Toward quantum scaling advantage in approximate optimization
यह शोध पत्र QUBO समस्याओं को हल करने में क्वांटम स्केलिंग लाभ के हालिया दावों को चुनौती देते हुए यह प्रदर्शित करता है कि क्लासिकल सिम्युलेटेड बाइफरकेशन मशीन बड़े इंस्टेंस पर तुलनीय या बेहतर प्रदर्शन प्राप्त करती है, जिससे रिपोर्ट किए गए क्वांटम-क्लासिकल अंतर को समाप्त किया जा सके और यह सुझाव दिया जा सके कि वास्तविक क्वांटम लाभ संभवतः विशिष्ट स्पार्स (sparse) समस्या वर्गों तक ही सीमित हैं एक बार जब हार्डवेयर ओवरहेड्स को संबोधित कर लिया जाता 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, धुंधले पर्वत श्रृंखला में सबसे निचले बिंदु को खोजने की कोशिश कर रहे हैं। यह कंप्यूटरों के लिए एक क्लासिक पहेली है जिसे 'ऑप्टिमाइज़ेशन प्रॉब्लम' (अनुकूलन समस्या) कहा जाता है। हाल ही में, कुछ शोधकर्ताओं ने दावा किया कि एक विशेष प्रकार का "क्वांटम" पर्वतारोही (एक क्वांटम एनीलर) पहाड़ों के बड़े होने पर किसी भी क्लासिकल कंप्यूटर की तुलना में बहुत तेज़ी से नीचे तक पहुँच सकता है। उन्होंने इसे "क्वांटम एडवांटेज" (क्वांटम लाभ) कहा।
लेकिन वैज्ञानिकों की एक नई टीम ने इस दावे की दोबारा जाँच करने का निर्णय लिया, और इसके लिए उन्होंने एक बहुत ही अलग तरह के पर्वतारोही का उपयोग किया: सिमुलेटेड बिफर्केशन मशीन (SBM)।
क्वांटम पर्वतारोही के बारे में सोचें जो "थर्मल फ्लक्चुएशन" (तापीय उतार-चढ़ाव) का उपयोग करता है—मूल रूप से वे ज़मीन को हिलाते हैं ताकि वे एक छोटी पहाड़ी को पार कर सकें। हालाँकि, SBM एक ऐसा पर्वतारोही है जो केओस (अराजकता/Chaos) की सवारी करता है। हिलाने के बजाय, यह एक जंगली, नॉनलीनर लहर की सवारी करता है जो भौतिकी के नियमों द्वारा निर्देशित होती है और विभाजित होकर कूदती (बाइफर्केट करती) है, और यह एक मानक ग्राफिक्स कार्ड (GPU) पर चलती है।
लेखकों ने इन दोनों पर्वतारोहियों को परीक्षण में रखने पर क्या पाया, यहाँ दिया गया है:
1. "क्वांटम एडवांटेज" एक भ्रम हो सकता है
पिछले अध्ययन ने दावा किया था कि क्वांटम पर्वतारोही जीत रहा था। हालाँकि, लेखकों ने पाया कि जब आप SBM का उपयोग करते हैं, तो यह क्वांटम मशीन के समान ही तेज़, या उससे भी तेज़ चलता है। वास्तव में, परीक्षण किए गए समस्या के आकार (लगभग 1,322 लॉजिकल वेरिएबल्स तक) के लिए, SBM ने इस अंतर को पूरी तरह से पाट दिया। "लाभ" जो क्वांटम मशीन के पास दिख रहा था, वह गायब हो गया जब उन्होंने रन को सेटअप करने और परिणाम पढ़ने में लगने वाले पूरे समय को ध्यान में रखा।
2. छोटे पहाड़ झूठ बोलते हैं
लेखक तर्क देते हैं कि पिछले अध्ययन ने ऐसे पहाड़ों को देखा जो वास्तविक कहानी बताने के लिए बहुत छोटे थे। यह एक मैराथन धावक की गति को 100 मीटर की दौड़ के आधार पर आंकने जैसा है; इसमें स्टार्ट-अप समय बहुत अधिक मायने रखता है। जब लेखकों ने बहुत बड़े पहाड़ों—38,320 वेरिएबल्स तक—पर SBM का परीक्षण किया (जिसके लिए कम से कम 1.5 × 10⁵ फिजिकल क्यूबिट्स वाले क्वांटम कंप्यूटर की आवश्यकता होगी), तब भी क्लासिकल SBM मजबूती से खड़ा रहा। स्केलिंग (पैमाना) मजबूत बनी रही, जो यह बताती है कि इन विशिष्ट प्रकार की समस्याओं के लिए, क्वांटम मशीन वर्तमान में क्लासिकल केओस मशीन को नहीं हरा रही है।
3. "समय" का जाल
भ्रम का एक बड़ा हिस्सा इस बात से आता है कि आप समय को कैसे मापते हैं।
- क्वांटम मशीन: पिछले अध्ययन ने "एनीलिंग टाइम" (वह समय जिसे मशीन कहती है कि उसने चढ़ने में बिताया) का उपयोग किया, जो प्रोग्रामिंग के लिए 14,100 µs और देरी के लिए प्रति सैंपल 20.5 µs जैसा एक पूर्व-निर्धारित नंबर है। उन्होंने मशीन से बात करने या उत्तर पढ़ने में लगने वाले समय को नहीं गिना।
- SBM: लेखकों ने वास्तविक समय को मापा, जिसमें डेटा को कंप्यूटर के मस्तिष्क और उसके ग्राफिक्स कार्ड के बीच ले जाने जैसे सभी "ओवरहेड" शामिल थे।
जब लेखकों ने क्वांटम मशीन के लिए सभी वास्तविक दुनिया के समय के खर्चों को शामिल किया, तो उसका गति का लाभ गायब हो गया। जो "तेज़" स्केलिंग उन्होंने पहले देखी थी, वह मुख्य रूप से इसलिए थी क्योंकि उन्होंने मशीन को तैयार करने में लगने वाले समय को अनदेखा कर दिया था।
4. क्वांटम मशीन कहाँ जीत सकती है?
यह पेपर यह नहीं कहता कि क्वांटम कंप्यूटर बेकार हैं। लेखक सुझाव देते हैं कि एक विशिष्ट, संकीटा रास्ता है जहाँ क्वांटम जीत सकता है: 3D स्पिन-ग्लास समस्याएं।
इन विशिष्ट, स्पार्स (विरल) पहेलियों में, क्वांटम पर्वतारोही शुद्ध चढ़ने के समय को देखते हुए अविश्वसनीय रूप से तेज़ी से (नैनोसेकंड के पैमाने पर) उच्च गुणवत्ता वाले समाधान खोजता है। हालाँकि, लेखक सावधानी बरतते हुए कहते हैं कि यह केवल एक संभावित लाभ है। अभी, क्वांटम मशीन को प्रोग्राम करने और पढ़ने में लगने वाला अतिरिक्त समय इसकी गति को खत्म कर देता है। वे सुझाव देते हैं कि यदि भविष्य के हार्डवेयर ओवरहेड्स को कम कर सकते हैं, तो एक वास्तविक लाभ दिखाई दे सकता है, लेकिन फिलहाल, यह केवल एक "क्या होगा अगर" है।
मुख्य निष्कर्ष
लेखक निष्कर्ष निकालते हैं कि उनके द्वारा परीक्षण की गई विशिष्ट समस्याओं के लिए, "क्वांटम स्केलिंग एडवांटेज" का दावा संभवतः गलत है। अराजक, क्लासिकल SBM एक शक्तिशाली दावेदार है जो पूरे रेस को गिनने पर क्वांटम मशीन की बराबरी करता है या उससे बेहतर प्रदर्शन करता है। वे सुझाव देते हैं कि क्वांटम कंप्यूटरों को वास्तविक जीत देखने के लिए, हमें बहुत बड़ी समस्याओं और विभिन्न प्रकार की पहेलियों को देखने की आवश्यकता है, और हमें ऐसे हार्डवेयर का इंतज़ार करना होगा जो सेटअप और रीडआउट में समय बर्बाद करना बंद कर सके।
संक्षेप में: जब आप पूरी यात्रा को मापते हैं, तो क्वांटम पर्वतारोही वर्तमान में अराजक क्लासिकल पर्वतारोही से तेज़ नहीं है। "लाभ" संभवतः केवल इस बात का एक छल था कि दौड़ को कैसे टाइम किया गया था।
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।