⚛️ quantum physics

Average-computation benchmarking for local expectation values in digital quantum devices

यह शोधपत्र डिजिटल क्वांटम उपकरणों के लिए एक बेंचमार्किंग योजना प्रस्तुत करता है जो लक्ष्य सर्किट को विशिष्ट गेट एन्सेम्बल्स (gate ensembles) के साथ औसत करके क्लासिकली हल करने योग्य सहसंबंध फलनों (correlation functions) को उत्पन्न करके संपूर्ण गणनाओं की गुणवत्ता का आकलन करता है, जिससे सर्किट की वास्तुकला या गहराई को बदले बिना क्लिफोर्ड रिजीम (Clifford regime) से परे शोर का पता लगाना सक्षम होता है।

मूल लेखक: Flavio Baccari, Pavel Kos, Georgios Styliaris

प्रकाशित 2026-04-03

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Flavio Baccari, Pavel Kos, Georgios Styliaris

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

यहाँ एक सरल भाषा और रचनात्मक उपमाओं का उपयोग करके शोध पत्र (paper) का विवरण दिया गया है।

बड़ी समस्या: क्वांटम कंप्यूटर का "ब्लैक बॉक्स"

कल्पना कीजिए कि आपके पास एक बिल्कुल नया, अविश्वसनीय रूप से जटिल यंत्र (एक क्वांटम कंप्यूटर) है जिसे एक कठिन पहेली को हल करने के लिए बनाया गया है। आप इसे चालू करते हैं, और यह आपको एक उत्तर देता है। लेकिन यहाँ एक पेच है: आपको अभी तक सही उत्तर पता नहीं है।

क्वांटम कंप्यूटिंग की दुनिया में, हम उस युग में प्रवेश कर रहे हैं जहाँ ये मशीनें ऐसी चीजें कर रही हैं जो दुनिया के सबसे शक्तिशाली सुपरकंप्यूटरों के लिए भी उन्हें जांचना बहुत कठिन है। इसे "क्वांटम एडवांटेज" (Quantum Advantage) कहा जाता है।

समस्या यह है: आप कैसे जानेंगे कि मशीन खराब तो नहीं है?

यदि आप मशीन के हर एक पुर्जे (हर एक लॉजिक गेट) की जाँच करते हैं, तो हो सकता है कि वे सभी पूरी तरह से काम कर रहे हों। लेकिन जब आप उन सभी को एक साथ जोड़ते हैं, तो भी मशीन गलत परिणाम दे सकती है क्योंकि उनके बीच होने वाली अंतःक्रियाएं (interactions) अलग होती हैं।
यदि आप मशीन को जांचने में आसान बनाने के लिए उसे सरल बनाने की कोशिश करते हैं (जैसे कुछ पुर्जों को हटा देना), तो आप अब असली मशीन का परीक्षण नहीं कर रहे हैं। सरल संस्करण में शोर (noise) और त्रुटियां (errors) अलग तरह से व्यवहार कर सकती हैं।

समाधान: "औसत" प्रयोग (The "Average" Experiment)

इस शोध पत्र के लेखक बिना मशीन को सरल बनाए और बिना पहले से उत्तर जाने, मशीन का परीक्षण करने का एक चतुर नया तरीका प्रस्तावित करते हैं। वे इसे "एवरेज-कंप्यूटेशन बेंचमार्किंग" (Average-Computation Benchmarking) कहते हैं।

यह कैसे काम करता है, इसे एक बेकिंग (Baking) की उपमा से समझते हैं:

1. मूल रेसिपी (कठिन समस्या)

कल्पना कीजिए कि आप एक बहुत ही जटिल, कई परतों वाला केक (क्वांटम कंप्यूटेशन) बनाने की कोशिश कर रहे हैं। आप जानना चाहते हैं कि क्या अंतिम केक का स्वाद सही है। लेकिन आप अभी इसका स्वाद नहीं ले सकते क्योंकि आपके पास तुलना करने के लिए कोई "परफेक्ट" केक नहीं है।

2. पुराना तरीका (अलग-अलग सामग्री की जाँच करना)

आमतौर पर, शेफ आटे, अंडे और चीनी को अलग-अलग चखकर देखते हैं ताकि यह सुनिश्चित हो सके कि वे अच्छे हैं। लेकिन केवल सामग्री को चखने से यह पता नहीं चलता कि बेकिंग की प्रक्रिया ने केक को खराब तो नहीं कर दिया।

3. नया तरीका (द "रैंडमाइज्ड बैच")

केवल एक केक बनाने के बजाय, लेखक सुझाव देते हैं कि आप एक ही तरह के बहुत सारे, बहुत सारे संस्करण बनाएं, लेकिन एक ट्विस्ट के साथ:

आप वही सटीक रेसिपी (सर्किट आर्किटेक्चर) और वही ओवन तापमान (सर्किट डेप्थ) रखेंगे।
हालाँकि, हर एक केक के लिए, आप विशिष्ट सामग्रियों को बहुत समान विकल्पों के साथ बेतरतीब ढंग से (randomly) बदल देंगे।
- उदाहरण के लिए: ठीक 1 कप चीनी उपयोग करने के बजाय, आप बेतरतीब ढंग से 1 कप चीनी, 1 कप चीनी + एक चुटकी नमक, 1 कप चीनी + एक बूंद वनीला आदि का मिश्रण उपयोग करेंगे।
आप इन थोड़े अलग केक के 100 बैच बनाएंगे।

4. जादुई ट्रिक: "औसत" स्वाद

यहाँ असली बुद्धिमानी है:

व्यक्तिगत रूप से: इनमें से प्रत्येक 100 केक अभी भी एक जटिल, अप्रत्याशित मिश्रण है। आप कैलकुलेटर का उपयोग करके आसानी से यह गणना नहीं कर सकते कि उनका स्वाद कैसा होना चाहिए।
सामूहिक रूप से: यदि आप उन सभी 100 केक्स को लेते हैं, उन्हें मिलाते हैं, और औसत (average) का स्वाद लेते हैं, तो कुछ जादुई होता है। यादृच्छिक बदलाव (random variations) एक विशिष्ट तरीके से एक-दूसरे को रद्द कर देते हैं।
परिणाम: "औसत केक" इतना सरल हो जाता है कि एक इंसान (या एक क्लासिकल कंप्यूटर) आसानी से गणना कर सकता है कि उसका स्वाद वास्तव में कैसा होना चाहिए।

यह गेम चेंजर क्यों है?

1. यह पूरे मशीन का परीक्षण करता है, केवल हिस्सों का नहीं।
क्योंकि आप पूरी रेसिपी के साथ पूरा केक बना रहे हैं, आप यह परीक्षण कर रहे हैं कि वास्तविक ओवन में सामग्रियां कैसे परस्पर क्रिया करती हैं। यदि मशीन में कोई छिपा हुआ दोष (शोर/noise) है, तो आपके प्रयोगात्मक केक्स का "औसत स्वाद" आपकी गणना किए गए "औसत स्वाद" से अलग होगा।

2. यह "साइलेंट" त्रुटियों को पकड़ लेता है।
पुराने परीक्षण के तरीके (जिन्हें क्लिफोर्ड बेंचमार्किंग कहा जाता है) कार के इंजन को समतल सतह पर चलाने की जाँच करने जैसे हैं। वे उन समस्याओं को छोड़ देते हैं जो केवल तब सामने आती हैं जब कार चढ़ाई पर जाती है।
लेखक दिखाते हैं कि उनकी विधि कोहेरेंट एरर्स (coherent errors) को पकड़ सकती है—सूक्ष्म, निरंतर गलतियाँ (जैसे कि एक T-गेट जो थोड़ा गलत घूम गया है) जिन्हें अन्य विधियाँ पूरी तरह से मिस कर देती हैं। यह यह पता लगाने जैसा है कि इंजन थोड़ा अनट्यून है, भले ही वह शुरू में ठीक से स्टार्ट हो रहा हो।

3. इसके लिए अतिरिक्त हार्डवेयर की आवश्यकता नहीं है।
आपको मशीन में अतिरिक्त सेंसर या "एन्सिला" (ancilla) क्यूबिट्स जोड़ने की आवश्यकता नहीं है। आप बस उसी सर्किट को चलाते हैं, लेकिन गेट्स के रैंडम शफल के साथ, और परिणामों का औसत निकालते हैं।

"स्पेस-टाइम" का गुप्त मंत्र (The "Space-Time" Secret Sauce)

गणित कैसे काम करता है? वे "स्पेस-टाइम चैनल्स" (Space-Time Channels) की अवधारणा का उपयोग करते हैं।

केक पकने के वीडियो की कल्पना करें।

समय (Time): केक कच्चे बैटर से पके हुए केक में बदल जाता है।
स्थान (Space): केक की परतें होती हैं (बाएँ, मध्य, दाएँ)।

आमतौर पर, भौतिकी समय और स्थान को अलग-अलग मानती है। लेकिन लेखकों ने पाया कि उनके रैंडम गेट स्वैप्स को इस तरह से डिजाइन किया जा सकता है कि केक पकाने की प्रक्रिया का "मूवी" वैसा ही दिखे जैसा वह समय में आगे या स्थान में बगल (sideways) में देखने पर दिखता है।

जब यह समरूपता (symmetry) होती है, तो "औसत केक" का जटिल गणित एक सरल गुणा की समस्या में बदल जाता है। यह यह समझने जैसा है कि यदि आप एक पूर्ण वृत्त में चलते हैं, तो आप ठीक वहीं पहुँच जाते हैं जहाँ से शुरू किया था, चाहे आपने कितने भी कदम क्यों न उठाए हों। यह उन्हें एक सामान्य कंप्यूटर पर तुरंत अपेक्षित परिणाम की गणना करने की अनुमति देता है।

निचोड़ (The Bottom Line)

यह शोध पत्र हमें क्वांटम कंप्यूटरों के लिए एक नया क्वालिटी कंट्रोल चेकलिस्ट देता है।

पहले: हम केवल यह देख सकते थे कि हिस्से काम कर रहे हैं, या मशीन सरल, नकली समस्याओं पर काम कर रही है।
अब: हम वास्तविक कठिन समस्या चला सकते हैं, उसे थोड़ा रैंडमाइज कर सकते हैं, और गणितीय रूप से भविष्यवाणी कर सकते हैं कि "औसत" परिणाम क्या होना चाहिए। यदि वास्तविक मशीन का औसत परिणाम भविष्यवाणी से मेल नहीं खाता है, तो हमें पता चल जाता है कि मशीन में शोर (noise) है और उसे ठीक करने की आवश्यकता है।

यह एक ब्लैक बॉक्स को हिलाकर, उससे निकलने वाली औसत आवाज़ को सुनकर, और यह जानकर उसे भरोसेमंद बनाने का एक तरीका है कि एक स्वस्थ बॉक्स की आवाज़ कैसी होनी चाहिए।

यहाँ बक्कारी, कोस और स्टाइलियारिस के शोध पत्र "डिजिटल क्वांटम डिवाइसेस में लोकल एक्सपेक्टेशन वैल्यूज के लिए एवरेज-कंप्यूटेशन बेंचमार्किंग" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

जैसे-जैसे क्वांटम डिवाइसेस "क्वांटम एडवांटेज" के दौर के करीब पहुँच रहे हैं, वे एक महत्वपूर्ण बाधा का सामना कर रहे हैं: बेंचमार्किंग।

वर्तमान विधियों की सीमाएँ:
- सिंगल-ऑपरेशन टेस्टिंग: गेट टोमोग्राफी या रैंडमाइज्ड बेंचमार्किंग जैसी तकनीकें व्यक्तिगत गेट्स का आकलन करती हैं, लेकिन वे पूरे सर्किट के संचयी त्रुटि (cumulative error) और शोर सहसंबंधों (noise correlations) को पकड़ने में विफल रहती हैं, विशेष रूप से मध्यम गहराई (moderate depth) वाले सर्किट के लिए।
- सरलीकृत सर्किट सत्यापन: मौजूदा सत्यापन योजनाएं अक्सर सरल सर्किट (जैसे क्लिफोर्ड सर्किट, कम गहराई, या मैचगेट्स) चलाने पर निर्भर करती हैं जो क्लासिकली सिम्युलेबल होते हैं। हालाँकि, सर्किट आर्किटेक्चर को बदलने से शोर का व्यवहार बदल जाता है, जिससे बेंचमार्क लक्षित गणना (target computation) के लिए एक अविश्वसनीय प्रॉक्सी बन जाता है।
- अज्ञात आउटपुट: कई निकट-अवधि एल्गोरिदम (जैसे क्वांटम सिमुलेशन) ऐसे आउटपुट उत्पन्न करते हैं जहाँ आदर्श परिणाम अज्ञात होता है, जिससे मानक सत्यापन असंभव हो जाता है।
लक्ष्य: एक ऐसी बेंचमार्किंग योजना विकसित करना जो पूरी गणना का परीक्षण करे (मूल सर्किट के आर्किटेक्चर, गहराई और गेट सेट को सुरक्षित रखते हुए), बिना आदर्श आउटपुट के पूर्व ज्ञान के, जबकि विशिष्ट मेट्रिक्स के लिए क्लासिकली कुशल गणना संभव हो सके।

2. कार्यप्रणाली: एवरेज-कंप्यूटेशन बेंचमार्किंग (Methodology: Average-Computation Benchmarking)

लेखक एक नवीन योजना प्रस्तावित करते हैं जहाँ लक्षित सर्किट को रैंडमाइज्ड वेरिएंट्स के एक समूह (ensemble) द्वारा प्रतिस्थापित किया जाता है। मूल विचार यह है कि जबकि व्यक्तिगत वास्तविकताओं (realizations) का क्लासिकली सिम्युलेशन कठिन रहता है, इन वास्तविकताओं का औसत (average) एक ऐसा चैनल प्रदान करता है जो क्लासिकली सुलभ (tractable) होता है।

मुख्य तंत्र (Core Mechanism)

एनसेम्बल निर्माण: लक्षित सर्किट में प्रत्येक टू-क्विबिट गेट $U_i$ को $p_i$ वितरण के अनुसार चुने गए एक एनसेम्बल $\{U_{i,\alpha}\}$ के रैंडम चयन द्वारा प्रतिस्थापित किया जाता है।
स्पेस-टाइम चैनल्स: एनसेम्बल का निर्माण इस प्रकार किया जाता है कि औसत चैनल $\mathcal{E}_i = \sum p_i U_{i,\alpha}(\cdot)U_{i,\alpha}^\dagger$ $E_{i} = \sum p_{i} U_{i, α} (\cdot) U_{i, α}^{†}$ स्पेस और टाइम दोनों दिशाओं में विशिष्ट यूनिटैलिटी शर्तों (unitality conditions) को संतुष्ट करता है।
- 4-वे यूनिटल चैनल्स: जो टाइम और स्पेस दोनों दिशाओं में ट्रेस प्रिजर्वेशन और यूनिटैलिटी को संतुष्ट करते हैं।
- 3-वे यूनिटल चैनल्स: जो टाइम में ट्रेस प्रिजर्वेशन और यूनिटैलिटी, तथा एक स्थानिक (spatial) दिशा में यूनिटैलिटी को संतुष्ट करते हैं।
क्लासिकल सुलभता (Classical Tractability): ये "स्पेस-टाइम चैनल्स" स्थानीय सहसंबंध कार्यों (लोकल कोरिलेशन फंक्शन्स/लोकल ऑब्जर्वेबल्स के एक्सपेक्टेशन वैल्यूज) की गणना को 4-डायमेंशन (क्विबिट्स के लिए) के सरल मैट्रिक्स मल्टीप्लिकेशन (ट्रांसफर मैट्रिसेस) में बदलने की अनुमति देते हैं, जो सिस्टम के आकार से स्वतंत्र होता है।
क्वांटम निष्पादन: उपयोगकर्ता क्वांटम डिवाइस पर रैंडमाइज्ड सर्किट के कई "राउंड्स" चलाता है। प्रायोगिक औसत $\langle O \rangle_Q$ की तुलना क्लासिकली कंप्यूटेड औसत $\langle O \rangle_C$ से की जाती है।

विशिष्ट निर्माण (Specific Constructions)

पेपर किसी भी произвоल (arbitrary) ब्रिकवर्क सर्किट के लिए स्पष्ट एनसेम्बल प्रदान करता है:

4-वे एवरेजिंग (रिफ्लेक्शन स्ट्रैटेजी): एक गेट जो $\vec{\theta}$ द्वारा पैरामीटराइज्ड है, उसके लिए एनसेम्बल में चार वेरिएंट्स होते हैं जहाँ एंगल्स को एक ड्यूल-यूनिटरी पॉइंट के चारों ओर $\pm \delta_x, \pm \delta_y$ के रूप में फ्लिप किया जाता है। यह एनसेम्बल में मूल गेट को सुरक्षित रखता है।
4-वे एवरेजिंग (पॉली ट्वर्लिंग): लक्षित गेट से पहले और बाद में रैंडम सिंगल-क्विबिट पॉली गेट्स लागू करना। यह किसी भी यूनिटरी के लिए काम करता है।
3-वे एवरेजिंग: गेट के केवल एक आउटपुट लेग पर पॉली ट्वर्लिंग लागू करना, या विशिष्ट यूनिटरी रिफ्लेक्शन के साथ डिफेजिंग (dephasing) को जोड़ना।

3. प्रमुख योगदान (Key Contributions)

आर्किटेक्चर का संरक्षण: पिछली विधियों के विपरीत, यह योजना सर्किट को क्लिफोर्ड गेट्स में सरल नहीं करती है या इसकी गहराई कम नहीं करती है। यह लक्षित एल्गोरिदम के सटीक हार्डवेयर निष्पादन के ढांचे का परीक्षण करती है।
स्पेस-टाइम चैनल्स के माध्यम से क्लासिकल दक्षता: लेखक स्पेस-टाइम चैनल्स के सिद्धांत का लाभ उठाते हैं ताकि यह दिखाया जा सके कि विशिष्ट एनसेम्बल पर औसत करने से नॉन-यूनिटरी इवोल्यूशन को एक ऐसे रूप में बदला जा सकता है जहाँ लोकल ऑब्जर्वेबल्स को कुशलतापूर्वक कंप्यूट किया जा सकता है।
SDP के माध्यम से व्यवस्थित खोज: पेपर नए एवरेजिंग एनसेम्बल को व्यवस्थित रूप से खोजने के लिए एक सेमीडेफिनेट प्रोग्रामिंग (SDP) फ्रेमवर्क पेश करता है। यह शोधकर्ताओं को ऐसे रणनीतियाँ खोजने की अनुमति देता है जो मूल सर्किट की जानकारी (पॉली कोएफिशिएंट्स) को अधिकतम करने के साथ-साथ यह सुनिश्चित करती हैं कि परिणामी चैनल एक स्पेस-टाइम यूनिटल हो।
शोर संवेदनशीलता (Noise Sensitivity): यह विधि कोहेरेंट एरर्स (जैसे गलत रोटेशन एंगल्स) के प्रति संवेदनशील है जिन्हें मानक क्लिफोर्ड-आधारित बेंचमार्किंग अक्सर मिस कर देती है।

4. परिणाम और साक्ष्य (Results and Evidence)

कोहेरेंट नॉइज़ डिटेक्शन: लेखकों ने एक व्यवस्थित T-गेट रोटेशन एरर के साथ एक ब्रिकवर्क सर्किट का सिमुलेशन किया। स्टैंडर्ड क्लिफोर्ड बेंचमार्किंग इस एरर का पता लगाने में विफल रही, जबकि एवरेज-कंप्यूटेशन स्कीम ने प्रायोगिक और सैद्धांतिक एक्सपेक्टेशन वैल्यूज के बीच एक स्पष्ट विचलन दिखाया।
सैंपल कॉम्प्लेक्सिटी: संख्यात्मक सिमुलेशन दर्शाते हैं कि विभिन्न सर्किट वास्तविकताओं के बीच एक्सपेक्टेशन वैल्यूज का वेरिएंस कम है। फलस्वरूप, औसत का उच्च सटीकता के साथ अनुमान लगाने के लिए केवल सीमित संख्या में शॉट्स (सर्किट रियलाइजेशन) की आवश्यकता होती है, जो इस विधि को प्रयोग के अनुकूल बनाता है।
सहसंबंधों का क्षय (Decay of Correlations): बेंचमार्किंग सिग्नल (कोरिलेशन) सर्किट की गहराई के साथ तेजी से (exponentially) घटता है। क्षय की दर ट्रांसफर मैट्रिसेस के आइजनवैल्यू द्वारा निर्धारित होती है। हालांकि यह विधि को कम-से-मध्यम गहराई वाले सर्किट तक सीमित करता है (जो निकट-अवधि डिवाइसेस के लिए विशिष्ट है), सिग्नल प्रासंगिक गहराइयों के लिए पता लगाने योग्य बना रहता है।
नॉइज़ मॉडलिंग: इस फ्रेमवर्क का उपयोग क्लासिकल गणना में नॉइज़ चैनल को शामिल करके विशिष्ट नॉइज़ मॉडल (जैसे पॉली नॉइज़) को बेंचमार्क करने के लिए भी किया जा सकता है, जिससे प्रायोगिक डेटा के साथ सीधा तुलना संभव हो पाती है।

5. महत्व और प्रभाव (Significance and Impact)

अंतराल को भरना: यह विधि सिंगल-गेट टेस्टिंग और फुल-सर्किट वेरिफिकेशन के बीच के एक महत्वपूर्ण अंतर को भरती है। यह बिना उत्तर जाने जटिल, नॉन-सिम्युलेबल क्वांटम कंप्यूटेशन की गुणवत्ता का आकलन करने के लिए एक "गोल्ड स्टैंडर्ड" प्रदान करती है।
हार्डवेयर लक्षण वर्णन (Hardware Characterization): यह हार्डवेयर प्रदर्शन को डायग्नोस करने के लिए एक शक्तिशाली उपकरण प्रदान करता है, विशेष रूप से उन कोहेरेंट एरर्स का पता लगाने के लिए जिन्हें रैंडमाइज्ड बेंचमार्किंग अक्सर अनदेखा कर देती है।
एल्गोरिदम सत्यापन: यह शोधकर्ताओं को क्वांटम सिमुलेशन (जैसे मेनी-बॉडी डायनेमिक्स) के परिणामों पर विश्वास प्राप्त करने की अनुमति देता है, जहाँ क्लासिकल सिमुलेशन असंभव है, यह सत्यापित करके कि डिवाइस रैंडमाइज्ड एनसेम्बल के सैद्धांतिक औसत के साथ सुसंगत व्यवहार करता है।
स्केलेबिलिटी: यह विधि मनमाने डिजिटल क्वांटम सर्किट के लिए लागू है और इसे उच्च आयामों (क्विड्स और 2D लैटिस) और विभिन्न नॉइज़ मॉडल्स के लिए सामान्यीकृत किया जा सकता है।

संक्षेप में, यह पेपर एक मजबूत, आर्किटेक्चर-प्रिजर्विंग बेंचमार्किंग प्रोटोकॉल पेश करता है जो स्पेस-टाइम चैनल्स के गणितीय गुणों का लाभ उठाता है ताकि जटिल क्वांटम कंप्यूटेशन का क्लासिकली सुलभ बनाना संभव हो सके, जो निकट-अवधि क्वांटम डिवाइसेस को मान्य करने की दिशा में एक महत्वपूर्ण कदम है।