⚛️ quantum physics

Scalable Quantum State Preparation for Encoding Genomic Data with Matrix Product States

यह शोध पत्र मैट्रिक्स प्रोडक्ट स्टेट्स (Matrix Product States) का उपयोग करके जीनोमिक डेटा, विशेष रूप से बैक्टीरियोफेज $\Phi X174$ जीनोम को क्वांटम अवस्थाओं में एनकोड करने के लिए एक स्केलेबल विधि प्रस्तुत करता है, जो उच्च-प्रदर्शन कंप्यूटिंग प्रणालियों और वर्तमान क्वांटम हार्डवेयर दोनों पर इस दृष्टिकोण को मान्य करते हुए सर्किट जटिलता और पुनर्निर्माण त्रुटि के बीच के समझौतों (trade-offs) को प्रदर्शित करता है।

मूल लेखक: Floyd M. Creevey, Hitham T. Hassan, James McCafferty, Lloyd C. L. Hollenberg, Sergii Strelchuk

प्रकाशित 2026-06-18

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Floyd M. Creevey, Hitham T. Hassan, James McCafferty, Lloyd C. L. Hollenberg, Sergii Strelchuk

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 चार अक्षरों की भाषा में लिखी गई डीएनए निर्देशों (जीनोम) का एक विशाल पुस्तकालय है: A, T, C और G। अब, कल्पना कीजिए कि आप इस पुस्तकालय को एक बिल्कुल नए, सुपर-फास्ट प्रकार के कंप्यूटर में ले जाना चाहते हैं जिसे क्वांटम कंप्यूटर कहा जाता है।

समस्या यह है कि क्वांटम कंप्यूटर एक बहुत ही अलग भाषा बोलते हैं। वे "A, T, C, G" नहीं पढ़ते; वे "क्वांटम अवस्थाओं" (quantum states) को पढ़ते हैं, जो संभावनाओं की जटिल, अदृश्य तरंगों की तरह होती हैं। हमारे संसार के डीएनए डेटा को बिना किसी जानकारी को खोए या कंप्यूटर को नुकसान पहुँचाए क्वांटम कंप्यूटर की दुनिया में लाना, एक विशाल, भारी हाथी को चाय के एक छोटे से नाजुक कप में फिट करने की कोशिश करने जैसा है, बिना चाय गिराए।

यह शोध पत्र उस "पैकिंग" को करने का एक नया, स्मार्ट तरीका प्रस्तुत करता है।

समस्या: "कप में हाथी"

आमतौर पर, क्वांटम कंप्यूटर में डेटा लोड करना एक पूरे पुस्तकालय को एक ही कमरे में ठूँसने की कोशिश करने जैसा है। यदि आप इसे एक साथ करने की कोशिश करते हैं, तो कमरा बहुत अधिक भीड़भाड़ वाला हो जाता है, दीवारें (कंप्यूटर का हार्डवेयर) हिलने लगती हैं, और डेटा खराब हो जाता है। ऐसा इसलिए है क्योंकि वर्तमान क्वांटम कंप्यूटर "शोर वाले" (noisy) होते हैं—वे आसानी से विचलित हो जाते हैं, इसलिए वे टूटने से पहले केवल सरल, छोटे निर्देशों (सर्किट) को ही संभाल सकते हैं।

समाधान: "मैट्रिक्स प्रोडक्ट स्टेट" (MPS) विधि

लेखक मैट्रिक्स प्रोडक्ट स्टेट्स (MPS) नामक एक विधि प्रस्तावित करते हैं। इसे एक पूरे हाथी को एक बार में ठूँसने के बजाय, उसे छोटे, प्रबंधनीय लेगो (Lego) ईंटों की एक श्रृंखला में सावधानीपूर्वक अलग करने के रूप में समझें।

यहाँ उनका तरीका कैसे काम करता है, एक सरल उपमा के साथ दिया गया है:

इसे तोड़ना (MPS): पूरे जीनोम को एक विशाल ब्लॉक के रूप में देखने के बजाय, यह विधि डीएनए अनुक्रम को छोटे, जुड़े हुए टुकड़ों की एक श्रृंखला में तोड़ देती है। प्रत्येक टुकड़ा अपने पड़ोसी के साथ थोड़ा उलझा (entangled) हुआ है, जैसे पेपरक्लिप की एक चेन। यह "मैट्रिक्स प्रोडक्ट स्टेट" है। यह डेटा का वर्णन करने का एक तरीका है जो स्वाभाविक रूप से क्वांटम कंप्यूटरों के अनुकूल है।
सीढ़ी बनाना (सर्किट): लेखकों ने यह पता लगाया कि एक विशिष्ट सेट के निर्देश (एक क्वांटम सर्किट) कैसे बनाए जाएं जो एक खाली स्लेट (शून्य की अवस्था) लेता है और एक-एक करके पेपरक्लिप की उस चेन को बनाता है।
- कल्पना कीजिए कि आप एक टावर बना रहे हैं। आप एक सपाट फर्श (शून्य अवस्था) से शुरू करते हैं।
- फिर आप पहली और दूसरी मंजिल को जोड़ने वाले ब्लॉकों की एक परत (गेट्स) जोड़ते हैं।
- फिर आप दूसरी और तीसरी मंजिल को जोड़ने वाली एक और परत जोड़ते हैं।
- आप तब तक चलते रहते हैं जब तक कि टावर बिल्कुल वैसा न दिखने लगे जैसा कि आप चाहा गया डीएनए अनुक्रम था।
"रिवर्स इंजीनियरिंग" का नुस्खा: इस टावर को ठीक से कैसे बनाया जाए, यह जानने के लिए लेखकों ने एक चतुर चाल का उपयोग किया। ज़मीन से ऊपर की ओर टावर बनाने का अनुमान लगाने के बजाय, उन्होंने तैयार टावर (डीएनए डेटा) के साथ शुरुआत की और पूछा, "मैं वापस एक सपाट फर्श तक पहुँचने के लिए इसे कैसे अलग कर सकता हूँ?"
- उन्होंने पहले "अलग करने" वाली पहेली को हल किया।
- फिर, उन्होंने बस निर्देशों को उल्टा (reverse) चलाया।
- यह उलटी प्रक्रिया क्वांटम कंप्यूटर पर शून्य से टावर बनाने के लिए एकदम सही रेसिपी है।

उन्होंने क्या परीक्षण किया

उन्होंने एक छोटे वायरस ΦX174 (एक बैक्टीरियोफेज) के जीनोम पर इस विधि का परीक्षण किया।

परिणाम: उन्होंने सफलतापूर्वक इस वायरस के संपूर्ण आनुवंशिक कोड को केवल 15 क्यूबिट्स (बिट्स का क्वांटम समकक्ष) का उपयोग करके एक क्वांटम अवस्था में एनकोड किया।
समझौता (Trade-off): उन्होंने पाया कि आप "पैकिंग" को अधिक सघन या अधिक ढीला बना सकते हैं।
- यदि आप एक सटीक प्रति (100% सटीकता) चाहते हैं, तो आपको निर्देशों के थोड़े अधिक जटिल सेट की आवश्यकता होगी।
- यदि आप थोड़ी सी त्रुटि के साथ सहज हैं (जैसे एक स्पष्ट फोटो के बजाय एक धुंधली फोटो), तो आप बहुत सरल, छोटे निर्देशों का उपयोग कर सकते हैं। यह महत्वपूर्ण है क्योंकि छोटे निर्देश आज के शोर वाले क्वांटम कंप्यूटरों पर टूटने की संभावना कम रखते हैं।

यह क्यों महत्वपूर्ण है (शोध पत्र के अनुसार)

शोध पत्र का दावा है कि यह विधि स्केलेबल (Scalable) है। इसका मतलब है कि यह काम करता है चाहे आप एक छोटे वायरस को एनकोड कर रहे हों या एक बड़े जीन को।

दक्षता (Efficiency): उन्होंने अपने तरीके की तुलना मानक उपकरणों (जैसे IBM का Qiskit) से की और पाया कि समान परिणाम प्राप्त करने के लिए उनके तरीके को कम चरणों (गेट्स) की आवश्यकता थी।
वास्तविक दुनिया की क्षमता: उन्होंने दिखाया कि वर्तमान या निकट भविष्य की तकनीक के साथ, जैविक डेटा, जैसे कि SARS-CoV-2 स्पाइक प्रोटीन के लिए जीन या मानव प्रतिरक्षा प्रणाली के हिस्सों को क्वांटम कंप्यूटर में एनकोड करना संभव है।
भविष्य का उपयोग: वे उल्लेख करते हैं कि एक बार डेटा को इस तरह लोड करने के बाद, इसका उपयोग क्वांटम सीक्वेंस अलाइनमेंट (QSA) जैसे विशिष्ट कार्यों के लिए किया जा सकता है। यह डीएनए अनुक्रमों की तुलना शास्त्रीय कंप्यूटरों की तुलना में बहुत तेज़ी से करने का एक तरीका है, जो यह विश्लेषण करने में एक प्रमुख कदम है कि वायरस कैसे विकसित होते हैं या लोगों के बीच जीन कैसे भिन्न होते हैं।

मुख्य निष्कर्ष

इस शोध पत्र को डिजिटल युग के लिए एक नए मूविंग कंपनी (सामान ले जाने वाली कंपनी) के रूप में समझें। पहले, अपने डीएनए डेटा को क्वांटम कंप्यूटर में ले जाना एक घर को खिड़की के माध्यम से फेंककर ले जाने जैसा था। यह नया तरीका एक विशेष ट्रक और एक चरण-दर-चरण पैकिंग गाइड (MPS सर्किट) प्रदान करता है जो आपको डेटा को सुरक्षित रूप से, कुशलता से और इस तरह से ले जाने की अनुमति देता है जो क्वांटम कंप्यूटर के "घर" के अनूठे आकार में फिट बैठता है।

उन्होंने सिद्ध कर दिया है कि यह मूविंग ट्रक छोटे घरों (वायरस) के लिए काम करता है और बड़े घरों (जीन) को संभालने के लिए तैयार है, जैसे-जैसे ट्रक (क्वांटम हार्डवेयर) बेहतर होते जा रहे हैं।

तकनीकी सारांश: मैट्रिक्स प्रोडक्ट स्टेट्स के साथ जीनोमिक डेटा को एनकोड करने के लिए स्केलेबल क्वांटम स्टेट प्रिपरेशन

समस्या विवरण
जैसे-जैसे क्वांटम हार्डवेयर उन्नत हो रहा है, क्वांटम बायोइनफॉरमैटिक्स में एक महत्वपूर्ण बाधा शास्त्रीय जीनोमिक डेटा को क्वांटम अवस्थाओं (quantum states) में कुशलतापूर्वक लोड करना है। कई आशाजनक क्वांटम एल्गोरिदम, जैसे कि क्वांटम सीक्वेंस अलाइनमेंट (QSA) और पैनजीनोम ग्राफ रिज़ॉल्यूशन के लिए क्वांटम एप्रोक्सिमेट ऑप्टिमाइजेशन एल्गोरिदम (QAOA), के लिए निष्पादन से पहले डेटा को सुपरपोजिशन अवस्थाओं में एनकोड करना आवश्यक होता है। हालाँकि, इन अवस्थाओं को तैयार करने के लिए क्वांटम सर्किट का निर्माण करना चुनौतीपूर्ण है क्योंकि हार्डवेयर नॉइज़ (noise) सर्किट की गहराई (depth) को सीमित करती है। मौजूदा विधियाँ, जैसे कि कोसाइन-साइन डीकंपोजिशन (निश्चयात्मक/deterministic) या जेनेटिक एल्गोरिदम फॉर स्टेट प्रिपरेशन (GASP, संभाव्य/probabilistic), स्केलेबिलिटी संबंधी समस्याओं या कम्प्यूटेशनल अक्षमताओं का सामना करती हैं। इसके अलावा, जबकि टेंसर नेटवर्क (विशेष रूप से मैट्रिक्स प्रोडक्ट स्टेट्स या MPS) का व्यापक रूप से क्वांटम सर्किटों के सिमुलेशन के लिए उपयोग किया जाता है, मनमाने डेटा (जैसे जीनोमिक अनुक्रमों) के MPS प्रतिनिधित्व को क्वांटम सर्किटों का उपयोग करके तैयार करने के लिए स्केलेबल विधियों का अभाव है।

कार्यप्रणाली (Methodology)
लेखक मनमाने सामान्यीकृत क्वांटम स्टेट वेक्टर्स (normalized quantum state vectors) को तैयार करने के लिए क्वांटम सर्किट उत्पन्न करने की एक स्केलेबल विधि प्रस्तावित करते हैं, जो विशेष रूप से मैट्रिक्स प्रोडक्ट स्टेट (MPS) फॉर्मलिज्म का उपयोग करके जीनोमिक डेटा के लिए अनुकूलित है।

डेटा एनकोडिंग: जीनोमिक रीड्स को क्वांटम स्टेट वेक्टर्स में मैप किया जाता है। लंबाई $L$ के एक जीनोम रीड को पोजीशन और बेस रजिस्टरों में विभाजित किया जाता है। $k$ -mer एनकोडिंग (जहाँ $k=1$ सिंगल बेस के लिए है) का उपयोग करते हुए, अवस्था को पोजीशन और न्यूक्लियोटाइड प्रकार के सुपरपोजिशन के रूप में दर्शाया जाता है। उदाहरण के लिए, बैक्टीरियोफेज $\Phi$ X174 जीनोम (5,386 बेस पेयर्स) को 15-क्विबिट अवस्था में एनकोड किया गया है।
MPS प्रतिनिधित्व: लक्षित स्टेट वेक्टर को एक लेफ्ट-कैोनिकल (left-canonical) MPS में परिवर्तित किया जाता है। इसमें स्टेट टेंसर को पुनर्गठित करने के लिए पुनरावृत्ति (iteratively) रूप से सिंगुलर वैल्यू डीकंपोजिशन (SVD) लागू करना शामिल है, जिसके परिणामस्वरूप मैट्रिसेस की एक श्रृंखला $A^{\sigma_i}$ प्राप्त होती है जहाँ आंतरिक आयाम (बॉन्ड डायमेंशन, $\chi$ ) साइटों के बीच एंटैंगलमेंट (entanglement) को दर्शाते हैं।
सर्किट निर्माण (उल्टा समस्या/Inverse Problem): शून्य अवस्था (zero state) से लक्षित अवस्था की ओर विकसित होने के बजाय, यह एल्गोरिदम उल्टा समस्या हल करता है: लक्षित अवस्था से शून्य अवस्था $|0\rangle$ $∣0 ⟩$ की ओर विकसित होना।
- MPS को बॉन्ड डायमेंशन $\chi=2$ तक ट्रंकेट (truncate) किया जाता है ताकि दो-क्विबिट यूनिटरी गेट्स ( $U_{\sigma_k, \sigma_{k-1}}$ ) की एक एकल परत और एक अंतिम सिंगल-क्विबिट गेट बनाया जा सके।
- एक पुनरावृत्ति प्रक्रिया का उपयोग किया जाता है: वर्तमान लक्षित अवस्था को $\chi=2$ तक ट्रंकेट किया जाता है, एक सर्किट $C_q$ उत्पन्न किया जाता है जो इस ट्रंकेटेड अवस्था को $|0\rangle$ में मैप करता है, और फिर मूल लक्षित अवस्था पर $C_q^\dagger$ लागू किया जाता है।
- यह प्रक्रिया यूनिटरी की परतों को संचित करते हुए तब तक दोहराई जाती है जब तक कि $|0\rangle$ और विकसित अवस्था के बीच फिडेलिटी (fidelity) एक पूर्व-निर्धारित थ्रेशोल्ड को पूरा नहीं कर लेती। अंतिम सर्किट संचित अनुक्रम का उल्टा (inverse) होता है, जो $|0\rangle$ को लक्षित अवस्था तक विकसित करता है।
ट्रांसपाइलेशन (Transpilation): चूंकि उत्पन्न सर्किट निकटतम पड़ोसी (nearest-neighbor) दो-क्विबिट गेट्स की क्रमिक परतों से बने होते हैं, इसलिए वे रैखिक (linear) हैं और जटिल क्वीबिट रूटिंग के बिना किसी भी हार्डवेयर टोपोलॉजी पर कुशलतापूर्वक ट्रांसपाइल किए जा सकते हैं।

प्रमुख योगदान

स्केलेबल सर्किट जनरेशन: यह शोध पत्र मनमाने सामान्यीकृत अवस्थाओं के लिए क्वांटम सर्किट उत्पन्न करने की एक निश्चयात्मक विधि प्रस्तुत करता है, जिसमें गेट काउंट $O(n \cdot \chi_{max}^2)$ के रूप में स्केल करता है, जहाँ $n$ क्विबिट्स की संख्या है और $\chi_{max}$ अधिकतम बॉन्ड डायमेंशन है।
जीनोमिक अनुप्रयोग: यह जीनोम अनुक्रम रीड्स को एनकोड करने के लिए विशेष रूप से MPS स्टेट प्रिपरेशन तकनीकों का पहला अनुप्रयोग है। लेखक $\Phi$ X174 जीनोम (15 क्विबिट्स) और SARS-CoV2 स्पाइक प्रोटीन जीन (14 क्विबिट्स) के एनकोडिंग का प्रदर्शन करते हैं।
ट्रेड-ऑफ विश्लेषण: अध्ययन बॉन्ड डायमेंशन, पुनर्निर्माण त्रुटि (reconstruction error) और सर्किट जटिलता के बीच के ट्रेड-ऑफ का व्यवस्थित विश्लेषण करता है। यह दर्शाता है कि $\chi=98$ (जो $\Phi$ X174 के लिए है) के साथ $10^{-6}$ की पुनर्निर्माण त्रुटि के साथ उच्च-फिडेलिटी एनकोडिंग संभव है।
हार्डवेयर सत्यापन: विधि का परीक्षण HPC क्लस्टर्स पर किया गया और IBM क्वांटम हार्डवेयर एम्युलेटर्स (8, 9, और 10 क्विबिट्स) पर सिम्युलेट किया गया, जो इस दृष्टिकोण की व्यवहार्यता की पुष्टि करता है।

परिणाम

दक्षता: MPS विधि समान एल्गोरिथमिक फिडेलिटी के लिए गेट काउंट के मामले में IBM Qiskit जैसे मानक उपकरणों से बेहतर प्रदर्शन करती है। $\Phi$ X174 जीनोम के लिए, गेट काउंट लगभग $2^n$ (जहाँ $n$ क्विबिट्स है) के रूप में स्केल करता है, लेकिन चूंकि $n \approx \log_2(L)$ है, इसलिए ऑपरेशंस जीनोम रीड की लंबाई $L$ के साथ रैखिक रूप से स्केल होते हैं।
फिडेलिटी बनाम जटिलता: सिमुलेशन दिखाते हैं कि बॉन्ड डायमेंशन को कम करने से पुनर्निर्माण त्रुटि काफी बढ़ जाती है (उदाहरण के लिए, $\Phi$ X174 के लिए बॉन्ड डायमेंशन को आधा करने से त्रुटि बढ़कर ~20% हो जाती है)। हालांकि, यह विधि ट्यूनेबल फिडेलिटी की अनुमति देती है; हार्डवेयर बाधाओं से मेल खाने के लिए विशिष्ट फिडेलिटी थ्रेशोल्ड (जैसे 75%, 90%, 99%) के लिए सर्किट बनाए जा सकते हैं।
हार्डवेयर एम्युलेटर प्रदर्शन: IBM एम्युलेटर्स पर परीक्षणों ने एल्गोरिथमिक फिडेलिटी और हार्डवेयर फिडेलिटी के बीच एक जटिल अंतर्संबंध का खुलासा किया। जबकि गेट काउंट बढ़ाने से एल्गोरिथमिक फिडेलिटी में सुधार होता है, हार्डवेयर नॉइज़ अंततः कुल फिडेलिटी को कम कर देती है। इष्टतम बिंदु वहां मौजूद है जहां सर्किट डेप्थ हार्डवेयर की नॉइज़ टॉलरेंस द्वारा समर्थित होती है।
स्केलेबिलिटी अनुमान: लेखक अनुमान लगाते हैं कि 2025 के अंत तक, वर्तमान हार्डवेयर क्षमताएं भौतिक क्वांटम कंप्यूटरों पर SARS-CoV2 स्पाइक जीन (14 क्विबिट्स) और संभावित रूप से पूर्ण $\Phi$ X174 जीनोम (15 क्विबिट्स) के एनकोडिंग और अनुक्रमण (sequencing) की अनुमति दे सकती है।

महत्व और दावे
यह शोध पत्र दावा करता है कि यह विधि "एप्लीकेशन-रेडी" क्वांटम बायोइनफॉरमैटिक्स के लिए एक व्यवहार्य और कुशल मार्ग प्रदान करती है। जीनोमिक डेटा को नियंत्रित त्रुटि और प्रबंधनीय सर्किट डेप्थ के साथ क्वांटम अवस्थाओं में लोड करने की क्षमता सक्षम करके, लेखक तर्क देते हैं कि जटिल वर्कफ़्लो जैसे कि क्वांटम सीक्वेंस अलाइनमेंट और पैनजीनोम ग्राफ टेंगल रिज़ॉल्यूशन को निकट-अवधि (near-term) क्वांटम हार्डवेयर पर लागू किया जा सकता है।

लेखक इस बात पर जोर देते हैं कि हालांकि गेट काउंट क्विबिट्स की संख्या के साथ तेजी से ( $2^n$ ) बढ़ता है, लेकिन क्विबिट्स और जीनोम लंबाई ( $n \approx \log L$ ) के बीच का लॉगरिदमिक संबंध वास्तविक जैविक डेटा आकार के साथ रैखिक स्केलिंग सुनिश्चित करता है। वे निष्कर्ष निकालते हैं कि यह दृष्टिकोण डेटा-लोडिंग की बाधा को दूर करता है, जिससे फाइलोजेनेटिक ट्री निर्माण और पैनजीनोम विश्लेषण जैसे कार्यों के लिए पूर्णतः क्वांटम बायोइनफॉरमैटिक्स पाइपलाइनों के निष्पादन को सक्षम बनाया जा सकता है, बशर्ते कि हार्डवेयर नॉइज़ स्तरों को उपयुक्त फिडेलिटी थ्रेशोल्ड के माध्यम से प्रबंधित किया जाए। यह कार्य सभी जैविक समस्याओं को तुरंत हल करने का दावा नहीं करता है, बल्कि भविष्य के इन एल्गोरिदम को सक्षम करने के लिए आवश्यक बुनियादी ढांचा स्थापित करता है।

समस्या: "कप में हाथी"

समाधान: "मैट्रिक्स प्रोडक्ट स्टेट" (MPS) विधि

उन्होंने क्या परीक्षण किया

यह क्यों महत्वपूर्ण है (शोध पत्र के अनुसार)

मुख्य निष्कर्ष

इसी तरह के और पेपर