Direct entanglement ansatz learning (DEAL) with ZNE on error-prone superconducting qubits
यह शोध पत्र डायरेक्ट एंटैंगलमेंट एंसेट लर्निंग (DEAL) प्रस्तुत करता है, जो एक विधि है जो शोर वाले सुपरकंडक्टिंग क्वांटम हार्डवेयर पर NP-हार्ड कॉम्बिनेटरियल ऑप्टिमाइज़ेशन समस्याओं को हल करने के लिए अभिसरण (convergence) और सफलता दरों को महत्वपूर्ण रूप से सुधारने हेतु डायरेक्ट पैरामीटर-टू-एंसेट मैपिंग को ज़ीरो नॉइज़ एक्सट्रैपोलेशन के साथ जोड़ती 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, अविश्वसनीय रूप से जटिल भूलभुलैया (maze) को हल करने की कोशिश कर रहे हैं। आप बाहर निकलने का सबसे छोटा रास्ता खोजना चाहते हैं, लेकिन भूलभुलैया इतनी बड़ी है कि इसमें अरबों मृत मार्ग (dead ends/local minima) हैं, और दीवारें लगातार बदल रही हैं क्योंकि "शोर" (जैसे हवा या भूकंप से इमारत का हिलना) के कारण वे हिल रही हैं।
यह वह चुनौती है जिसका सामना वैज्ञानिक कठिन समस्याओं (जैसे लॉजिस्टिक्स, ट्रक में सामान भरना, या डिलीवरी ड्राइवर के लिए सबसे अच्छा रास्ता खोजना) को हल करने के लिए क्वांटम कंप्यूटर का उपयोग करते समय करते हैं।
यहाँ इस शोध पत्र की नई विधि, DEAL का सरल विवरण दिया गया है, जो रोजमर्रा के उदाहरणों का उपयोग करता है।
1. समस्या: एक "शोर वाला" (Noisy) क्वांटम कंप्यूटर
एक क्वांटम कंप्यूटर को एक बहुत ही बुद्धिमान लेकिन बहुत नाजुक रोबोट के रूप में सोचें।
- शोर (The Noise): क्योंकि रोबोट सुपरकंडक्टिंग चिप्स पर बना है, इसलिए यह "घबराहट" महसूस करता है। छोटी विद्युत गड़बड़ियाँ (crosstalk) और याददाश्त की कमी (decoherence) इसे गलत अनुमान लगाने पर मजबूर करती हैं। यह वैसा ही है जैसे कोई मेज को हिला रहा हो और आप पर रैंडम नंबर चिल्ला रहा हो, जबकि आप एक किताब पढ़ने की कोशिश कर रहे हों।
- पुराना तरीका (QAOA): इन भूलभुलभुलैया को हल करने का मानक तरीका QAOA है। यह एक आंखों पर पट्टी बांधे हुए खोजकर्ता को भूलभुलैया में भेजने जैसा है। वह एक कदम लेता है, जांचता है कि क्या वह निकास के करीब है, और फिर खुद को समायोजित करता है। लेकिन चूंकि भूलभुलैया बहुत बड़ी है और खोजकर्ता डगमगा रहा है, इसलिए वे अक्सर एक छोटे से मृत मार्ग में फंस जाते हैं या बिना किसी दिशा के भटकते रहते हैं।
2. समाधान: DEAL (Direct Entanglement Ansatz Learning)
लेखकों ने एक नई रणनीति बनाई है जिसे DEAL कहा जाता है। इसे आंखों पर पट्टी बांधे हुए खोजकर्ता को एक स्मार्ट मैप (समझदार नक्शा) और एक नॉइज़-कैंसलिंग हेडसेट देने के रूप में समझें।
A. स्मार्ट मैप: "Qubit Prioritized Normalization" (QPN)
पुराने तरीके में, खोजकर्ता भूलभुलैया के हर हिस्से के साथ समान व्यवहार करता है।
- DEAL का उदाहरण: कल्पना करें कि भूलभुलैया में कुछ गलियारे अन्य गलियारों की तुलना में स्पष्ट रूप से अधिक महत्वपूर्ण हैं (शायद वहां भारी दरवाजे या मूल्यवान सुराग हैं)। DEAL पहले समस्या को देखता है और कहता है, "हे, भूलभुलैया का यह हिस्सा दूसरे हिस्से की तुलना में 10 गुना अधिक महत्वपूर्ण है।"
- यह क्वांटम कंप्यूटर के विभिन्न हिस्सों (qubits) को "महत्व स्कोर" (importance scores) आवंटित करता है। फिर यह पथ (क्वांटम सर्किट) का निर्माण इस तरह करता है कि सबसे महत्वपूर्ण हिस्सों को तुरंत सबसे अधिक ध्यान मिले। बिना किसी दिशा के भटकने के बजाय, खोजकर्ता वहीं से शुरू करता है जहाँ मुख्य गतिविधि हो रही है। यह उन्हें बेकार के मृत मार्गों में फंसने से रोकता है।
B. नॉइज़-कैंसलिंग हेडसेट: Zero-Noise Extrapolation (ZNE)
एक अच्छे नक्शे के साथ भी, "हिलती हुई मेज" (हार्डवेयर शोर) परिणामों को बिगाड़ सकती है।
- DEAL का उदाहरण: कल्पना करें कि आप एक शोर वाले कारखाने में अपने दोस्त की बात सुनने की कोशिश कर रहे हैं।
- पुराना तरीका: आप बस वापस चिल्लाते हैं और उम्मीद करते हैं कि आपने समझ लिया होगा।
- DEAL का ZNE: आप अपने दोस्त से तीन अलग-अलग आवाजों में बोलने के लिए कहते हैं: फुसफुसाहट, सामान्य, और चिल्लाना। आप तीनों को रिकॉर्ड करते हैं। फिर, आप गणित का उपयोग करके यह पता लगाते हैं: "यदि कारखाने का शोर शून्य होता, तो उन्होंने क्या कहा होता?"
- DEAL क्वांटम प्रयोग को कई बार चलाता है, जानबूझकर अलग-अलग मात्रा में "शोर" जोड़ता है (या यह मापता है कि शोर कैसा व्यवहार करता है), और फिर एक चतुर गणितीय ट्रिक का उपयोग करता है ताकि यह अनुमान (extrapolate) लगाया जा सके कि उत्तर क्या होता यदि कंप्यूटर पूरी तरह से शांत होता।
3. परिणाम: वास्तविक दुनिया की पहेलियों को हल करना
टीम ने DEAL का परीक्षण तीन क्लासिक "कठिन" पहेलियों पर किया:
- ट्रैवलिंग सेल्समैन (Traveling Salesman): कई शहरों की यात्रा करने के लिए सबसे छोटा रास्ता खोजना।
- नैपसैक प्रॉब्लम (Knapsack Problem): वजन की सीमा से ऊपर जाए बिना सबसे मूल्यवान वस्तुओं के साथ एक बैकपैक पैक करना।
- मैक्सकट (MaxCut): लोगों के एक समूह को दो टीमों में इस तरह विभाजित करना कि उनके बीच के अधिकतम मित्र अलग हो सकें।
परिणाम:
- तेजी से सफलता: DEAL ने पुराने तरीके की तुलना में बहुत अधिक बार सर्वोत्तम समाधान खोजे।
- बेहतर स्थिरता: भले ही क्वांटम कंप्यूटर "डगमगा" (noisy) रहा हो, DEAL ने उत्तरों को सुसंगत बनाए रखा।
- वास्तविक हार्डवेयर: उन्होंने केवल एक आदर्श कंप्यूटर पर इसका सिमुलेशन नहीं किया; उन्होंने इसे वास्तविक, शोर वाले IBM क्वांटम कंप्यूटरों ("Torino" और "Marrakesh" चिप्स) पर चलाया और यह अभी भी बेहतर काम करता है।
बड़ी तस्वीर (The Big Picture)
DEAL को एक GPS सिस्टम के अपग्रेड के रूप में समझें।
- पुराना GPS: "निकास मिलने तक बेतरतीब ढंग से गाड़ी चलाएं। यदि आप किसी झटके से टकराते हैं, तो आप रास्ता भटक सकते हैं।"
- DEAL GPS: "मुझे पता है कि कौन सी सड़कें मुख्य राजमार्ग (highways) हैं (QPN), और मैं आपको स्पष्ट निर्देश देने के लिए रेडियो पर आने वाले शोर को फिल्टर कर सकता हूँ (ZNE)।"
यह शोध पत्र एक बड़ा कदम है क्योंकि यह दिखाता है कि हमें वास्तविक दुनिया की समस्याओं को हल करने के लिए "परफेक्ट" क्वांटम कंप्यूटरों का इंतजार करने की आवश्यकता नहीं है। हम अपने वर्तमान, अपूर्ण मशीनों को बेहतर बनाने के लिए उन्हें स्मार्ट तरीके से प्रोग्राम करके उन्हें बहुत बेहतर 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।