⚛️ quantum physics

DRAG-Compatible Leakage Suppression in Landau--Zener Control via Isoprobability Twins

यह शोध पत्र विश्लेषणात्मक रूप से समाधान योग्य लैंडौ-ज़ेनर पल्स आकृतियों और आधुनिक लीकेज-निवारण तकनीकों के बीच असंगति को हल करने के लिए आइसोप्रोबेबिलिटी ट्विन मॉडल्स की अवधारणा प्रस्तुत करता है, जो IBM हार्डवेयर पर उनकी समानता को प्रयोगात्मक रूप से मान्य करता है और एक कस्टम DRAG कार्यान्वयन का उपयोग करके तीन आदेशों (ऑर्डर्स) से अधिक की लीकेज कमी को प्रदर्शित करता है।

मूल लेखक: Ivo S. Mihov, Nikolay V. Vitanov

प्रकाशित 2026-06-17

📖 4 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Ivo S. Mihov, Nikolay V. Vitanov

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 क्वांटम कंप्यूटर के "बिट" (सूचना का एक छोटा सा हिस्सा) को "सोयी हुई" अवस्था से "जागृत" अवस्था में ले जाने की कोशिश कर रहे हैं। ऐसा करने के लिए, भौतिक विज्ञानी एक विशिष्ट प्रकार के कंट्रोल पल्स का उपयोग करते हैं, जो रेडियो तरंग की तरह होता है, ताकि बिट को थोड़ा सा धक्का दिया जा सके।

दशकों से, बिट को इस तरह से चलाने का सबसे प्रसिद्ध और विश्वसनीय तरीका एक विशिष्ट रेसिपी रहा है जिसे लैंडौ-ज़ेनर (LMSZ) मॉडल कहा जाता है। इस रेसिपी को एक बहुत ही सख्त, पुराने ज़माने के ड्राइविंग निर्देश की तरह समझें: "स्टीयरिंग व्हील घुमाते समय अपने पैर को बिल्कुल स्थिर गति पर एक्सीलेटर पर रखें।"

समस्या:
जबकि यह "स्थिर गति" वाला तरीका गणितीय रूप से बिट को सही जगह पहुँचाने के लिए एकदम सटीक है, वास्तविक दुनिया में इसमें एक बड़ी खामी है। क्योंकि गति स्थिर है, इसलिए इंजन कभी भी सुचारू रूप से तेज़ या धीमा नहीं होता है। इसके कारण आपकी कार से "तेल लीक" होने लगता है—यानी आपका क्वांटम बिट गलती से तीसरी, अनचाही अवस्था (जैसे कि एक "सुपर-अवेक" अवस्था) में बह जाता है जो गणना को खराब कर देता है।

आधुनिक तकनीक के पास इस लीक को ठीक करने के लिए DRAG नामक एक उपकरण है। हालाँकि, DRAG इंजन के रेव्स (गति के बदलावों) को सुचारू बनाने का काम करता है। यदि आपका इंजन पहले से ही पूरी तरह से स्थिर गति पर चल रहा है, तो DRAG के पास सुचारू करने के लिए कुछ भी नहीं बचता। यह एक ऐसी शर्ट को इस्त्री करने की कोशिश करने जैसा है जो पहले से ही पूरी तरह से सपाट है; उपकरण के पास पकड़ने के लिए कुछ भी नहीं है। इसलिए, वर्षों तक, वैज्ञानिक एक समस्या में फंसे रहे: उनके पास एक आदर्श रेसिपी थी, लेकिन उसे आधुनिक लीक-रोकथाम उपकरणों से ठीक नहीं किया जा सकता था।

समाधान: "आइसोप्रोबेबिलिटी ट्विन्स" (Isoprobability Twins)
लेखकों ने एक चतुर तरकीब निकाली। उन्होंने महसूस किया कि जबकि किसी ड्राइव का परिणाम (बिट को जगाना) लिए गए रास्ते पर निर्भर करता है, वैसे ही कई अलग-अलग रास्ते हैं जो बिल्कुल एक ही मंजिल तक ले जाते हैं।

वे इन अलग-अलग रास्तों को "आइसोप्रोबेबिलिटी ट्विन्स" कहते हैं।

कल्पना कीजिए कि आपको शहर A से शहर B तक जाना है।

मार्ग 1 (पुराना तरीका): एक सीधे हाईवे पर निरंतर 60 मील प्रति घंटे की गति से चलें। (यह मूल LMSZ पल्स है)।
मार्ग 2 (जुड़वाँ मार्ग): एक घुमावदार सड़क पर चलें जहाँ आप धीरे-धीरे गति बढ़ाते और घटाते हैं, लेकिन आप समय का तालमेल इतनी सटीकता से रखते हैं कि आप मार्ग 1 की तरह बिल्कुल उसी समय और उसी स्थिति में शहर B पर पहुँच जाते हैं।

पेपर यह सिद्ध करता है कि आप "स्थिर गति" वाले मार्ग को "सुचारू, गति बढ़ाने और घटाने वाले" मार्ग (जैसे कि एक कोसाइन वेव) से बदल सकते हैं और फिर भी बिल्कुल वही परिणाम प्राप्त कर सकते हैं।

जादुई ट्रिक:
एक बार जब आपने स्थिर-गति वाले मार्ग को सुचारू, लहरदार मार्ग से बदल दिया, तो आप अंततः DRAG टूल का उपयोग कर सके।

क्योंकि नए मार्ग में गति के बदलाव सुचारू हैं, इसलिए DRAG अब खुरदरे हिस्सों को "इस्त्री" कर सकता है।
परिणाम? उन्होंने "तेल के रिसाव" (क्वांटम त्रुटियों) को 1,000 गुना से अधिक कम कर दिया (विशेष रूप से, 3 ऑर्डर्स ऑफ मैग्नीट्यूड से अधिक)।

उन्होंने इसे सिद्ध करने के लिए क्या किया:

गणित: उन्होंने दो प्रसिद्ध क्वांटम मॉडलों के लिए 16 अलग-अलग "ट्विन" मार्गों की सूची बनाने के लिए एक गणितीय रूपांतरण (जिसे डेलोस-थॉर्सन कहा जाता है) का उपयोग किया।
परीक्षण: उन्होंने इन अलग-अलग मार्गों में से तीन को IBM द्वारा बनाए गए एक वास्तविक क्वांटम कंप्यूटर (विशेष रूप से, ibm_kyiv प्रोसेसर) पर चलाया।
परिणाम: कंप्यूटर ने दिखाया कि तीनों अलग-अलग मार्गों ने बिल्कुल समान सफलता दर प्रदान की। "सुचारू" मार्ग भी "स्थिर" मार्ग की तरह ही अच्छा काम कर रहा था।
सुधार: इसके बाद उन्होंने सुचारू मार्ग पर DRAG फिक्स लागू किया। सिमुलेशन ने दिखाया कि जहाँ पुराना स्थिर मार्ग बहुत अधिक ऊर्जा लीक कर रहा था, वहीं नया सुचारू मार्ग DRAG के साथ लगभग पूरी तरह से साफ था।

संक्षेप में:
यह पेपर नया तरीका चलाने के आविष्कार के बारे में नहीं है; यह ड्राइव को वर्णित करने का एक नया तरीका है। यह दिखाता है कि आप परिणाम बदले बिना एक कठोर, स्थिर-गति वाले पल्स को एक सुचारू, लहरदार पल्स से बदल सकते हैं। यह सरल बदलाव आधुनिक त्रुटि-सुधार उपकरणों का उपयोग करने की क्षमता को अनलॉक करता है, जिससे क्वांटम कंप्यूटर बहुत अधिक विश्वसनीय हो जाते हैं और सूचना के "लीक" होने की संभावना कम हो जाती है।

उन्होंने इसे एक वास्तविक IBM क्वांटम चिप पर प्रदर्शित किया और दिखाया कि इस "ट्विन" अवधारणा का उपयोग करके, वे लीकेज को लगभग पूरी तरह से रोक सकते हैं।

तकनीकी सारांश: आइसोप्रोबेबिलिटी ट्विन्स (Isoprobability Twins) के माध्यम से लैंडौ-ज़ेनर नियंत्रण में DRAG-अनुकूल लीकेज दमन

समस्या विवरण
विश्लेषणात्मक रूप से सुलभ क्वांटम मॉडल, विशेष रूप से लैंडौ-मेजरना-स्टकलबर्ग-ज़ेनर (LMSZ) और एलन-एलेरी-हाइओ (AEH) मॉडल, क्वांटम गेट कार्यान्वयन और जनसंख्या हस्तांतरण प्रोटोकॉल के लिए आधारभूत हैं। हालाँकि, उनके मानक पल्स आकार महत्वपूर्ण सीमाएँ प्रस्तुत करते हैं। सबसे प्रमुख रूप से, मानक LMSZ पल्स एक स्थिर राबी फ्रीक्वेंसी एनवेलप ( $\Omega(t) = \text{const}$ ) प्रदर्शित करता है। यह सपाट एनवेलप डेरिवेटिव $\dot{\Omega}(t)$ को शून्य कर देता है, जो DRAG (डेरिवेटिव रिमूवल बाय एडियाबेटिक गेट) तकनीकों को लागू करने में बाधा डालता है। DRAG लीकेज दमन की एक मानक विधि है जो गैर-कंप्यूटेशनल अवस्थाओं में गैर-एडियाबेटिक संक्रमणों को रद्द करने के लिए $\dot{\Omega}(t)$ के समानुपाती एक काल्पनिक सुधार (imaginary correction) पर निर्भर करती है। फलस्वरूप, विश्लेषणात्मक रूप से सुलभ LMSZ मॉडल संरचनात्मक रूप से मानक लीकेज दमन के साथ असंगत है, जो विश्लेषणात्मक सुलभता और हार्डवेयर मजबूती के बीच एक समझौता (trade-off) करने के लिए मजबूर करता है।

कार्यप्रणाली
लेखक आइसोप्रोबेबिलिटी ट्विन मॉडल्स की अवधारणा को औपचारिक रूप देने के लिए इस सीमा को संबोधित करते हैं। डेलोस-थॉर्सन रूपांतरण (Delos-Thorson transformation) का उपयोग करते हुए, लेखक राबी फ्रीक्वेंसी $\Omega(t)$ और डिट्यूनिंग $\Delta(t)$ के विशिष्ट युग्मों की पहचान करते हैं जो समान पोस्ट-पल्स ट्रांज़िशन प्रोबेबिलिटी प्रदान करते हैं।

सैद्धांतिक ढांचा: इस पद्धति में श्रोडिंगर समीकरण में स्वतंत्र चर को समय $t$ से डेलोस-थॉर्सन चर $\sigma(t) = \int_0^t \Omega(t') dt'$ में बदलना शामिल है। यह गतिकी को इस प्रकार पुनर्गठित करता है कि ट्रांज़िशन प्रोबेबिलिटी पूरी तरह से स्टकलबर्ग चर $\Theta(\sigma) = \Delta(t(\sigma))/\Omega(t(\sigma))$ पर निर्भर करती है। कोई भी युग्म $\{\Omega(t), \Delta(t)\}$ जो समान $\Theta(\sigma)$ उत्पन्न करता है, एक ही "आइसोप्रोबेबिलिटी क्लास" का हिस्सा है और समान ट्रांज़िशन परिणाम उत्पन्न करता है।
मॉडल जनरेशन: लेखक LMSZ क्लास और AEH क्लास दोनों के लिए 16 अलग-अलग मॉडलों को व्यवस्थित रूप से उत्पन्न करते हैं। एक स्मूथ पल्स एनवेलप (जैसे कोसाइन या हाइपरबोलिक सेकेंट) का चयन करके, वे मूल ट्रांज़िशन प्रोबेबिलिटी को बनाए रखने वाला एक संगत डिट्यूनिंग फंक्शन प्राप्त करते हैं।
प्रायोगिक सत्यापन: ट्विन मॉडल्स की समानता का परीक्षण IBM के 127-क्यूबिट ibm_kyiv ट्रांसमोन प्रोसेसर पर किया गया। चूंकि हार्डवेयर में डिट्यूनिंग का प्रत्यक्ष समय-निर्भर नियंत्रण नहीं है, इसलिए लेखकों ने राबी फ्रीक्वेंसी ड्राइव को एक समय-निर्भर फेज ( $\phi(t) = \int \Delta(t) dt$ ) लागू करके आवश्यक डिट्यूनिंग प्रोफाइल का अनुकरण किया। उन्होंने तीन LMSZ-क्लास मॉडलों (कांस्टेंट, कोसाइन, और हाइपरबोलिक-सेकेंट राबी फ्रीक्वेंसी) और तीन AEH-क्लास मॉडलों के लिए ट्रांज़िशन प्रोबेबिलिटी लैंडस्केप्स को मापा।
लीकेज दमन प्रदर्शन: एक 8-लेवल ट्रांसमोन हैमिल्टनियन का उपयोग करके, जो ibm_kyiv प्रोसेसर के क्यूबिट 14 पर फिट किया गया था, एक संख्यात्मक सिमुलेशन किया गया। लेखकों ने अपने कैनोनिकल कांस्टेंट-राबी LMSZ पल्स की तुलना अपने "कोसाइन-राबी" आइसोप्रोबेबिलिटी ट्विन से की, जिस पर एक DRAG सुधार ( $\beta \dot{\Omega}(t)$ ) लागू किया गया था।

मुख्य परिणाम

प्रायोगिक समानता: क्वांटम प्रोसेसर पर मापे गए विभिन्न आइसोप्रोबेबिलिटी ट्विन्स के ट्रांज़िशन प्रोबेबिलिटी लैंडस्केप्स लगभग समान थे। कांस्टेंट-राबी, कोसाइन-राबी, और हाइपरबोलिक-सेकेंट-राबी मॉडलों के प्रायोगिक मानचित्रों के बीच मीन स्क्वेर्ड एरर (MSE) $10^{-3}$ के क्रम में था (उदाहरण के लिए, जोड़े 1 और 4 के बीच $1.7 \times 10^{-3}$ ), जो पुष्टि करता है कि अलग-अलग पल्स आकार समान पोस्ट-पल्स जनसंख्या हस्तांतरण उत्पन्न कर सकते हैं।
लीकेज में कमी: संख्यात्मक सिमुलेशन ने प्रदर्शित किया कि जबकि कैनोनिकल कांस्टेंट-राबी LMSZ पल्स, DRAG लगाने में असमर्थता के कारण 2.4% तक लीकेज (औसत 0.53%) संचित करता है, स्मूथ कोसाइन-राबी ट्विन और DRAG सुधार के संयोजन ने लीकेज को $1.1 \times 10^{-3}\%$ से नीचे ( $2.8 \times 10^{-4}\%$ औसत) कम कर दिया।
दमन कारक (Suppression Factor): यह लगभग 2200 (पीक) और 1900 (औसत) का लीकेज सप्रेशन फैक्टर है, जो तीन आदेशों (orders of magnitude) से अधिक है, जबकि उत्तेजित अवस्था (excited state) में ट्रांज़िशन प्रोबेबिलिटी $P_1 \approx 0.9998$ बनी रहती है।

महत्व और दावे
पेपर का दावा है कि आइसोप्रोबेबिलिटी फ्रेमवर्क पल्स आकार के चुनाव को विश्लेनी मॉडल के चुनाव से सफलतापूर्वक अलग (decouple) कर देता है। यह शोधकर्ताओं को ऐसे पल्स एनवेलप चुनने की अनुमति देता है जो हार्डवेयर बाधाओं (जैसे DRAG अनुकूलता के लिए स्मूथनेस) को पूरा करते हैं, बिना LMSZ और AEH जैसे सुलभ मॉडलों द्वारा प्रदान की गई सटीक विश्लेनी ट्रांज़िशन प्रोबेबिलिटी से समझौता किए।

लेखक इस बात पर जोर देते हैं कि यह दृष्टिकोण LMSZ मॉडल और DRAG लीकेज सप्रेशन के बीच संरचनात्मक असंगति को हल करता है। एक समान आइसोप्रोबेबिलिटी क्लास के भीतर एक स्थिर एनवेलप के बजाय एक स्मूथ "ट्विन" पर स्विच करके, मॉडल मानक डेरिवेटिव-आधारित सुधार टूलकिट के अनुकूल हो जाता है। यह कार्य एक वास्तविक क्वांटम प्रोसेसर पर प्रयोगिक रूप से इस अवधारणा को मान्य करता है और गैर-कंप्यूटेशनल अवस्थाओं में लीकेज को कम करके गेट फिडेलिटी को महत्वपूर्ण रूप से बढ़ाने की इसकी क्षमता को प्रदर्शित करता है, जो फॉल्ट-टोलरेंट क्वांटम कंप्यूटिंग के लिए एक महत्वपूर्ण आवश्यकता है। यह कार्य विभिन्न प्लेटफार्मों, जैसे कि रिडबर्ग परमाणु, ट्रैप्ड आयन, और NMR/MRI सिस्टम पर लागू होने योग्य है, जहाँ विश्लेनी सुलभता वांछित है लेकिन कैनोनिकल पल्स आकार अव्यावहारिक हैं।

इसी तरह के और पेपर