Scaling active spaces in simulations of surface reactions through sample-based quantum diagonalization
यह शोध पत्र एक IBM क्वांटम प्रोसेसर पर 32 ऑर्बिटल्स तक सक्रिय स्थान (active space) सिमुलेशन को स्केल करके, लिथियम बैटरी में ऑक्सीजन रिडक्शन रिएक्शन को सटीक रूप से मॉडल करने के लिए सैंपल-आधारित क्वांटम डायगोनलाइजेशन (SQD) और इसके विस्तारित संस्करण (Ext-SQD) की क्षमता को प्रदर्शित करता है, जो बड़े पैमाने पर शास्त्रीय संदर्भ विधियों (classical reference methods) से बेहतर प्रदर्शन 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 विशाल, 3D पहेली को सुलझाने की कोशिश कर रहे हैं कि कैसे परमाणु एक रासायनिक प्रतिक्रिया के दौरान एक साथ नृत्य करते हैं। यह पहेली इतनी बड़ी है कि दुनिया के सबसे शक्तिशाली सुपरकंप्यूटर भी हर एक टुकड़े को एक साथ समझने की कोशिश में चक्कर खाने लगते हैं। यह वह समस्या है जिसका सामना वैज्ञानिक ऊर्जा की भविष्यवाणी करने के लिए करते हैं, जैसे कि एक लिथियम बैटरी के अंदर होने वाली प्रतिक्रिया, जहाँ ऑक्सीजन लिथियम से मिलता है।
इस अध्ययन में, शोधकर्ताओं ने एक नई तरकीब आजमाई: उन्होंने एक क्वांटम कंप्यूटर से मदद मांगी कि वह सबसे महत्वपूर्ण पहेली के टुकड़ों को चुन सके, और फिर बाकी को हल करने के लिए एक चतुर गणितीय शॉर्टकट का उपयोग किया।
"भूसे के ढेर में सुई" की समस्या
एक रासायनिक प्रतिक्रिया को एक भीड़ भरे डांस फ्लोर की तरह समझें। वहाँ हजारों इलेक्ट्रॉन (नर्तक) इधर-उधर घूम रहे हैं। यह अनुमान लगाने के लिए कि वह नृत्य कैसे समाप्त होगा (प्रतिक्रिया की ऊर्जा), सैद्धांतिक रूप से आपको हर एक नर्तक को ट्रैक करने की आवश्यकता है। लेकिन यह असंभव है। इसलिए, वैज्ञानिक आमतौर पर केवल "सक्रिय" नर्तकों पर ध्यान केंद्रित करने की कोशिश करते हैं—वे जो वास्तव में अपने साथी बदल रहे हैं।
यह पेपर तर्क देता है कि सक्रिय नर्तकों को चुनने के पुराने तरीके (मानक कंप्यूटर सिमुलेशन का उपयोग करके) अक्सर सूक्ष्म चालों को मिस कर देते हैं या एक "बैरेन प्लेटो" (barren plateau) में फंस जाते हैं, जो एक ऐसी स्थिति है जहाँ कंप्यूटर रास्ता भटक जाता है और चाहे वह कितनी भी कोशिश क्यों न करे, सही उत्तर नहीं खोज पाता। लेखक स्पष्ट रूप से इस विचार को खारिज करते हैं कि हम इस विशिष्ट प्रकार की समस्या के लिए केवल अधिक क्लासिकल कंप्यूटिंग शक्ति का उपयोग करके एक पूर्ण समाधान की उम्मीद कर सकते हैं; गणित बहुत तेज़ी से बहुत भारी हो जाता है।
क्वांटम "स्पॉटलाइट"
पूरे डांस फ्लोर को देखने के बजाय, टीम ने एक क्वांटम कंप्यूटर को एक सुपर-पावर्ड स्पॉटलाइट के रूप में इस्तेमाल किया। उन्होंने सैंपल-बेस्ड क्वांटम डायगोनलाइजेशन (SQD) नामक एक विधि का उपयोग किया।
यह कैसे काम करता है, इसके लिए एक उपमा है: कल्पना कीजिए कि आप जीतने वाले लॉटरी नंबरों का अनुमान लगाने की कोशिश कर रहे हैं। हर एक संभावित संयोजन की जांच करने के बजाय (जिसमें अनंत समय लगेगा), आप एक क्वांटम कंप्यूटर से पूछते है कि खेल के नियमों के आधार पर कुछ "संभावित" टिकट जल्दी से तैयार करे। फिर, आप उन विशिष्ट टिकटों को एक सुपर-फास्ट क्लासिकल कैलकुलेटर के माध्यम से चलाते हैं ताकि देख सकें कि कौन सा जीतता है।
इस अध्ययन में, "टिकट" इलेक्ट्रॉनिक कॉन्फ़िगरेशन (इलेक्ट्रॉन खुद को कैसे व्यवस्थित करते हैं) हैं। क्वांटम कंप्यूटर ने, एक विशिष्ट सर्किट डिज़ाइन जिसे लोकल यूनिटरी क्लस्टर जैस्ट्रोव (LUCJ) कहा जाता है, का उपयोग करके इन कॉन्फ़िगरेशन का नमूना (sample) लिया। शोधकर्ताओं ने पाया कि इस सर्किट के एक "ट्रंकेटेड" (काटे गए) संस्करण का उपयोग करके (समय बचाने और त्रुटियों को कम करने के लिए अंतिम चरणों को हटाकर), वे शोर (noise) से प्रभावित हुए बिना टिकटों का एक अच्छा मिश्रण प्राप्त कर सकते हैं।
"सुपर-चार्ज्ड" अपग्रेड
टीम यहीं नहीं रुकी। उन्होंने Ext-SQD नामक एक नया, अपग्रेड किया गया संस्करण पेश किया। इसे ऐसे समझें जैसे कि आप क्वांटम कंप्यूटर द्वारा दिए गए लॉटरी टिकटों को लेकर पूछ रहे हों, "क्या होगा अगर हम इनमें थोड़ा सा बदलाव करें?" उन्होंने "एक्सिटेशन ऑपरेटर्स" (excitation operators) लागू किए, जो इलेक्ट्रॉन व्यवस्था में छोटे, गणनात्मक धक्के (nudges) की तरह हैं। इसने उन्हें टिकटों की सूची को और अधिक परिष्कृत करने की अनुमति दी, जिससे अंतिम उत्तर बहुत अधिक सटीक हो गया।
उन्होंने क्या पाया (और क्या नहीं पाया)
शोधकर्ताओं ने इसका परीक्षण एक लिथियम-ऑक्सीजन प्रतिक्रिया पर किया, जो बेहतर बैटरी बनाने के लिए महत्वपूर्ण है। उन्होंने ऑर्बिटल्स (डांस मूव्स) के छोटे समूहों से शुरुआत की और धीरे-धीरे उन्हें बढ़ाते हुए 32 ऑर्बिटल्स तक ले गए।
- अच्छी खबर: जब उन्होंने उन्नत Ext-SQD विधि का उपयोग किया, तो परिणाम अविश्वसनीय रूप से सटीक थे। 12 ऑर्बिटल्स तक के एक्टिव स्पेस के लिए, उनके क्वांटम-सहायता प्राप्त परिणाम सर्वोत्तम ज्ञात क्लासिकल तरीकों के साथ पूरी तरह मेल खाते थे। इससे भी अधिक प्रभावशाली बात यह है कि जब उन्होंने इसे 27 ऑर्बिटल्स तक बढ़ाया, तो Ext-SQD विधि ने वास्तव में मानक क्लासिकल तरीकों (जैसे CCSD) से बेहतर भविष्यवाणी की, जिन्हें आमतौर पर गोल्ड स्टैंडर्ड माना जाता है।
- वास्तविकता की जाँच: यह पेपर इस बात को लेकर बहुत सावधान है कि वह इसे सभी रसायन विज्ञान के लिए एक "हल की गई" समस्या नहीं कह रहा है। वे स्पष्ट रूप से कहते हैं कि जैसे ही उन्होंने 32 ऑर्बिटल्स से आगे जाने की कोशिश की, क्वांटम कंप्यूटर का शोर (त्रुटियाँ) परिणामों को खराब करने लगा। 34 ऑर्बिटल्स पर, वे अपने विशाल सैंपल के 6 × 10⁶ प्रयासों में से एक भी वैध परिणाम प्राप्त करने में सक्षम नहीं थे। "शोर" ने सिग्नल को दबा दिया था।
"स्वीट स्पॉट"
लेखक सुझाव देते हैं कि अभी एक "स्वीट स्पॉट" मौजूद है। यदि आपके पास एक ऐसी समस्या है जिसे हल करने के लिए लगभग 20 से 32 ऑर्बिटल्स की आवश्यकता है, तो यह हाइब्रिड विधि (क्वांटम सैंपलिंग + क्लासिकल मैथ) वर्तमान में उपलब्ध सबसे बेहतरीन उपकरण है। यह सटीकता के मामले में इस विशिष्ट आकार सीमा के लिए पुराने-स्कूल के सुपरकंप्यूटरों को पछाड़ देता है।
हालाँकि, वे अपनी सीमाओं के प्रति ईमानदार हैं। पेपर नोट करता है कि जबकि क्वांटम हिस्सा सैंपलिंग का भारी काम कर रहा है, "पोस्ट-प्रोसेसिंग" (क्लासिकल मैथ वाला हिस्सा) बहुत बड़ा होता जा रहा है। जैसे-जैसे वे अधिक ऑर्बिटल्स जोड़ते हैं, क्लासिकल कंप्यूटर को एक ऐसे सबस्पेस को डायगोनलाइज़ करना पड़ता है जो बहुत तेज़ी से बढ़ता है, जिससे वह स्वयं एक बाधा (bottleneck) बन जाता है।
निष्कर्ष
यह अध्ययन यह दावा नहीं करता कि इसने रसायन विज्ञान की सभी समस्याओं को ठीक कर दिया है। यह स्पष्ट रूप से इस विचार को खारिज करता है कि हम वर्तमान क्वांटम हार्डवेयर पर बिना किसी मदद के इन विशाल सिमुलेशन को चला सकते हैं; शोर अभी भी बहुत अधिक है। इसके बजाय, यह सुझाव देता है कि समस्या के किन हिस्सों को क्वांटम कंप्यूटर को भेजना है, इसे सावधानी से चुनकर और उत्तरों को परिष्कृत करने के लिए Ext-SQD विधि का उपयोग करके, हम उन प्रतिक्रियाओं के लिए अत्यधिक सटीक भविष्यवाणियां प्राप्त कर सकते हैं जो पहले मॉडल करने में बहुत कठिन थीं।
शोधकर्ताओं ने पाया कि लिथियम-ऑक्सीजन प्रतिक्रिया के लिए, उनकी विधि ने बड़े एक्टिव स्पेस के लिए लगभग -4.3 eV (इलेक्ट्रॉन वोल्ट) की प्रतिक्रिया ऊर्जा की भविष्यवाणी की, जो पुराने तरीकों की तुलना में वास्तविक दुनिया के प्रयोगों के बहुत करीब है। वे निष्कर्ष निकालते हैं कि हालांकि हम अभी हर रासायनिक प्रतिक्रिया के लिए वहां नहीं पहुंचे हैं, लेकिन यह हाइब्रिड दृष्टिकोण एक आशाजनक रास्ता है, बशर्ते हम क्वांटम कंप्यूटरों को बहुत अधिक शोर वाला होने से रोक सकें और क्लासिकल कंप्यूटरों को बहुत अधिक अभिभूत होने से बचा सकें।
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।