Heuristic and Optimal Synthesis of CNOT and Clifford Circuits
यह शोधपत्र CNOT और क्लिफोर्ड (Clifford) सर्किट के ह्यूरिस्टिक और इष्टतम संश्लेषण (synthesis) के लिए एल्गोरिदम के तीन परिवारों को प्रस्तुत करता है जो या तो गेट गणना या सर्किट डेप्थ को कम करते हैं, मौजूदा विधियों की तुलना में बेहतर प्रदर्शन प्रदर्शित करते हैं और एक ओपन-सोर्स कार्यान्वयन प्रदान करते हैं।
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 लेगो ब्रिक्स (Lego bricks) से एक जटिल मशीन बनाने की कोशिश कर रहे हैं, लेकिन एक मोड़ के साथ: ब्रिक्स अदृश्य हैं, और निर्देश शुद्ध गणित की भाषा में लिखे गए हैं। यह क्वांटम कंप्यूटिंग की दुनिया है। इस क्षेत्र में, वैज्ञानिक केवल स्थिर संरचनाएं ही नहीं बनाते; वे ऐसे "सर्किट" बनाते हैं जो समस्याओं को हल करने के लिए वास्तविकता के ताने-बाने को ही बदल देते हैं जो सामान्य कंप्यूटरों के लिए बहुत कठिन हैं। इन सर्किट्स को काम करने के लिए, उन्हें विशिष्ट चालें चलनी पड़ती हैं, जैसे कि एक स्विच को पलटना या दो टुकड़ों को आपस में बदलना। सबसे आम चालों को "CNOT" गेट्स कहा जाता है (इन्हें एक मास्टर स्विच के रूप में सोचें जो किसी दूसरे टुकड़े के एक निश्चित अवस्था में होने पर ही एक टुकड़े को पलट देता है) और "क्लिफोर्ड" (Clifford) गेट्स (जो कि एक थोड़ा अधिक जटिल सेट है जिसमें मास्टर स्विच के साथ कुछ विशेष रोटेशन भी शामिल हैं)।
यह क्यों मायने रखता है? क्योंकि ये सर्किट "क्वांटम एरर करेक्शन" (quantum error correction) की रीढ़ हैं। ठीक वैसे ही जैसे एक शोर वाले रेडियो सिग्नल को स्टेटिक (static) के बीच से अर्थ निकालने के लिए एक डिकोडर की आवश्यकता होती है, क्वांटम कंप्यूटर अविश्वसनीय रूप से नाजुक होते हैं और गलतियों के प्रति संवेदनशील होते हैं। इन गलतियों को ठीक करने और उपयोगी एल्गोरिदम चलाने के लिए, हमें इन सर्किट्स को यथासंभव कुशलता से बनाना होगा। समस्या यह है कि एक ही सेट की चालों को व्यवस्थित करने के लाखों तरीके हैं। कुछ व्यवस्थाएं ऊन के उलझे हुए गोले की तरह हैं—लंबी, धीमी और टूटने के प्रति संवेदनशील। अन्य एक चिकनी, सीधी रेखा की तरह हैं—छोटी, तेज़ और विश्वसनीय। लक्ष्य काम पूरा करने के लिए सबसे छोटा, सबसे कुशल रास्ता खोजना है, क्योंकि क्वांटम दुनिया में, हर अतिरिक्त कदम एक त्रुटि के कारण पूरी गणना को बर्बाद करने की संभावना को बढ़ाता है।
अब, यूनिवर्सिटी कॉलेज लंदन के शोधकर्ताओं की एक टीम के बारे में सोचिए जिन्होंने इस लेगो ब्रिक्स के उलझाव को सुलझाने के लिए नए उपकरणों के साथ इस पर प्रहार करने का निर्णय लिया। वे केवल इन सर्किट्स को बनाने का एक तरीका नहीं ढूंढना चाहते थे; वे सबसे अच्छा तरीका ढूंढना चाहते थे, या कम से कम एक ऐसा तरीका जो दूसरों द्वारा उपयोग किए जा रहे तरीकों से काफी बेहतर हो। उन्होंने तीन अलग-अलग रणनीतियाँ विकसित कीं, जिनमें से प्रत्येक एक अलग आकार की पहेली के लिए डिज़ाइन की गई थी।
सबसे पहले, सबसे छोटी पहेलियों के लिए (7 क्यूबिट्स या क्वांटम बिट्स तक शामिल), उन्होंने एक "ऑप्टिमल" (Optimal) विधि बनाई। इसकी कल्पना एक सुपर-स्लो, सुपर-विस्तृत मानचित्रकार (mapmaker) के रूप में करें जो यह गारंटी देने के लिए कि उन्होंने सबसे छोटा रास्ता खोज लिया है, भूलभुलैया के माध्यम से हर एक संभावित पथ की जांच करता है। उन्होंने सभी संभावित "शॉर्टकट" का एक विशाल डेटाबेस बनाया, जिसमें उन रास्तों को एक साथ समूहबद्ध किया गया जो दिखने में अलग हैं लेकिन वास्तव में एक ही हैं जब आप बोर्ड को घुमाते या पलटते हैं। इसने उन्हें छोटी समस्याओं के लिए तुरंत सबसे अच्छा समाधान देखने की अनुमति दी, जिससे वे गति और दक्षता में पिछले तरीकों को पीछे छोड़ दिया।
मध्यम आकार की पहेलियों के लिए, उन्होंने एक "A*" रणनीति का उपयोग किया। इसे एक दिशा-सूचक यंत्र (compass) के साथ एक स्मार्ट हाइकर (पगडंडी पर चलने वाला) समझें। हाइकर हर रास्ते की जांच नहीं करता है, बल्कि वह एक चतुर अनुमान (एक ह्यूरिस्टिक/heuristic) का उपयोग करता है ताकि यह अनुमान लगाया जा सके कि कौन सी दिशा सबसे आशाजनक दिख रही है। वे संभावित रास्तों की एक सूची रखते हैं, हमेशा उस पथ को चुनते हैं जो फिनिश लाइन के सबसे करीब दिखता है। शोधकर्ताओं ने पाया कि इन अनुमानों को लगाने के लिए गणित के एक विशिष्ट प्रकार का उपयोग करके, उनका हाइकर लगभग उतना ही छोटा रास्ता खोज सकता था जितना कि परफेक्ट मैपमेकर के रास्ते, लेकिन खोजने में बहुत तेज़।
अंत में, विशाल, बहुत बड़े पहेलियों के लिए (दर्जनों क्यूबिट्स), उन्होंने एक "ग्रीडी" (Greedy) दृष्टिकोण का उपयोग किया। यह एक ऐसे हाइकर की तरह है जो केवल अपने ठीक सामने के कदम को देखता है और हमेशा वही कदम उठाता है जो वर्तमान में दूरी को सबसे अधिक कम करता प्रतीत होता है। आमतौर पर, इस तरह की "अल्पदृष्टि" वाली सोच आपको एक डेड एंड (स्थानीय न्यूनतम/local minimum) में फंसा देती है, लेकिन टीम ने मानचित्र को देखने का एक नया तरीका आविष्कार किया। केवल कदमों को गिनने के बजाय, उन्होंने एक वेक्टर (संख्याओं की एक सूची) का उपयोग करके समस्या के "आकार" को देखा जिसने उन्हें डेड एंड से बचने में मदद की। इस पद्धति ने लगातार मौजूदा सर्वोत्तम उपकरणों, जैसे कि Qiskit या Rustiq, की तुलना में छोटे सर्किट बनाए।
परिणाम प्रभावशाली हैं। जब उन्होंने अपने तरीकों का परीक्षण यादृच्छिक (random) सर्किट और विशिष्ट एरर-करेक्शन कोड (जैसे प्रसिद्ध गोले कोड/Golay code) पर किया, तो उनके एल्गोरिदम ने लगातार अन्य उपलब्ध विधियों की तुलना में कम "एंटैंगलिंग" (entangling) दो-क्यूबिट गेट्स—जो सर्किट के सबसे महंगे और त्रुटिपूर्ण हिस्से हैं—का उपयोग किया। गोले कोड के लिए, उन्होंने 56 गेट्स वाला एक सर्किट भी खोजा, जो पिछले सर्वश्रेष्ठ 57 से बेहतर था। उन्होंने केवल थोड़ा बेहतर तरीका नहीं खोजा; उन्होंने एक ऐसा तरीका खोजा जो समस्याओं के बड़े होने पर बहुत बेहतर तरीके से स्केल करता है।
हालाँकि, लेखक यह बताने में सावधान हैं कि उनका जादू कहाँ रुकता है। "परफेक्ट" मानचित्रकार (Optimal) केवल बहुत छोटे सर्किट के लिए काम करता है क्योंकि पथों की संख्या इतनी तेज़ी से बढ़ती है कि बड़े आकार के लिए उन सभी की जांच करना असंभव हो जाता है। "स्मार्ट हाइकर" (A*) मध्यम आकार के लिए बहुत अच्छा है लेकिन यदि भूलभुलैया बहुत जटिल है तो यह धीमा हो सकता है। और "शॉर्ट-साइटेड हाइकर" (Greedy), हालांकि बड़े सर्किट के लिए उत्कृष्ट है, फिर भी सबसे छोटे पथ की गारंटी नहीं देता है, बस एक बहुत अच्छा पथ देता है। वे यह भी बताते हैं कि उनका काम सैद्धांतिक गेट्स की संख्या पर केंद्रित है; इन सर्किट्स को विशिष्ट कनेक्शन सीमाओं वाले वास्तविक, भौतिक हार्डवेयर पर चलाना अगला कदम है।
संक्षेप में, यह पेपर क्वांटम इंजीनियरों के लिए एक नया टूलकिट प्रदान करता है। यह क्वांटम सर्किट के उलझे हुए ऊन को चिकने, कुशल लाइनों में सिकोड़ने का एक तरीका प्रदान करता है, जिससे त्रुटि-मुक्त क्वांटम कंप्यूटरों का सपना वास्तविकता के थोड़ा और करीब आता है। छोटे कामों के लिए परफेक्ट शॉर्टकट्स के डेटाबेस, मध्यम कामों के लिए एक स्मार्ट गेसिंग गेम, और बड़े कामों के लिए एक चतुर "लुक-अहेड" रणनीति को जोड़कर, उन्होंने दिखाया है कि हम पहले की तुलना में कम चालों और कम बर्बादी के साथ इन सर्किट्स को बना सकते 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।