉकर्स ( $N_{diag}$ ) बनाए रखकर, एल्गोरिदम विपरीत-चिन्ह वाले वॉकर्स के कुशल एननिहिलेशन को सुनिश्चित करता है, जिससे साइन प्रॉब्लम का संचय रुक जाता है और बिना किसी ह्यूरिस्टिक पॉपुलेशन कंट्रोल के ट्रेस (trace) सुरक्षित रहता है।
नॉन-मार्कोवियन डायनेमिक्स को संभालना:
- यह विधि सीधे मास्टर समीकरण का अनुकरण करती है, जिससे यह नकारात्मक दरों (नॉन-मार्कोवियनिटी) को संभालने में सक्षम है जहाँ QT विधियाँ विफल हो जाती हैं।
- एल्गोरिदम मानक यूलर सॉल्वर की तुलना में रियल-टाइम इवोल्यूशन में उच्च सटीकता के लिए सेकंड-ऑर्डर एडम्स-बाशफोर्थ (AB2) सॉल्वर का उपयोग करता है।
रेप्लिका एग्रीगेशन के माध्यम से स्केलेबिलिटी:
- यह एल्गोरिदम कई स्वतंत्र, मेमोरी-लाइट रेप्लिका के एकत्रीकरण की अनुमति देता है। $r$ रेप्लिका को औसत करके, प्रभावी वॉकर काउंट $N_{diag}^{eff} = r N_{diag}$ हो जाता है, जो प्रति-रेप्लिका मेमोरी फुटप्रिंट को बढ़ाए बिना सांख्यिकीय त्रुटि को $(N_{diag}^{eff})^{-1/2}$ के रूप में कम करता है।

प्रमुख योगदान

एल्गोरिद्मिक विकास: एक नया QMC फ्रेमवर्क जो फुल कॉन्फ़िगरेशन इंटरैक्शन QMC (FCIQMC) को ओपन सिस्टम्स के लिए सामान्यीकृत करता है, जिसे विशेष रूप से डायनामिक एननिहिलेशन के माध्यम से साइन प्रॉब्लम को दबाने के लिए डिज़ाइन किया गया है।
ट्रेस प्रिजर्वेशन: यह विधि मास्टर समीकरणों के ट्रेस-प्रिजर्विंग गुण का लाभ उठाती है ताकि पॉपुलेशन कंट्रोल तकनीकों (जो FCIQMC में सामान्य हैं) की आवश्यकता को समाप्त किया जा सके, जो बायस (bias) उत्पन्न करती हैं, जिससे यह सुनिश्चित होता है कि सिमुलेशन भौतिक रूप से सुसंगत रहे।
नॉन-मार्कोवियन क्षमता: एल्गोरिदम उन रेजिम्स को सफलतापूर्वक सिम्युलेट करता है जहाँ 'कम्प्लीट पॉजिटिविटी' का उल्लंघन होता है, एक ऐसा क्षेत्र जहाँ मानक QT विधियाँ डाइवर्ज (diverge) हो जाती हैं।

परिणाम
लेखकों ने अपने एल्गोरिदम का बेंचमार्किंग अत्याधुनिक QT विधियों (QuTiP में कार्यान्वित) और सुपरकंडक्टिंग ट्रांसमोन क्वबिट मॉडल पर सटीक समाधानों के विरुद्ध किया:

मार्कोवियन सर्किट्स:
- क्रॉसटॉक सप्रेशन: डायनेमिकल डीकपलिंग (DD) के तहत $n$ -क्वबिट सिस्टम का सिमुलेशन। 10-क्वबिट सिस्टम के लिए, QMC ने समान रनटाइम के साथ QT की तुलना में काफी कम एरर बार प्राप्त किए।
- स्केलिंग: 30 क्वबिट्स तक के बड़े सिस्टमों के लिए, QMC ने QT की तुलना में 10x से 100x की स्पीडअप प्रदर्शित की। जबकि QT, GHZ स्टेट प्रिपरेशन के लिए 16 क्वबिट्स तक मेमोरी-प्रतिबंधित था, QMC ने रेप्लिका एग्रीगेशन का उपयोग करके 30-क्वबिट सर्किट्स का सफलतापूर्वक सिमुलेशन किया।
- सबस्पेस एफिशिएंसी: प्रभावी सबस्पेस डायमेंशन $dim(H_{QMC})$ $O(\lambda D)$ के रूप में स्केल करता है जहाँ $\lambda \ll 1$ है। फिट्स ने अलग-अलग सर्किट्स के लिए $O(1.210^n)$ और $O(1.278^n)$ स्केलिंग दर्शाया, जो फुल हिल्बर्ट स्पेस के $O(2^n)$ स्केलिंग से कहीं बेहतर है।
नॉन-मार्कोवियन डायनेमिक्स:
- एक साझा बोसोनिक बाथ (नेगेटिव रेट्स के साथ रेडफील्ड समीकरण) से जुड़े टू-क्वबिट मॉडल में, QT समाधान जल्दी डाइवर्ज हो गए, जिससे ट्रेस मान एकता (unity) से विचलित हो गया।
- QMC ने ग्राउंड और एक्साइटेड दोनों अवस्थाओं के लिए सटीक समाधानों के साथ पूर्ण सहमति बनाए रखी और $10^6$ वॉकर्स के एकल सैंपल का उपयोग करके पूरे सिमुलेशन के दौरान ट्रेस को सुरक्षित रखा।
संसाधन अनुमान:
- लेखक अनुमान लगाते हैं कि 50-क्वबिट सर्किट्स का सिमुलेशन मध्यम संसाधनों (जैसे, क्रॉसटॉक सप्रेशन के लिए ~560 GB RAM और GHZ प्रिपरेशन के लिए ~80 GB) के साथ संभव है, इससे पहले कि घातांकीय वृद्धि (exponential growth) बाधा बन जाए।

महत्व और दावे
यह पेपर दावा करता है कि यह QMC एल्गोरिदम शोर वाले क्वांटम सर्किट्स के क्लासिकल सिमुलेशन की स्केलेबिलिटी में एक गुणात्मक छलांग है। साइन प्रॉब्लम को प्रभावी ढंग से दबाकर और स्टोकेस्टिक कंप्रेशन का उपयोग करके, यह विधि मौजूदा QT विधियों की तुलना में सटीकता और कम्प्यूटेशनल दक्षता, विशेष रूप से बड़े पैमाने के सिस्टम और नॉन-मार्कोवियन रेजिम्स में, बेहतर प्रदर्शन करती है।

लेखक इस दृष्टिकोण को निम्नलिखित के लिए एक श्रेष्ठ टूल के रूप में देखते हैं:

वास्तविक शोर मॉडल्स के तहत क्वांटम एरर करेक्शन और एल्गोरिदम का सिमुलेशन करना।
अन्य क्षेत्रों में मास्टर-इक्वेशन-आधारित समस्याओं, जैसे कि डिसिपेटिव फेज ट्रांजिशन, रासायनिक अभिक्रियाएं, ट्रांसपोर्ट फेनोमेना और क्वांटम बायोलॉजी को संबोधित करना।

यह कार्य कोई नया प्रयोगात्मक हार्डवेयर प्रस्तावित नहीं करता है बल्कि क्वांटम हार्डवेयर और एल्गोरिदम के विकास और सत्यापन में सहायता के लिए एक मजबूत क्लासिकल सिमुलेशन फ्रेमवर्क प्रदान करता है।

1. "मैप" के बजाय "भीड़" (The "Crowd" Instead of the "Map")

2. "कैंसलिंग आउट" का तरीका (Solving the Sign Problem)

3. "भूतिया" शोर को संभालना (Handling "Ghostly" Noise - Non-Markovian Dynamics)

4. परिणाम: तेज़ और बड़ा (The Results: Faster and Bigger)

निष्कर्ष (The Bottom Line)

इसी तरह के और पेपर