Noise-Robust Estimation of Quantum Observables in Noisy Hardware
यह शोध पत्र नॉइज़-रोबस्ट एस्टीमेशन (NRE) को प्रस्तुत करता है, जो एक नॉइज़-एग्नोस्टिक एरर मिटिगेशन फ्रेमवर्क है जो अनबायस्ड ऑब्जर्वेबल एस्टीमेट्स को ज़ीरो-डिस्पर्शन लिमिट तक एक्सट्रपलेट करने के लिए टारगेट और कंपैनियन सर्किट डेटा को संयोजित करता है, जो एक 20-क्यूबिट सुपरकंडक्टिंग प्रोसेसर पर काफी कम बायस और मध्यम ओवरहेड प्रदर्शित 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
कल्पना कीजिए कि आप एक सुंदर सूर्यास्त की एक आदर्श तस्वीर लेने की कोशिश कर रहे हैं, लेकिन आपके कैमरे का लेंस घने, घूमते हुए कोहरे से ढका हुआ है। हर बार जब आप फोटो खींचते हैं, तो छवि धुंधली और रंग फीके आते हैं। क्वांटम कंप्यूटिंग की दुनिया में, यह "कोहरा" शोर (noise) है। आज के क्वांटम कंप्यूटर शक्तिशाली हैं, लेकिन वे अपने वातावरण के प्रति अविश्वसनीय रूप से संवेदनशील हैं, जिससे उनकी गणनाएँ "धुंधली" और अविश्वसनीय हो जाती हैं।
वैज्ञानिक आमतौर पर इसे ठीक करने की कोशिश करते हैं या तो:
- कोहरे को जानना: यह सटीक रूप से मापना कि कोहरा कैसे व्यवहार करता है और गणितीय रूप से उसे घटा देना (लेकिन यह कठिन है क्योंकि कोहरा लगातार बदलता रहता है)।
- कोहरे का अनुमान लगाना: कोहरे को और घना करके तस्वीरें लेना, फिर यह अनुमान लगाने की कोशिश करना कि कोहरा हटने पर तस्वीर कैसी दिखती (लेकिन इससे अक्सर गलत अनुमान लग जाते हैं)।
यह शोध पत्र एक नई, चतुर विधि पेश करता है जिसे नॉइज़-रोबस्ट एस्टिमेशन (NRE) कहा जाता है। इसे एक "स्मार्ट फोटो फिल्टर" के रूप में सोचें जिसे तस्वीर साफ करने के लिए कोहरे के नियमों को जानने की आवश्यकता नहीं है।
मुख्य विचार: "जुड़वां" प्रयोग
कल्पना कीजिए कि आप सोने की एक ईंट का वास्तविक वजन जानना चाहते हैं, लेकिन आप एक हिलते हुए, कंपन करने वाले तराजू पर खड़े हैं।
- लक्ष्य सर्किट (The Target Circuit): आप सोने की ईंट को तराजू पर रखते हैं। रीडिंग अस्थिर और गलत है।
- शोर-निरोधी सर्किट (द ट्विन): आप एक "जुड़वां" सोने की ईंट बनाते हैं जो बिल्कुल एक जैसी दिखती है लेकिन ऐसी सामग्री से बनी है जिसका सटीक वजन आप पहले से जानते हैं (मान लीजिए, एक सटीक 1 किलोग्राम का ब्लॉक)। आप उस जुड़वां ईंट को उसी हिलते हुए तराजू पर रखते हैं।
चूंकि दोनों ईंटें एक ही तराजू पर हैं, इसलिए "कंपन" (शोर) उन्हें बहुत समान तरीकों से प्रभावित करता है। सोने की ईंट की अस्थिर रीडिंग की तुलना ज्ञात जुड़वां ईंट की अस्थिर रीडिंग से करके, कंप्यूटर गणितीय रूप से अधिकांश कंपन को रद्द कर सकता है।
दो-चरणीय "जादुई" प्रक्रिया
NRE विधि इसे दो चरणों में करती है:
चरण 1: कच्चा मसौदा (बेसलाइन एस्टिमेशन)
कंप्यूटर सोने की ईंट और जुड़वां ईंट से प्राप्त डेटा लेता है, उन्हें आपस में मिलाता है, और उत्तर का एक "कच्चा मसौदा" (Rough Draft) तैयार करता है। यह मसौदा कच्चे डेटा की तुलना में बहुत बेहतर है, लेकिन यह अभी भी पूर्ण नहीं है। यह एक स्केच की तरह है जिसमें सही आकार तो है लेकिन छायांकन (shading) गलत है।
चरण 2: "स्थिरता" की जाँच (सीक्रेट सॉस)
यहाँ शोध पत्र वास्तव में बहुत चतुर हो जाता है। शोधकर्ताओं ने महसूस किया कि यदि "कच्चा मसौदा" अभी भी तब हिल रहा है जब वे कंपन की मात्रा बदलते हैं, तो इसका मतलब है कि उत्तर अभी भी गलत है।
- वे प्रयोग को कई बार चलाते हैं, हर बार "कोहरे" को थोड़ा गाढ़ा और थोड़ा पतला करते हैं।
- वे "कच्चे मसौदे" के उत्तरों पर नज़र रखते हैं।
- उपमा: कल्पना कीजिए कि आप अपने हाथ पर एक झाड़ू को संतुलित करने की कोशिश कर रहे हैं। यदि आपका हाथ बहुत अधिक हिल रहा है, तो झाड़ू अस्थिर है। यदि आपका हाथ स्थिर है, तो झाड़ू स्थिर है।
- कंप्यूटर एक "डिस्पर्सन स्कोर" (Dispersion Score) (एक माप कि उत्तर कितना हिल रहा है) की गणना करता है।
- उच्च कंपन (High Dispersion): उत्तर संभवतः अभी भी पक्षपाती (गलत) है।
- कम कंपन (Low Dispersion): उत्तर सत्य के बहुत करीब है।
कंप्यूटर फिर एक गणितीय ट्रिक का उपयोग करता है ताकि वह भविष्यवाणी (extrapolate) कर सके कि उत्तर क्या होगा यदि कंपन शून्य हो। यह ऐसा ही है जैसे कहना, "यदि मैं अपने हाथ को पूरी तरह से स्थिर कर सकूँ, तो झाड़ू ठीक यहाँ संतुलित होगी।"
यह एक बड़ी बात क्यों है
- इसे किसी मैनुअल की आवश्यकता नहीं है: अन्य विधियों के विपरीत जिन्हें यह जानने की आवश्यकता होती है कि शोर वास्तव में कैसे व्यवहार करता है (जैसे हवा की सटीक गति और दिशा जानना), NRE केवल डेटा को देखता है और मौके पर ही इसे समझ लेता है। यह "शोर-अज्ञेयवादी" (noise-agnostic) है।
- यह मजबूत (Robust) है: भले ही "कोहरा" पूरी तरह से एक समान न हो (जो वास्तव में कभी नहीं होता है), यह विधि फिर भी अच्छी तरह काम करती है।
- यह समय बचाता है: अन्य विधियों के लिए स्पष्ट तस्वीर पाने के लिए लाखों तस्वीरें लेने की आवश्यकता होती है। NRE मध्यम संख्या में तस्वीरों के साथ एक स्पष्ट तस्वीर प्राप्त कर लेता है, जिससे यह वास्तविक दुनिया के उपयोग के लिए व्यावहारिक बन जाता है।
वास्तविक दुनिया का परीक्षण
टीम ने एक वास्तविक 20-क्विबिट क्वांटम कंप्यूटर (एक मशीन जिसमें 20 क्वांटम बिट्स हैं) पर इसका परीक्षण किया। उन्होंने दो कठिन समस्याओं को हल करने की कोशिश की:
- एक चुंबकीय सामग्री का अनुकरण (Ising Model): एक भौतिकी की समस्या।
- एक अणु (H4) की ऊर्जा की गणना करना: एक रसायन विज्ञान की समस्या।
दोनों मामलों में, कच्चा डेटा बेकार था (भारी मात्रा में अंतर था)। लेकिन NRE लागू करने के बाद, परिणाम वास्तविक, पूर्ण उत्तरों के अविश्वसनीय रूप से करीब थे—भले ही सर्किट बहुत गहरे और शोर वाले थे।
निष्कर्ष
NRE को एक स्व-सुधार करने वाले GPS के रूप में देखें। यदि आपके GPS सिग्नल इमारतों से टकराकर उछल रहे हैं (शोर), तो अधिकांश सिस्टम इमारतों का मानचित्र बनाने की कोशिश करते हैं। NRE, इसके बजाय, केवल यह देखता है कि सिग्नल कितना थरथरा रहा है। यदि थरथराहट अधिक है, तो यह जानता है कि स्थान गलत है। फिर यह गणितीय रूप से भविष्यवाणी करता है कि कार कहाँ होती यदि सिग्नल पूरी तरह से स्थिर होता।
यह विधि हमें आज के शोर वाले क्वांटम कंप्यूटरों से विश्वसनीय उत्तर प्राप्त करने का एक व्यावहारिक तरीका देती है, जो हमें उन समस्याओं को हल करने की ओर एक कदम और करीब ले जाती है जो शास्त्रीय कंप्यूटरों के लिए असंभव 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।