⚛️ quantum physics

State preparation with parallel-sequential circuits

यह शोध पत्र समानांतर-क्रमिक (PS) सर्किट को एक बहुमुखी क्वांटम सर्किट परिवार के रूप में प्रस्तुत करता है जो एंटैंगलमेंट और सहसंबंध सीमा (correlation range) के बीच संतुलन बनाता है, और मौजूदा आर्किटेक्चर की तुलना में एक-आयामी ग्राउंड स्टेट्स तैयार करने में उनकी बेहतर दक्षता, शोर के प्रति मजबूती और उन्नत प्रशिक्षण क्षमता (trainability) को प्रदर्शित करता है।

मूल लेखक: Zhi-Yuan Wei, Daniel Malz

प्रकाशित 2026-04-16

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Zhi-Yuan Wei, Daniel Malz

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 जटिल लेगो (LEGO) मूर्ति (एक क्वांटम अवस्था) बनाने की कोशिश कर रहे हैं और एक रोबोटिक हाथ (एक क्वांटम कंप्यूटर) का उपयोग कर रहे हैं। रोबोट के पास दो मुख्य समस्याएँ हैं:

वह थक जाता है: यदि आप उसे बिना ब्रेक लिए बहुत लंबे समय तक काम करने के लिए मजबूर करते हैं, तो वह गलतियाँ करने लगता है क्योंकि उसके जोड़ ढीले हो जाते हैं (इसे "इडलिंग एरर" या 'आइडलिंग त्रुटि' कहा जाता है)।
वह ब्लॉक्स गिरा देता है: हर बार जब वह एक ब्लॉक उठाता है और उसे आपस में जोड़ता है, तो इस बात की संभावना होती है कि वह उसे गिरा दे या गलत तरीके से जोड़ दे (यह "गेट एरर" या 'गेट त्रुटि' है)।

क्वांटम कंप्यूटिंग की दुनिया में, वैज्ञानिक पारंपरिक रूप से रोबोट को निर्देश देने के दो मुख्य तरीके इस्तेमाल करते हैं:

"ब्रिकवॉल" (Brickwall) विधि: रोबोट पूरी मूर्ति पर एक साथ, बहुत तेज़ी से काम करता है। यह कुशल है, लेकिन इसमें बहुत सारे ब्लॉक्स का उपयोग होता है जिससे वे बहुत गिर जाते हैं।
"सीक्वेंशियल" (Sequential) विधि: रोबंतु एक बार में एक छोटा सा हिस्सा बनाता है, फिर अगले हिस्से पर जाता है, और फिर अगले पर। इसमें ब्लॉक्स बहुत कम गिरते हैं, लेकिन इसमें इतना समय लगता है कि रोबोट थक जाता है और काम पूरा होने से पहले ही डगमगाने लगता है।

नया समाधान: "पैरेलल-सीक्वेंशियल" (PS) सर्किट

इस शोध पत्र के लेखकों ने एक नई रणनीति का आविष्कार किया है जिसे पैरेलल-सीक्वेंशियल (PS) सर्किट कहते हैं। इसे एक "गोल्डिलॉक्स" (Goldilocks) दृष्टिकोण के रूप में सोचें जो इन दोनों चरम सीमाओं के बीच का सही संतुलन खोजता है।

यह इस प्रकार काम करता है, एक सरल उपमा का उपयोग करते हुए:

1. "ट्रेन के डिब्बों की ट्रेन" वाली उपमा

कल्पना कीजिए कि आप एक लंबी रेल की पटरी बिछा रहे हैं।

सीक्वेंशियल (Sequential): आप एक रेल बिछाते हैं, फिर अगले स्थान पर चलते हैं और अगली रेल बिछाते हैं। आप एक समय में केवल एक ही जगह को छूते हैं। यह धीमा है, लेकिन इसमें गलतियाँ बहुत कम होती हैं।
ब्रिकवॉल (Brickwall): आपके पास श्रमिकों की एक टीम है जो एक साथ हर जगह पटरियाँ बिछा रही है। यह बहुत तेज़ है, लेकिन टीम अराजक है और बहुत गलतियाँ करती है।
PS सर्किट: आप अपने श्रमिकों को टीमों में व्यवस्थित करते हैं।
- टीम A पटरी का एक लंबा हिस्सा (एक "चंक" या खंड) बिछाती है।
- फिर, वे पीछे हट जाते हैं, और टीम B अगले हिस्से को बिछाने के लिए आती है, लेकिन वे टीम A के साथ थोड़ा ओवरलैप (अतिव्यापन) करती है ताकि कनेक्शन एकदम सटीक रहे।
- फिर टीम C आती है, और इसी तरह आगे भी।

यह "चंकिंग" (खंडों में बांटने) की विधि रोबोट को समानांतर (तेज़) काम करने की अनुमति देती है, लेकिन कुल चरणों की संख्या इतनी कम रखती है कि वह थके नहीं, और ओवरलैप यह सुनिश्चित करता है कि कनेक्शन मज़बूत रहें।

2. यह एक बड़ी बात क्यों है?

शोध पत्र दिखाता है कि यह नई विधि शोर वाले (noisy) क्वांटम कंप्यूटरों के लिए एक "सुपरपावर" है (जो सभी क्वांटम कंप्यूटर आज हमारे पास मौजूद हैं)।

यह मजबूत (Robust) है: क्योंकि PS सर्किट, सीक्वेंशियल विधि की तुलना में छोटा है, इसलिए रोबोट उतना नहीं थकता। क्योंकि यह ब्रिकवॉल विधि की तुलना में कम कुल चालों (moves) का उपयोग करता है, इसलिए यह कम ब्लॉक्स गिराता है।
यह स्मार्ट है: लेखकों ने पाया कि यदि आप इन "चंक्स" (खंडों) के आकार को बिल्कुल सही तरीके से ट्यून करते हैं, तो PS सर्किट पुराने तरीकों की तुलना में जटिल क्वांटम अवस्थाएं (जैसे किसी पदार्थ की ग्राउंड स्टेट) बहुत बेहतर तरीके से बना सकता है, भले ही कंप्यूटर गलतियाँ कर रहा हो।
इसे सीखना आसान है: जब वैज्ञानिक कंप्यूटर को सबसे अच्छा समाधान खोजने के लिए "सिखाने" की कोशिश करते हैं (एक प्रक्रिया जिसे ट्रेनिंग कहा जाता है), तो PS सर्किट के "डेड एंड" (बैरन प्लेटो/बांझ पठार) में फंसने की संभावना बहुत कम होती है। यह एक धुंधले जंगल में रास्ता भटकने के बजाय पहाड़ पर एक स्पष्ट रास्ते को खोजने जैसा है।

3. "एरर प्रोलिफरेशन" (त्रुटि प्रसार) की समस्या

एक सबसे दिलचस्प खोज यह है कि गलतियाँ कैसे फैलती हैं।

ब्रिकवॉल विधि में, यदि एक कार्यकर्ता एक ब्लॉक गिरा देता है, तो वह अराजकता पूरी ट्रेन में तेज़ी से फैल जाती है और सब कुछ बर्बाद कर देती है।
PS विधि में, यदि कोई गलती होती है, तो वह अपने छोटे से "चंक" के भीतर ही सीमित रहती है और पूरी ट्रेन को उतनी आसानी से संक्रमित नहीं करती है। यह जंगल में 'फायरब्रेक्स' (आग रोकने के लिए बनाई गई खाली जगह) की तरह है; यदि एक हिस्से में आग लगती है, तो जंगल की बनावट यह सुनिश्चित करती है कि वह पूरे जंगल को न जला दे।

निष्कर्ष

लेखकों ने एक नया "लेआउट" पेश किया है जो एक स्मार्ट मैनेजर की तरह काम करता है। यह काम को इस तरह व्यवस्थित करता है कि क्वांटम कंप्यूटर इतना तेज़ काम करे कि वह थके नहीं, लेकिन इतना धीमा भी रहे कि वह बहुत अधिक ब्लॉक्स न गिराए।

यह केवल एक मामूली सुधार नहीं है; यह एक मौलिक बदलाव है कि हम भविष्य के क्वांटम कंप्यूटरों को वास्तविक दुनिया की समस्याओं को हल करने के लिए कैसे प्रोग्राम कर सकते हैं, जिससे वे आज की शोर भरी और अस्थिर तकनीक की वास्तविकता में बहुत अधिक विश्वसनीय बन जाते हैं। यह एक अराजक दौड़ (sprint) और एक सुव्यवस्थित रिले रेस के बीच का अंतर है।

यहाँ ज़ी-युआन वेई और डैनियल मालज़ के शोध पत्र "State preparation with parallel-sequential circuits" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

नॉइज़ी इंटरमीडिएट-स्केल क्वांटम (NISQ) उपकरणों पर क्वांटम अवस्था की तैयारी (State preparation) सर्किट गहराई (circuit depth - जो आइडलिंग/डिकोहेरेंस त्रुटियों के प्रति संवेदनशील है) और गेट गणना (gate count - जो गेट त्रुटियों के प्रति संवेदनशील है) के बीच एक मौलिक समझौते (trade-off) का सामना करती है।

सीक्वेंशियल सर्किट (Sequential Circuits): ये मैट्रिक्स प्रोडक्ट स्टेट्स (MPS) और लंबी दूरी के सहसंबंधों (long-range correlations) को कुशलतापूर्वक प्रदर्शित कर सकते हैं लेकिन इनकी गहराई रैखिक ( $O(N)$ ) होती है, जो इन्हें आइडलिंग त्रुटियों के प्रति अत्यधिक संवेदनशील बनाती है।
ब्रिकवॉल सर्किट (Brickwall Circuits): ये गहराई को न्यूनतम ( $O(\log N)$ ) करते हैं, लेकिन समान सहसंबंध सीमा प्राप्त करने के लिए अक्सर अत्यधिक गेट गणना की आवश्यकता होती है, जिससे गेट त्रुटियों का संचय बढ़ जाता है।
मौजूदा समाधान: रेनॉर्मलाइजेशन ग्रुप (RG) सर्किट जैसे पिछले दृष्टिकोण लघुगणकीय गहराई (logarithmic depth) तो प्रदान करते हैं, लेकिन उच्च बॉन्ड डायमेंशन (bond dimensions) को लक्षित करते समय महत्वपूर्ण संकलन ओवरहेड (compilation overhead - उच्च CNOT काउंट) से ग्रस्त होते हैं।

लेखक एक अंतराल की पहचान करते हैं: शोर वाले हार्डवेयर पर अवस्था तैयारी के लिए एंटैंगलमेंट क्षमता, सहसंबंध सीमा, गहराई और गेट स्पर्सिटी (gate sparsity) के बीच इष्टतम संतुलन बनाने वाला कोई सर्किट लेआउट उपलब्ध नहीं है।

2. कार्यप्रणाली: पैरेलल-सीक्वेंशियल (PS) सर्किट (Methodology: Parallel-Sequential (PS) Circuits)

लेखक पैरेलल-सीक्वेंशियल (PS) सर्किट पेश करते हैं, जो ब्रिकवॉल और सीक्वेंशियल आर्किटेक्चर के बीच के अंतर को भरने वाला एक नया सर्किट लेआउट परिवार है।

संरचना:
- PS सर्किट का निर्माण पड़ोसी क्वबिट्स पर $M$ गेटों के एक "स्टैक" (stack) को लागू करके किया जाता है।
- ब्रिकवॉल सर्किट (जो $+1$ और $-1 $के शिफ्ट का बारी-बारी से उपयोग करते हैं) या सीक्वेंशियल सर्किट (जो निरंतर$ +1$ शिफ्ट करते हैं) के विपरीत, PS सर्किट स्टैक को $l$ बार ऊपर की ओर (एक सीक्वेंशियल सेगमेंट बनाने के लिए) और फिर $l-1$ स्टेप्स नीचे की ओर (एक "ब्रेक" बनाने के लिए) शिफ्ट करता है।
- इस ब्रेक पर सहसंबंधों के नुकसान को कम करने के लिए, आसन्न (adjacent) सीक्वेंशियल सेगमेंट्स को एक दूरी $q$ द्वारा ओवरलैप करने की अनुमति दी जाती है।
पैरामीटर:
- $N$ : सिस्टम का आकार।
- $M$ : गेट लेयर्स की संख्या (एंटैंगलमेंट क्षमता को नियंत्रित करता है)।
- $l$ : सीक्वेंशियल चंक की लंबाई (सहसंबंध सीमा को नियंत्रित करता है)।
- $q$ : ओवरलैप दूरी (सीमाओं पर फिडेलिटी को नियंत्रित करता है)।
सीमाएँ (Limits):
- $l=2, q=1$ : यह एक मानक ब्रिकवॉल सर्किट में बदल जाता है।
- $l=N-1, q=1$ : यह एक सीक्वेंशियल सर्किट में बदल जाता है।
- मध्यवर्ती मान गहराई और सहसंबंध सीमा के बीच एक ट्यूनेबल समझौता (tunable trade-off) प्रदान करते हैं।

3. मुख्य योगदान और परिणाम (Key Contributions and Results)

A. MPS का कुशल सन्निकटन (Noiseless Regime में)

सिंगल-लेयर प्रदर्शन: लेखक प्रदर्शित करते हैं कि सिंगल-लेयर ( $M=1$ ) PS सर्किट $D=2$ बॉन्ड डायमेंशन के साथ शॉर्ट-रेंज सहसंबद्ध MPS को उच्च फिडेलिटी के साथ सन्निकट (approximate) कर सकते हैं।
डेप्थ स्केलिंग: वे सिद्ध करते हैं कि आवश्यक सर्किट गहराई $T \sim \xi \log(N/\epsilon)$ के रूप में स्केल करती है, जहाँ $\xi$ सहसंबंध लंबाई (correlation length) है और $\epsilon$ इन्फिडेलिटी (infidelity) है। यह सीक्वेंशियल सर्किट की रैखिक गहराई की तुलना में घातीय रूप से कम (exponentially shallower) है।
RG सर्किट के साथ तुलना: PS सर्किट RG सर्किट (Malz et al., PRL 2024 से) के समान एसिम्प्टोटिक स्केलिंग प्राप्त करते हैं, लेकिन काफी कम CNOT गेट डेप्थ के साथ। RG सर्किट में मल्टी-क्वबिट आइसोमेट्री की आवश्यकता होती है जिससे भारी संकलन ओवरहेड होता है, जबकि PS सर्किट मानक टू-क्वबिट गेट्स का उपयोग करते हैं।

B. शोर वाले उपकरणों पर प्रदर्शन (Performance on Noisy Devices)

लेखक एक शोर मॉडल के तहत XY मॉडल (एक गैपलेस, क्रिटिकल सिस्टम) के लिए अवस्था तैयारी का अनुकरण (simulate) करते हैं, जिसमें शामिल हैं:

आइडलिंग त्रुटियाँ (दर $p_1$ )।
टू-क्वबिट गेट त्रुटियाँ (दर $p_2$ )।

ऊर्जा घनत्व (Energy Density): उस प्रयोग-प्रासंगिक क्षेत्र में जहाँ गेट त्रुटियाँ हावी होती हैं ( $p_2 \gg p_1$ ), अनुकूलित PS सर्किट लगातार ब्रिकवॉल और सीक्वेंशियल सर्किट दोनों की तुलना में कम ऊर्जा घनत्व (उच्च फिडेलिटी) प्राप्त करते हैं।
तंत्र (Mechanism): चंक लंबाई $l$ को बढ़ाकर, PS सर्किट कुल गेट गणना को बढ़ाए बिना लंबे-दूरी के सहसंबंधों को कैप्चर कर सकते हैं, जिससे गेट त्रुटियों को स्थिर रखते हुए सहसंबंधों को कैप्चर करने की "लागत" कम हो जाती है।
फेज बाउंड्री (Phase Boundary): $(p_1, p_2)$ पैरामीटर स्पेस में एक "फेज बाउंड्री" मौजूद है। जब $p_2 \gg p_1$ होता है, तो PS सर्किट ब्रिकवॉल से बेहतर प्रदर्शन करते हैं; जब $p_1 \approx p_2$ होता है, तो इष्टतम PS लेआउट ब्रिकवॉल सीमा की ओर अभिसरित (converge) हो जाता है।

C. ट्रेनैबिलिटी और ग्रेडिएंट वेरिएंस (Trainability and Gradient Variance)

बैरेन प्लेटो (Barren Plateaus): लेखक कॉस्ट फंक्शन के ग्रेडिएंट वेरिएंस $V_E$ का विश्लेषण करते हैं।
स्केलिंग: सीक्वेंशियल सर्किट के लिए, आइडलिंग शोर के कारण $N$ के साथ सिस्टम साइज के बढ़ने पर $V_E$ तेजी से (exponentially) घटता है (बैरेन प्लेटो)। इसके विपरीत, निरंतर $M$ और लॉगरिदमिक डेप्थ $T \sim \log N$ वाले PS सर्किट अधिकतम पॉलीनोमियल गिरावट (polynomial decay) प्रदर्शित करते हैं।
निष्कर्ष: PS सर्किट समान गहराई वाले ब्रिकवॉल सर्किट की तुलना में अधिक ट्रेन करने योग्य (trainable) हैं क्योंकि वे अधिक स्पार्स (कम गेट्स) हैं, जिससे शोर-प्रेरित ग्रेडिएंट सप्रेशन का संचय कम होता है।

D. एरर प्रोपेगेशन विश्लेषण (Error Propagation Analysis)

रैंडम सर्किट में त्रुटि प्रसार के लिए मार्कोव चेन मॉडल का उपयोग करते हुए:

ब्रिकवॉल सर्किट: त्रुटियाँ गहराई के साथ द्विघात रूप से (quadratically) बढ़ती हैं ( $\langle \eta \rangle \propto T^2$ )।
सीक्वेंशियल सर्किट: त्रुटियाँ सिस्टम साइज के साथ रैखिक रूप से बढ़ती हैं ( $\langle \eta \rangle \propto N$ )।
PS सर्किट: त्रुटि प्रसार $\langle \eta \rangle \propto p_1 T (c_1 + c_2 M)$ के रूप में स्केल करता है। निरंतर $M$ के लिए, त्रुटियाँ डेप्थ $T$ के साथ रैखिक रूप से बढ़ती हैं, जो ब्रिकवॉल सर्किट की तुलना में त्रुटि प्रसार को काफी कम करती हैं।

E. उच्च-आयामी सामान्यीकरण (Higher-Dimensional Generalization)

लेखक पंक्तियों (rows) और स्तंभों (columns) के साथ 1D PS यूनिटरीज को क्रमिक रूप से लागू करके 2D स्क्वायर लैटिस तक PS सर्किट का विस्तार करते हैं।

ये 2D PS सर्किट क्लस्टर स्टेट्स (मेजरमेंट-बेस्ड क्वांटम कंप्यूटिंग के लिए यूनिवर्सल) और एरिया-लॉ एंटैंगलमेंट वाले स्टेट्स उत्पन्न कर सकते हैं।
वे उच्च आयामों में समान शोर मजबूती (noise robustness) और ट्रेनैबिलिटी लाभों की आशा करते हैं।

4. महत्व (Significance)

NISQ के लिए इष्टतम लेआउट: PS सर्किट एक बहुमुखी, ट्यूनेबल ढांचा प्रदान करते हैं जो प्रयोगकर्ताओं को उनके विशिष्ट हार्डवेयर त्रुटि दरों ( $p_1$ बनाम $p_2$ ) के आधार पर गहराई और गेट गणना के बीच समझौता करने की अनुमति देता है।
RG पर श्रेष्ठता: वे गैप्ड ग्राउंड स्टेट्स की तैयारी के लिए RG सर्किट का एक व्यावहारिक विकल्प प्रदान करते हैं, जिससे मल्टी-क्वबिट आइसोमेट्री से जुड़े भारी संकलन ओवरहेड से बचा जा सकता है।
उन्नत वेरिएशनल एल्गोरिदम: ट्रेनैबिलिटी में सुधार (बैरेन प्लेटो को कम करके) और एरर प्रोपेगेशन को दबाकर, PS सर्किट वर्तमान शोर वाले हार्डवेयर पर अधिक सटीक और विश्वसनीय वेरिएशनल क्वांटम आइजनवैल्यू सॉल्वर (VQE) और अन्य वेरिएशनल एल्गोरिदम को सक्षम करते हैं।
सामान्यीकरण क्षमता: यह ढांचा केवल 1D तक सीमित नहीं है; यह उच्च आयामों में मजबूत सर्किट डिजाइन करने के लिए एक ब्लूप्रिंट प्रदान करता है, जो निकट-अवधि के उपकरणों पर जटिल टोपोलॉजिकल या क्रिटिकल स्टेट्स की तैयारी को अनलॉक कर सकता है।

संक्षेप में, यह कार्य पैरेलल-सीक्वेंशियल सर्किट को अवस्था तैयारी के लिए एक बेहतर श्रेणी के क्वांटम सर्किट लेआउट के रूप में स्थापित करता है, जो एक "स्वीट स्पॉट" प्रदान करता है जो सीक्वेंशियल सर्किट की अभिव्यक्ति (expressivity) को शोर-प्रतिरोधी (noise-resilient) कम गहराई वाले सर्किट के साथ जोड़ता है।