⚛️ quantum physics

Improving the efficiency of quantum annealing with controlled diagonal catalysts

यह शोध पत्र नियंत्रित विकर्ण उत्प्रेरकों (controlled diagonal catalysts) को पेश करके उन समस्याओं के लिए क्वांटम एनीलिंग दक्षता में सुधार करने की एक विधि प्रस्तावित करता है जिनमें ऊर्जा अंतराल (energy gaps) कम होते हैं, जो डायाबेटिक ट्रांज़िशन (diabatic transitions) का लाभ उठाते हुए, समाधान के समय के घातांकीय स्केलिंग एक्सपोनेंट (exponential scaling exponent) में लगभग द्विघातीय गति (quadratic speedup) प्राप्त करते हैं।

मूल लेखक: Tomohiro Hattori, Shu Tanaka

प्रकाशित 2026-02-25

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Tomohiro Hattori, Shu Tanaka

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

एक व्यापक दृष्टिकोण: "पहाड़ी पर्वतारोही" की समस्या

कल्पना कीजिए कि आप एक पर्वतारोही हैं जो एक विशाल, धुंधले पर्वत श्रृंखला में सबसे निचली घाटी (ग्राउंड स्टेट) खोजने की कोशिश कर रहे हैं। यह एक कठिन गणितीय समस्या का प्रतिनिधित्व करता है जिसे हल करने के लिए कंप्यूटरों की आवश्यकता होती है।

क्वांटम एनीलिंग (QA) एक विशेष प्रकार का कंप्यूटर है जो एक जादुई पर्वतारोही की तरह कार्य करता है। कदम-दर-कदम चलने के बजाय, यह पर्वतारोही क्वांटम भौतिकी के अजीब नियमों का उपयोग करके पहाड़ों के बीच से "टनल" (सुरंग) बना सकता है या ढलानों से नीचे फिसल सकता है।

इस पर्वतारोही की नियम पुस्तिका को एडियाबेटिक थ्योरम (Adiabatic Theorem) कहा जाता है। यह कहता है: "यदि आप पर्याप्त धीरे चलते हैं, तो आप पूरे समय घाटी के बिल्कुल निचले हिस्से में ही रहेंगे।"

समस्या:
कभी-कभी, परिदृश्य में एक बहुत ही पेचीदा स्थान होता है। कल्पना कीजिए कि एक संकीरी कटक (ridge) है जहाँ "सबसे निचली घाटी" और "दूसरी सबसे निचली घाटी" के बीच एक बहुत ही बारीक, लगभग अदृश्य अंतर (gap) है।

यदि अंतराल चौड़ा है, तो पर्वतारोही सुरक्षित रहता है।
यदि अंतराल बहुत छोटा है (जो कठिन समस्याओं में होता है), तो पर्वतारोही भ्रमित हो जाता है, गलत घाटी में ऊपर कूद जाता है और वहीं फंस जाता है।
इसे ठीक करने के लिए, पुरानी नियम पुस्तिका कहती है: "बस और धीरे चलो!" लेकिन वास्तविक दुनिया में हार्डवेयर शोर वाला (noisy) और अपूर्ण होता है। यदि आप बहुत धीरे चलते हैं, तो पर्वतारोही थक जाता है (डिकोहेरेंस/decoherence) और नीचे पहुँचने से पहले ही हार मान लेता है।

नया विचार: "नियंत्रित छलांग" (डायगोनल कैटलिस्ट्स)

इस शोध पत्र के लेखकों, तोमोहिरो हट्टोरी और शु तनाका ने एक चतुर प्रश्न पूछा: "क्या होगा यदि हम केवल धीरे चलना ही न सीखें? क्या होगा यदि हम पर्वतारोही को उस पेचीदा कटक को पार करने में मदद करने के लिए एक विशिष्ट, नियंत्रित धक्का (nudge) दें?"

वे इस धक्के को "डायगोनल कैटलिस्ट" (Diagonal Catalyst) कहते हैं।

इसे इस तरह समझें:

पुराना तरीका: आप एक पहाड़ी पर एक भारी पत्थर को ऊपर धकेलने की कोशिश कर रहे हैं। आप बस उसे और अधिक जोर से धकेलते जाते हैं (मानक एनीलिंग)।
नया तरीका: आपको एहसास होता है कि पत्थर एक छोटे से गड्ढे में फंस गया है। केवल धकेलने के बजाय, आप एक अस्थायी, स्थानीय रैंप (कैटलिस्ट) जोड़ते हैं जो पत्थर को उभार देता है ताकि वह उभार के ऊपर से लुढ़क सके, और फिर आप उस रैंप को हटा देते हैं।

तकनीकी शब्दों में, वे कंप्यूटर के निर्देशों में एक सरल चुंबकीय क्षेत्र ("z-फील्ड") जोड़ते हैं। यह क्षेत्र एक हल्की हवा की तरह है जो पहाड़ के विशिष्ट हिस्सों पर चलती है ताकि पर्वतारोही को कठिन स्थान पर नेविगेट करने में मदद मिल सके।

यह विशेष क्यों है?

इसे बनाना सरल है: अधिकांश "जादुई रैंप" जिन्हें वैज्ञानिकों ने बनाने की कोशिश की है, उनके लिए जटिल, भारी मशीनरी (क्वाड्रेटिक टर्म्स) की आवश्यकता होती है जिसे वर्तमान क्वांटम कंप्यूटर अभी तक संभाल नहीं सकते। यह नया "हवा का झोंका" (लीनियर टर्म्स) बनाना बहुत आसान है; यह कमरे में एक साधारण पंखा लगाने जैसा है।
यह नियमों को तोड़ता है (जानबूझकर): पुरानी नियम पुस्तिका कहती थी, "घाटी के निचले हिस्से को कभी न छोड़ें।" यह नया तरीका कहता है, "एक सेकंड के लिए दूसरी सबसे निचली घाटी में ऊपर कूदना ठीक है, जब तक कि हमें पता हो कि वापस नीचे कैसे कूदना है।" इसे डायबेटिक ट्रांजिशन (Diabatic Transition) कहा जाता है। यह आधिकारिक मानचित्र पर न होने वाली सुरंग के माध्यम से शॉर्टकट लेने जैसा है, लेकिन यह आपको तेजी से फिनिश लाइन तक पहुँचा देता है।

परिणाम: तेज़ और स्मार्ट

शोधकर्ताओं ने इसका परीक्षण मैक्सिमम वेटेड इंडिपेंडेंट सेट (MWIS) नामक पहेली के एक विशिष्ट प्रकार पर किया। आप इसे एक खेल के रूप में सोच सकते हैं जहाँ आपको एक दुकान से सबसे मूल्यवान वस्तुएं चुननी होती हैं, लेकिन आप ऐसी दो वस्तुएं नहीं चुन सकते जो एक धागे से जुड़ी हों।

परीक्षण: उन्होंने ऐसी 500 पहेलियाँ बनाईं। कुछ आसान थीं; कुछ ऐसी दुःस्वप्न जैसी थीं जहाँ "अंतराल" (gap) बहुत छोटा था।
परिणाम:
- मानक विधि: जैसे-जैसे पहेलियाँ बड़ी होती गईं, उन्हें हल करने में लगने वाला समय तेजी से (एक्सपोनेंशियल रूप से) बढ़ा (जैसे एक लुढ़कते हुए हिमखंड का आकार बढ़ता जाता है)।
- नई विधि: समय अभी भी बढ़ा, लेकिन बहुत धीमी गति से। उन्होंने एक "क्वाड्रेटिक स्पीडअप" पाया।
- उपमा: यदि पुराने तरीके को एक बड़ी पहेली को हल करने में 1,000 साल लगते, तो नए तरीके में शायद 100 साल लगेंगे। यह तुरंत तो नहीं है, लेकिन यह एक बहुत बड़ी छलांग है।

"जादुई रेसिपी" (ट्रांसफरेबिलिटी)

सबसे शानदार खोजों में से एक ट्रांसफरेबिलिटी (Transferability) के बारे में है।

आमतौर पर, किसी नई पहेली को हल करने के लिए, आपको उस विशिष्ट पहेली के लिए एकदम सही "धक्का" (शेड्यूल) की गणना करने में घंटों खर्च करने पड़ते हैं।

खोज: शोधकर्ताओं ने पाया कि जो "धक्का" उन्होंने एक कठिन पहेली के लिए निकाला था, वह उसी आकार की अन्य कठिन पहेलियों के लिए भी लगभग पूरी तरह से काम करता है।
उपमा: कल्पना कीजिए कि आपने केक बनाने की एक बेहतरीन रेसिपी ढूंढ ली है। आप आमतौर पर सोचते हैं कि आपको हर एक केक के लिए अलग रेसिपी चाहिए होगी। लेकिन उन्होंने पाया कि यह एक "मास्टर रेसिपी" लगभग सभी कठिन केक के लिए काम करती है। आपको रेसिपी को बार-बार बनाने में घंटों खर्च करने की आवश्यकता नहीं है; आप बस उसी का उपयोग कर सकते हैं जो आपके पास पहले से है।

सारांश

यह शोध पत्र क्वांटम कंप्यूटरों को कठिन समस्याओं को हल करने में तेज़ बनाने का एक नया तरीका प्रस्तावित करता है। कंप्यूटर को गलतियों से बचने के लिए दर्दनाक रूप से धीरे चलने के लिए मजबूर करने के बजाय, वे इसे एक सरल, आसानी से बनाया जाने वाला "धक्का" (चुंबकीय क्षेत्र) देते हैं जो इसे कठिन बाधाओं के ऊपर से कूदने में मदद करता है।

पुराना तरीका: धीरे चलें, और उम्मीद करें कि आप गिरेंगे नहीं।
नया तरीका: सामान्य रूप से चलें, लेकिन अंतराल को पार करने के लिए एक सरल, पुन: प्रयोज्य "जंप असिस्ट" का उपयोग करें।

यह क्वांटम एनीलिंग को वास्तविक दुनिया के हार्डवेयर के लिए व्यावहारिक बनाता है और जटिल अनुकूलन समस्याओं (जैसे लॉजिस्टिक्स, ड्रग डिस्कवरी, या वित्तीय मॉडलिंग) को पहले की तुलना में बहुत तेज़ी से हल करने में मदद कर सकता है।

यहाँ टोमोहिरो हट्टोरी और शु तनाका के शोध पत्र "Improving the efficiency of quantum annealing with controlled diagonal catalysts" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

क्वांटम एनीलिंग (QA) इसिंग मॉडल के ग्राउंड स्टेट (ground state) को खोजने के माध्यम से कॉम्बिनेटोरियल ऑप्टिमाइज़ेशन समस्याओं को हल करने के लिए एक अग्रणी एल्गोरिदम है। इसका प्रदर्शन एडियाबेटिक थ्योरम (adiabatic theorem) द्वारा नियंत्रित होता है, जिसके अनुसार एनीलिंग समय को ग्राउंड स्टेट और फर्स्ट एक्साइटेड स्टेट (first excited state) के बीच के न्यूनतम ऊर्जा अंतराल ( $\Delta_{min}$ ) के वर्ग के व्युत्क्रमानुपाती (inversely proportional) होना चाहिए।

QA में प्राथमिक बाधा तब आती है जब पर्टर्बेटिव क्रॉसिंग्स (perturbative crossings) या क्वांटम फर्स्ट-ऑर्डर फेज ट्रांज़िशन (quantum first-order phase transitions) होते हैं। इन परिदृश्यों में:

ऊर्जा अंतराल सिस्टम के आकार के साथ तेजी से (exponentially) कम हो जाता है।
ग्राउंड स्टेट और फर्स्ट एक्साइटेड स्टेट के बीच अक्सर एक बड़ा हैमिंग डिस्टेंस (Hamming distance) होता है (जिसके लिए कई स्पिन फ्लिप की आवश्यकता होती है)।
वर्तमान हार्डवेयर सीमाएँ (डिकोहेरेंस, प्रतिबंधित कनेक्टिविटी) जटिल कैटलिस्ट (जैसे क्वाड्रेटिक $ZZ $या$ XX$ इंटरैक्शन) को लागू करना कठिन बनाती हैं, जो सैद्धांतिक रूप से अंतराल को चौड़ा कर सकते हैं।
डायबेटिक ट्रांज़िशन (non-adiabatic paths) पर निर्भर मौजूदा विधियों के लिए अक्सर क्वाड्रेटिक टर्म्स के साथ शेड्यूल्स को अनुकूलित करने की आवश्यकता होती है, जो त्रुटि संचय (error accumulation) के कारण वर्तमान हार्डवेयर पर लागू करना और नियंत्रित करना कठिन है।

2. कार्यप्रणाली (Methodology)

लेखक केवल लीनियर टर्म्स ( $\sigma_z$ ) से बने एक लोकल डायगोनल कैटलिस्ट (local diagonal catalyst) को पेश करके QA प्रदर्शन को बढ़ाने का एक तरीका प्रस्तावित करते हैं, जो हार्डवेयर पर क्वाड्रेटिक टर्म्स की तुलना में लागू करने में आसान है।

मुख्य घटक:

संशोधित हैमिल्टोनियन (Modified Hamiltonian): मानक QA हैमिल्टोनियन $H(t) = A(t)H_q + B(t)H_p$ को एक कैटलिस्ट टर्म के साथ बढ़ाया गया है:
$H(t) = A(t)H_q + B(t)H_p + C(t)H_{catalyst}$
जहाँ $H_{catalyst} = -\sum_{i=1}^N \sigma_i^z$ (एक लोंगिट्यूडिनल मैग्नेटिक फील्ड) है।
वेरिएशनल ऑप्टिमाइज़ेशन (Variational Optimization): अंतिम-समय अपेक्षित ऊर्जा $J = \langle \psi(\tau) | H_p | \psi(\tau) \rangle$ $J = ⟨ ψ (τ) ∣ H_{p} ∣ ψ (τ)⟩$ को कम करने के लिए शेड्यूल $C(t)$ $C (t)$ को वेरिएशनल रूप से अनुकूलित किया जाता है।
- अनुकूलन ऑप्टिमल कंट्रोल थ्योरी (optimal control theory) का उपयोग करता है ताकि $C(t)$ के सापेक्ष कॉस्ट फंक्शन के ग्रेडिएंट की गणना की जा सके।
- ग्रेडिएंट को इस प्रकार प्राप्त किया गया है: $\frac{\partial J}{\partial C(t)} = 2\text{Im}(\langle k(t) | H_{catalyst} | \psi(t) \rangle)$ , जहाँ $|k(t)\rangle$ एक बैकवर्ड-इवॉल्विंग स्टेट है।
- एक ग्रेडिएंट डिसेंट एल्गोरिदम $C(t)$ को पुनरावृत्ति (iteratively) से अपडेट करता है।
बेंचमार्क समस्या (Benchmark Problem): इस विधि का परीक्षण पूर्ण बाइटाइट ग्राफ ( $K_{m,n}$ ) पर मैक्सिमम वेटेड इंडिपेंडेंट सेट (MWIS) समस्या पर किया गया है। यह समस्या इसलिए चुनी गई है क्योंकि यह पर्टर्बेटिव क्रॉसिंग्स प्रदर्शित करती है जहाँ ग्राउंड और फर्स्ट एक्साइटेड स्टेट के बीच हैमिंग डिस्टेंस $N$ (सिस्टम का आकार) है, जो मानक QA के लिए अत्यंत कठिन है।
हार्डवेयर व्यवहार्यता (Hardware Feasibility): कैटलिस्ट केवल लीनियर $z$ -फील्ड्स का उपयोग करता है, जिसे बिना किसी जटिल क्वाड्रेटिक इंटरैक्शन एम्बेडिंग के, वर्तमान हार्डवेयर (जैसे D-Wave) पर h_gain_schedule के माध्यम से साकार किया जा सकता है।

3. मुख्य योगदान (Key Contributions)

लीनियर-टर्म कैटलिस्ट कार्यान्वयन: यह प्रदर्शित करता है कि केवल लीनियर टर्म्स (लोंगिट्यूडिनल फील्ड्स) से बना कैटलिस्ट महत्वपूर्ण स्पीडअप प्राप्त करने के लिए पर्याप्त है, जिससे क्वाड्रेटिक कैटलिस्ट से जुड़ी हार्डवेयर कठिनाइयों से बचा जा सकता है।
डायबेटिक ट्रांज़िशन का लाभ उठाना: यह विधि सख्ती से एडियाबेटिक पथ का पालन नहीं करती है। इसके बजाय, यह उन क्षेत्रों में जानबूझकर डायबेटिक ट्रांज़िशन (diabatic transitions) उत्पन्न करती है जहाँ ऊर्जा अंतराल छोटा होता है, जिससे सिस्टम को लोकल मिनिमा से बाहर निकलने और अधिक कुशलता से ग्राउंड स्टेट में वापस आने में मदद मिलती है।
स्केलिंग में क्वाड्रेटिक स्पीडअप: प्रस्तावित विधि पारंपरिक लीनियर-शेड्यूल QA की तुलना में टाइम टू सॉल्यूशन (TTS) के एक्सपोनेंशियल स्केलिंग एक्सपोनेंट में लगभग क्वाड्रेटिक स्पीडअप प्राप्त करती है।
पैरामीटर ट्रांसफरैबिलिटी (Parameter Transferability): अध्ययन इस बात की जांच करता है कि क्या एक समस्या के अनुकूलित शेड्यूल्स को अन्य समस्याओं पर लागू किया जा सकता है। यह पाता है कि समान ऊर्जा गैप संरचनाओं और हैमिंग डिस्टेंस वाले इंस्टेंस के बीच शेड्यूल ट्रांसफर करने योग्य हैं, बशर्ते सिस्टम का आकार स्थिर हो।

4. परिणाम (Results)

प्रदर्शन सुधार: कठिन MWIS इंस्टेंस ( $N=3$ $N = 3$ से $11$) पर संख्यात्मक सिमुलेशन दिखाते हैं कि प्रस्तावित विधि पारंपरिक लीनियर-शेड्यूल QA की तुलना में काफी बेहतर प्रदर्शन करती है।
- स्केलिंग विश्लेषण: लीनियर-शेड्यूल QA के लिए TTS $T \propto \exp(0.85N)$ के रूप में स्केल होता है, जबकि प्रस्तावित विधि $T \propto \exp(0.46N)$ के रूप में स्केल होती है। यह एक्सपोनेंट में कमी स्केलिंग व्यवहार में एक क्वाड्रेटिक सुधार का प्रतिनिधित्व करती है।
डायनेमिक्स विश्लेषण:
- पारंपरिक QA में, सिस्टम ग्राउंड स्टेट का अनुसरण करता है जब तक कि गैप कम न हो जाए, फिर वह उच्च ऊर्जा स्तरों में उत्तेजित (excited) हो जाता है और वापस नहीं आ पाता।
- प्रस्तावित विधि में, सिस्टम ग्राउंड स्टेट से पहले ही विचलित (deviate) हो जाता है (डायबेटिक ट्रांज़िशन), लेकिन अनुकूलित $C(t)$ फील्ड का लाभ उठाते हुए गैप बंद होने पर सफलतापूर्वक जनसंख्या को वापस ग्राउंड स्टेट में स्थानांतरित कर देता है।
ट्रांसफरैबिलिटी (Transferability):
- विभिन्न MWIS इंस्टेंस के लिए अनुकूलित शेड्यूल मजबूत संरचनात्मक समानता दिखाते हैं (स्केल के सापेक्ष नगण्य भिन्नता)।
- एक कठिन इंस्टेंस से शेड्यूल को दूसरे पर ट्रांसफर करने से व्यक्तिगत रूप से अनुकूलित शेड्यूल्स के बराबर TTS प्राप्त होता है, जो प्रभावी रूप से समान समस्याओं के लिए ऑप्टिमाइज़ेशन ओवरहेड को समाप्त करता है।
- सीमा (Limitation): ट्रांसफरैबिलिटी विफल हो जाती है यदि ग्राउंड और एक्साइटेड स्टेट के बीच का हैमिंग डिस्टेंस बदल जाता है (भले ही ऊर्जा स्पेक्ट्रम समान हो), जो दर्शाता है कि कैटलिस्ट शेड्यूल विशिष्ट ऊर्जा लैंडस्केप टोपोलॉजी के प्रति संवेदनशील है।
स्पिन ग्लास विस्तार: शेरिंगटन-कर्कपैट्रिक (SK) स्पिन-ग्लास समस्याओं पर परीक्षणों ने पुष्टि की कि यह विधि उन इंस्टेंस के लिए सबसे प्रभावी है जिनमें बहुत छोटा न्यूनतम ऊर्जा अंतराल होता है, जहाँ मानक एडियाबेटिक इवोल्यूशन विफल हो जाता है।

5. महत्व (Significance)

व्यावहारिक हार्डवेयर प्रासंगिकता: केवल लीनियर टर्म्स का उपयोग करके, यह दृष्टिकोण गैर-लोकल या क्वाड्रेटिक कैटलिस्ट की आवश्यकता वाले तरीकों की तुलना में मौजूदा क्वांटम एनीलर्स (जैसे D-Wave) पर कार्यान्वयन के लिए अधिक व्यवहार्य है।
एडियाबैटिसिटी से परे: यह कार्य एक ठोस उदाहरण प्रदान करता है कि कैसे डायबेटिक डायनेमिक्स (diabatic dynamics) का उपयोग उन समस्याओं को हल करने के लिए किया जा सकता है जो सैद्धांतिक रूप से एडियाबेटिक एल्गोरिदम के लिए "कठिन" हैं, जो इस धारणा को चुनौती देता है कि धीमी, सख्त एडियाबेटिक इवोल्यूशन हमेशा इष्टतम होती है।
स्केलेबिलिटी: स्केलिंग एक्सपोनेंट में क्वाड्रेटिक सुधार यह सुझाव देता है कि यह विधि कॉम्बिनेटोरियल ऑप्टिमाइज़ेशन की बड़ी समस्याओं को हल कर सकती है जो वर्तमान में मानक QA के लिए कठिन हैं।
रणनीतिक अंतर्दृष्टि: ट्रांसफरैबिलिटी पर निष्कर्ष बताते हैं कि कठिन समस्याओं के विशिष्ट वर्गों के लिए, एक एकल "यूनिवर्सल" अनुकूलित शेड्यूल को प्री-कंप्यूट किया जा सकता है और पुन: उपयोग किया जा सकता है, जिससे व्यावहारिक अनुप्रयोगों में पैरामीटर ट्यूनिंग की कम्प्यूटेशनल लागत काफी कम हो जाती है।

निष्कर्षतः, यह शोध पत्र स्थानीय लोंगिट्यूडिनल फील्ड्स को अनुकूलित करके क्वांटम एनीलिंग में ऊर्जा अंतराल की बाधा को दूर करने के लिए एक मजबूत, हार्डवेयर-फ्रेंडली रणनीति प्रस्तुत करता है, जो डायबेटिक स्पीडअप के लिए एक सीमा (छोटा गैप) को अवसर में बदल देता है।