⚛️ quantum physics

Shallow randomized measurement in noisy quantum devices

यह शोध पत्र एक सैद्धांतिक ढांचा स्थापित करता है जो यह प्रदर्शित करता है कि शोर वाले उपकरणों (noisy devices) पर क्वांटम अवस्था के गुणों को सीखने के लिए उथले-गहराई वाले रैंडमाइज्ड माप (shallow-depth randomized measurements), सिंगल-क्यूबिट मापों की तुलना में व्यावहारिक लाभ प्रदान करते हैं, एक ऐसा निष्कर्ष जिसे 40 क्यूब्स तक वाले IBM क्वांटम हार्डवेयर पर प्रयोगों के माध्यम से मान्य किया गया है।

मूल लेखक: Gyungmin Cho, Dohun Kim

प्रकाशित 2026-07-07

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Gyungmin Cho, Dohun Kim

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 आपके पास एक बहुत ही जटिल, नाजुक मशीन (एक क्वांटम कंप्यूटर) है जो वर्तमान में थोड़ी "शोर वाली" (noisy) है और गलतियाँ करने की प्रवृत्ति रखती है। आप इसके अंदर क्या हो रहा है यह समझना चाहते हैं, लेकिन आप एक साथ हर एक गियर और तार को नहीं देख सकते क्योंकि मशीन बहुत बड़ी और बहुत नाजुक है।

यह शोध पत्र इस बारे में है कि इस शोर वाली मशीन को बिना तोड़े या अनंत काल तक प्रतीक्षा किए, इसके अंदर झाँकने का एक स्मार्ट और अधिक कुशल तरीका क्या है।

समस्या: "आंखों पर पट्टी" बांधकर लगाया गया अनुमान

पारंपरिक रूप से, क्वांटम अवस्था (quantum state) को समझने के लिए वैज्ञानिकों ने रैंडमाइज्ड मेजरमेंट्स (Randomized Measurements) नामक विधि का उपयोग किया। इसे ऐसे समझें जैसे आप एक सीलबंद, अपारदर्शी बक्से को हिलाकर और उसकी आवाज़ सुनकर उसके भीतर की सामग्री का अनुमान लगाने की कोशिश कर रहे हों।

पुराना तरीका (Single-Qubit): आप बक्से को धीरे से हिलाते हैं, एक बार में एक छोटा सा हिस्सा। यह सुरक्षित और आसान है, लेकिन आप यह मिस कर सकते हैं कि उसके हिस्से एक-दूसरे के साथ कैसे परस्पर क्रिया (interact) करते हैं। इसके लिए बहुत अधिक "हिलाने" (मेजरमेंट्स) की आवश्यकता होती है ताकि एक स्पष्ट तस्वीर मिल सके।
"परफेक्ट" तरीका (Global Entanglement): आप पूरे बक्से को एक साथ ज़ोर से हिला सकते हैं ताकि यह सुन सकें कि सब कुछ एक साथ कैसे हिलता-डुलता है। यह एक सटीक तस्वीर देता है, लेकिन वर्तमान शोर वाली मशीनों पर, पूरे हिस्से को एक साथ हिलाना बहुत अधिक हो जाता है; इससे पहले कि आपको उत्तर मिले, मशीन टूट जाती है (त्रुटियां सिग्नल पर हावी हो जाती हैं)।

समाधान: "शैलो" (Shallow) झाँकना

लेखक एक मध्य मार्ग प्रस्तावित करते हैं जिसे शैलो रैंडमाइज्ड मेजरमेंट्स (Shallow Randomized Measurements) कहा जाता है।

उपमा: पूरे बक्से को हिलाने या केवल एक छोटे कोने को हिलाने के बजाय, आप बक्से को छोटे, जुड़े हुए समूहों (clusters) में हिलाते हैं (जैसे एक बार में दो या तीन आसन्न कंपार्टमेंट को एक साथ हिलाना)।
यह क्यों काम करता है: यह "शैलो" है क्योंकि इसके लिए गहरे, जटिल सर्किटों की आवश्यकता नहीं होती जिन्हें शोर वाली मशीन संभाल न सके। लेकिन यह "एंटैंगलिंग" भी है क्योंकि यह कैप्चर करता है कि छोटे समूहों के हिस्से आपस में कैसे क्रिया करते हैं, जिसे सिंगल-कॉर्नर हिलाने वाला तरीका मिस कर देता है।

नया टूलकिट: "ब्लॉक शैडोज़" (Block Shadows)

शोध पत्र एक विशिष्ट गणितीय ढांचा पेश करता है जिसे ब्लॉक शैडोज़ (Block Shadows) कहा जाता है। कल्पना कीजिए कि आप एक पहेली (puzzle) को फिर से बनाने की कोशिश कर रहे हैं, लेकिन टुकड़े शोर वाले (noisy) हैं।

"ब्लॉक" रणनीति: एक समय में एक पहेली के टुकड़े को देखने के बजाय, आप टुकड़ों के छोटे 2x2 या 3x3 ब्लॉक्स को एक साथ देखते हैं।
लाभ: क्योंकि आप इन छोटे ब्लॉक्स को देख रहे हैं, आप गणितीय रूप से शोर (noise) को बहुत अधिक आसानी से और सटीकता से "अनडू" (undo) कर सकते हैं, जितना कि यदि आप पूरे पहेली या केवल एकल टुकड़ों को देखने का प्रयास करते। यह एक विशेष फिल्टर की तरह है जो रेडियो चैनलों के एक छोटे समूह में आने वाले स्टैटिक (static) को साफ करता है, जिससे संगीत स्पष्ट हो जाता है।

उन्होंने क्या खोजा (जादुई ट्रिक्स)

लेखकों ने केवल बक्से को हिलाने का नया तरीका ही नहीं बनाया; उन्होंने यह भी दिखाया कि इस विधि का उपयोग करके कई विशिष्ट कार्य बेहतर तरीके से कैसे किया जा सकता है:

"डिटरमिनिस्टिक" शॉर्टकट:
आमतौर पर, एक अच्छा औसत प्राप्त करने के लिए आपको बार-बार रैंडम शेक्स (shakes) करने पड़ते हैं। लेखकों ने दिखाया कि आप पहले से ही सबसे अच्छे विशिष्ट शेक्स को चुन सकते हैं (जैसे एक शेफ द्वारा पहले से ही सही मसालों को चुनना) ताकि आपको समान परिणाम प्राप्त करने के लिए कम प्रयासों की आवश्यकता हो। उन्होंने इसे एक वास्तविक IBM क्वांटम कंप्यूटर पर टेस्ट किया और साबित किया कि यह मशीन के शोर के साथ भी काम करता है।
"मल्टी-शॉट" ट्रिक:
कल्पte कीजिए कि आपके पास एक कैमरा है। एक फोटो लेने, एंगल बदलने और फिर दूसरी फोटो लेने के बजाय, आप एक ही एंगल से 10 फोटो लेते हैं, और फिर आगे बढ़ते हैं। शोध पत्र दिखाता है कि इन "शैलो" मेजरमेंट्स के लिए, एक ही एंगल से कई फोटो लेना (मेजरमेंट को दोबारा उपयोग करना) वास्तव में त्रुटियों को कम करने और समय बचाने में मदद करता है, जो कि पुराने तरीकों के लिए हमेशा सच नहीं था।
"बायस" हेल्पर:
कभी-कभी आपके पास मशीन के व्यवहार का एक मोटा अनुमान (एक "बायस स्टेट") होता है। शोध पत्र दिखाता है कि आप अपने मेजरमेंट्स को ठीक करने के लिए इस मोटे अनुमान का उपयोग कैसे कर सकते हैं। यह एक धुंधले मानचित्र और एक GPS सिग्नल की तरह है; आप एक स्पष्ट स्थान प्राप्त करने के लिए दोनों को मिला सकते हैं, भले ही मानचित्र थोड़ा गलत हो, जब तक कि आप मशीन के शोर के लिए सुधार करते हैं।
कंप्यूटर को सिखाना:
उन्होंने इन "शैलो" मेजरमेंट्स का उपयोग एक क्लासिकल मशीन लर्निंग एल्गोरिदम (एक कंप्यूटर प्रोग्राम जो पैटर्न सीखने की कोशिश कर रहा है) में डेटा फीड करने के लिए किया।

परिणाम: जब कंप्यूटर ने उस डेटा से सीखा जहाँ क्यूबिट्स के छोटे समूहों को एक साथ मापा गया था (ब्लॉक विधि), तो वह सिंगल-क्यूबिट डेटा की तुलना में एक विशिष्ट क्वांटम सिस्टम में होने वाले बदलाव (फेज ट्रांजिशन) को पहचानने में बहुत बेहतर था। यह ऐसा है जैसे कंप्यूटर भीड़ में पैटर्न को बेहतर ढंग से देख सकता था जब उसने व्यक्तियों के बजाय लोगों के छोटे समूहों को देखा।

वास्तविक दुनिया का परीक्षण

लेखकों ने केवल कागज पर गणित नहीं किया। उन्होंने 40 क्यूबिट्स तक के ibm_marrakesh (IBM के क्वांटम कंप्यूटर) के साथ इन प्रयोगों को चलाया।

उन्होंने पाया कि मशीन की प्राकृतिक त्रुटियों के बावजूद, उनकी "शैलो" विधि पुराने "सिंगल-क्यूबिट" तरीके की तुलना में अधिक कुशल और सटीक थी।
वे जटिल क्वांटम अवस्थाओं के गुणों को सफलतापूर्वक मापने में सफल रहे जो पिछली तकनीकों का उपयोग करके मापने के लिए बहुत शोर वाले या बहुत धीमे होते।

सारांश

संक्षेप में, यह शोध पत्र कहता है: "एक साथ पूरी नाजुक मशीन को हिलाने की कोशिश न करें, और न ही केवल एक छोटे से हिस्से को हिलाएं। छोटे, जुड़े हुए टुकड़ों के समूहों को हिलाएं। यह तेज़ है, यह मशीन के शोर को बेहतर ढंग से संभालता है, और यह आपको वास्तव में अंदर क्या हो रहा है इसकी एक स्पष्ट तस्वीर देता है।"

उन्होंने इसे वास्तविक हार्डवेयर पर सिद्ध किया है, जो आज के शोर वाले क्वांटम कंप्यूटरों से अधिक उपयोगी डेटा प्राप्त करने का एक व्यावहारिक तरीका प्रदान करता है।

शीर्षक: शोरयुक्त क्वांटम उपकरणों में उथली रैंडमाइज्ड मेजरमेंट (Shallow Randomized Measurement)
लेखक: ग्युंगमिन चो और दोहुन किम (सियोल नेशनल यूनिवर्सिटी)

समस्या विवरण

यद्यपि क्वांटम हार्डवेयर में सुधार हो रहा है, फिर भी निकट-अवधि के उपकरण शोर (noise) और सीमित सर्किट गहराई (circuit depth) से बाधित हैं। क्वांटम अवस्थाओं के गुणों को सीखने के लिए मानक प्रोटोकॉल, जैसे कि क्लासिकल शैडो (classical shadows), एक समझौते का सामना करते हैं: रैंडम पॉली मेजरमेंट्स (RPM) प्रयोगात्मक रूप से सरल हैं लेकिन लो-रैंक ऑब्जर्वेबल्स (low-rank observables) के लिए अक्षम हैं, जबकि रैंडम क्लिफोर्ड मेजरमेंट्स (RCM) लो-रैंक ऑब्जर्वेबल्स के लिए कुशल हैं लेकिन उन्हें $O(n)$ गहरी सर्किट की आवश्यकता होती है जो वर्तमान शोरयुक्त इंटरमीडिएट-स्केल क्वांटम (NISQ) उपकरणों पर अव्यवहार्य है। मौजूदा "शैलो शैडो" दृष्टिकोण, जो मुख्य रूप से ब्रिकवर्क सर्किट (brickwork circuits) पर आधारित हैं, एक मध्य मार्ग प्रदान करते हैं लेकिन अक्सर शैडो चैनल और उसके व्युत्क्रम (inverse) के लिए क्लोज्ड-फॉर्म एक्सप्रेशंस (closed-form expressions) की कमी होती है, जिससे पोस्ट-प्रोसेसिंग और डिरैंडमाइजेशन (derandomization) या एरर मिटिगेशन (error mitigation) जैसे उन्नत प्रोटोकॉल का विस्तार करना जटिल हो जाता है। इसके अलावा, विविध शिक्षण कार्यों (विशिष्ट अनुप्रयोगों से परे) में उथले मापन (shallow measurements) के व्यवस्थित लाभ और प्रयोगात्मक शोर के प्रति उनकी मजबूती के लिए और अधिक सैद्धांतिक और प्रयोगात्मक सत्यापन की आवश्यकता है।

कार्यप्रणाली (Methodology)

लेखक क्लिफोर्ड मेजरमेंट एन्सेम्बल (Clifford measurement ensembles) पर आधारित एक एकीकृत सैद्धांतिक ढांचा विकसित करते हैं, जो विशेष रूप से ब्लॉक शैडो (block shadows) पर केंद्रित है। इस दृष्टिकोण में, $n$ -क्यूबिट सिस्टम को $k$ आकार के ब्लॉक्स में विभाजित किया जाता है, और प्रत्येक ब्लॉक पर $Cl(k)$ से स्वतंत्र रैंडम क्लिफोर्ड यूनिटरी लागू किए जाते हैं। यह संरचना निम्नलिखित की अनुमति देती है:

स्पष्ट विश्लेषणात्मक सूत्र: शैडो चैनल, इसके व्युत्क्रम, और वेरिएंस विश्लेषण के लिए आवश्यक मोमेंट्स (moments) के लिए क्लोज्ड-फॉर्म एक्सप्रेशन का व्युत्पत्ति, जो ब्रिकवर्क सर्किट के लिए अक्सर आवश्यक संख्यात्मक सन्निकटन (numerical approximations) से बचता है।
उन्नत प्रोटोकॉल का एकीकरण: यह ढांचा डिरैंडमाइजेशन, मल्टी-शॉट प्रोटोकॉल (मापन आधारों का पुन: उपयोग), बायस स्टेट (bias states) के साथ कॉमन रैंडमाइज्ड मेजरमेंट्स (CRM), और एरर-मिटिगेटेड एस्टिमेटर्स को शामिल करता है।
शोर मॉडलिंग (Noise Modeling): यह मानते हुए कि पॉली ट्वर्लिंग (Pauli twirling) त्रुटियों को पॉली चैनलों में बदल देता है, लेयर-वाइज और पोस्ट-यूनिटरी शोर मॉडल का सैद्धांतिक विश्लेषण किया गया है, जिससे नॉइजी शैडो चैनल का उपयोग करके एरर-मिटिगेटेड एस्टिमेटर्स का निर्माण संभव होता है।
प्रयोगात्मक सत्यापन: डिरैंडमाइज्ड ब्लॉक शैडो, एरर मिटिगेशन के साथ कॉमन रैंडमाइज्ड मेजरमेंट्स, और एंटैंगलमेंट-एनहैंस्ड मशीन लर्निंग का परीक्षण करने के लिए IBM क्वांटम हार्डवेयर (40 क्यूब्स तक, दो-क्यूब गेट्स की 46 परतें) पर कार्यान्वयन।

मुख्य योगदान और परिणाम

1. सैद्धांतिक ढांचा और डिरैंडमाइजेशन

लेखक डिरैंडमाइजेशन को उथले मापन के साथ जोड़ते हैं, जिससे नियत (deterministic) मापन आधार प्राप्त होते हैं जिनके कॉन्फिडेंस बाउंड्स रैंडमाइज्ड औसत से बड़े नहीं होते हैं।
परिणाम: क्लस्टर-हाइजेनबर्ग मॉडल पर संख्यात्मक और हार्डवेयर प्रयोगों से पता चलता है कि ऊर्जा अनिश्चितता (energy uncertainty) का अनुमान लगाने के लिए डिरैंडमाइज्ड ब्लॉक शैडो, सिंगल-क्यूब डिरैंडमाइजेशन की तुलना में कम मापन की आवश्यकता रखते हैं, यहाँ तक कि हार्डवेयर शोर की उपस्थिति में भी।

2. सैंपल कॉम्प्लेक्सिटी और टिपिकल-केस स्केलिंग

यह पेपर स्थापित करता है कि ब्लॉक शैडो के लिए जहाँ $k2^k = \Omega(n)$ है, बाउंडेड शैटन 2-नॉर्म (Schatten 2-norm) वाले ऑब्जर्वेबल्स के लिए शैडो नॉर्म सामान्य मामलों में स्थिर रहता है।
स्टेट-डिपेंडेंट ऑब्जर्वेबल्स: फिक्स्ड-ऑब्जर्वेबल विश्लेषणों के विपरीत, यह ढांचा सह-संबंधित सेटिंग्स (जैसे स्टेट वेरिफिकेशन जहाँ ऑब्जर्वेबल स्वयं स्टेट है) को संभालता है। लेखक दिखाते हैं कि टिपिकल-केस रिजीम में, ब्लॉक शैडो ग्लोबल रैंडम क्लिफोर्ड मेजरमेंट्स के समान स्केलिंग प्राप्त करते हैं।
प्योरिटी एस्टीमेशन: एक मल्टी-शॉट प्योरिटी एस्टिमेटर बनाया गया है। सैद्धांतिक सीमाएं दर्शाती हैं कि टिपिकल स्टेट्स के लिए, सैंपल कॉम्प्लेक्सिटी RCM के समान स्केल करती है, जिसमें $V_2/NS$ टर्म को मापन आधारों के पुन: उपयोग द्वारा दबाया जा सकता है।

3. कॉमन रैंडमाइज्ड मेजरमेंट्स (CRM) और एरर मिटिगेशन

यह ढांचा CRM को उथले शैडो तक विस्तारित करता है, जिससे वेरिएंस को कम करने के लिए एक बायस स्टेट $\sigma$ (जो $\rho$ का अनुमान लगाता है) का उपयोग करना संभव होता है।
एरर मिटिगेशन: लेखक रोबस्ट शैडो तकनीकों को ब्लॉक शैडो तक विस्तारित करते हैं। 40 क्यूब्स पर प्रयोगों से पता चलता है कि एरर मिटिगेशन CRM की सटीकता में महत्वपूर्ण सुधार करता है, भले ही बायस स्टेट कम सटीक (कम बॉन्ड डायमेंशन) हो।

4. एंटैंगलमेंट-एनहैंस्ड मशीन लर्निंग

यह अध्ययन जांच करता है कि क्या एंटैंगलिंग उथले मापन से प्राप्त डेटा पर प्रशिक्षित क्लासिकल मशीन लर्निंग (ML) मॉडल, सिंगल-क्यूब डेटा पर प्रशिक्षित मॉडलों से बेहतर प्रदर्शन करते हैं।
परिणाम: SSH मॉडल से प्राप्त डेटा पर कर्नेल PCA का उपयोग करते हुए, लेखक दिखाते हैं कि दो-क्यूब ब्लॉक मेजरमेंट्स ( $k=2$ ), सिंगल-क्यूब मेजरमेंट्स ( $k=1$ ) की तुलना में क्रिटिकल पॉइंट ( $w=1$ ) के पास एक अधिक स्पष्ट फेज ट्रांजिशन सिग्नेचर प्रदान करते हैं। फिटिंग फंक्शन का डेरिवेटिव $w \approx 1.026$ पर पीक करता है, जो सैद्धांतिक ट्रांजिशन पॉइंट के अनुरूप है।

5. पोस्ट-प्रोसेसिंग दक्षता

ब्लॉक शैडो की टेंसर-प्रोडक्ट संरचना के कारण, इनवर्स शैडो चैनल सटीक है और क्लोज्ड फॉर्म में गणना योग्य है। यह ब्रिकवर्क शैडो के विपरीत है, जिन्हें अक्सर अपने व्युत्क्रम के लिए टेंसर-नेटवर्क सन्निकटन या संख्यात्मक अनुकूलन की आवश्यकता होती है, जो पोस्ट-प्रोसेसिंग दक्षता में एक विशिष्ट लाभ प्रदान करता है।

महत्व और दावे

यह पेपर दावा करता है कि उथली-डेप्थ मेजरमेंट, विशेष रूप से ब्लॉक-शैडो ढांचे के माध्यम से, शोरयुक्त क्वांटम उपकरणों पर व्यावहारिक लाभ प्रदान करती है।

मजबूती (Robustness): उथले मापन के लाभ प्रयोगात्मक शोर के बावजूद बने रहते हैं, जैसा कि हार्डवेयर प्रयोगों द्वारा प्रमाणित किया गया है।
बहुमुखी प्रतिभा (Versatility): यह ढांचा विभिन्न क्लासिकल शैडो वेरिएंट्स (डिरैंडमाइज्ड, मल्टी-शॉट, CRM, एरर-मिटिगेटेड) को क्लिफोर्ड एन्सेमल्स पर आधारित एक एकल सैद्धांतिक छत्र के तहत एकीकृत करता है।
स्केलेबिलिटी: $O(\log n)$ की लॉगरिदमिक-डेप्थ सर्किट का उपयोग करके, यह दृष्टिकोण सरल लोकल मेजरमेंट्स और ग्लोबल क्लिफोर्ड मेजरमेंट्स के बीच के अंतर को पाटता है, जिससे वर्तमान NISQ हार्डवेयर पर जटिल क्वांटम अवस्थाओं और भौतिक मात्राओं का अध्ययन संभव होता है।
ML लाभ: परिणाम बताते हैं कि एंटैंगलिंग मेजरमेंट्स क्वांटम प्रयोगात्मक डेटा के क्लासिकल प्रतिनिधित्व को बेहतर बना सकते हैं, जिससे संभावित रूप से ग्राउंड स्टेट गुणों को सीखने या फेज ट्रांजिशन का पता लगाने के लिए आवश्यक प्रयोगों की संख्या कम हो सकती है।

लेखक एक मध्यम रुख बनाए रखते हैं, यह नोट करते हुए कि उनके टिपिकल-केस परिणाम वर्स्ट-केस गारंटी (विशेष ब्लॉक-प्रोडक्ट काउंटर-एग्जाम्पल का हवाला देते हुए जहाँ स्केलिंग प्रतिकूल है) का संकेत नहीं देते हैं, और यह दृष्टिकोण उन प्रणालियों के लिए सबसे प्रभावी है जहाँ स्थानीय सहसंबंध (local correlations) महत्वपूर्ण हैं या जहाँ बायस स्टेट उपलब्ध है।