Enhanced measurements on quantum computers via the simultaneous probing of non-commuting Pauli operators
यह शोध पत्र बेयसियन सांख्यिकी (Bayesian statistics) और अनुकूली शॉट आवंटन (adaptive shot allocation) का उपयोग करके गैर-विनिमेय पाउली ऑपरेटरों (non-commuting Pauli operators) को एक साथ जांचने के लिए दो-प्रति मापन योजना (two-copy measurement scheme) के पहले प्रयोगात्मक कार्यान्वयन को प्रस्तुत करता है, जो अंतर्निहित विचरण ओवरहेड्स (inherent variance overheads) के बावजूद उच्च-परिशुद्धता अनुमान के लिए कुल मापन शॉट्स को न्यूनतम करने में अत्याधुनिक प्रोटोकॉल से बेहतर प्रदर्शन करने की अपनी क्षमता को प्रदर्शित करता 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
क्वांटम कंप्यूटर उन समस्याओं को हल करने का वादा करते हैं जो आज की मशीनों के लिए असंभव हैं, जैसे कि नई दवाओं को डिजाइन करने से लेकर जटिल सामग्रियों का मॉडल बनाने तक। हालाँकि, ये मशीनें अत्यधिक नाजुक और पढ़ने में कठिन होती हैं। एक क्वांटम कंप्यूटर क्या कर रहा है, यह समझने के लिए वैज्ञानिकों को इसकी अवस्था (स्टेट) को मापना होता है, लेकिन यह प्रक्रिया कठिनाइयों से भरी है। जिस जानकारी की उन्हें तलाश है, वह अक्सर छोटे, परस्पर क्रिया करने वाले हिस्सों के संग्रह में कूटबद्ध होती है जो आपस में सुचारू रूप से काम नहीं करते; एक हिस्से को मापने से दूसरे हिस्से बाधित हो सकते हैं, और कई गुण जिन्हें उन्हें जांचने की आवश्यकता है, उन्हें एक ही समय में नहीं देखा जा सकता है। यह एक बाधा उत्पन्न करता है: सिस्टम की स्पष्ट तस्वीर पाने के लिए, शोधकर्ताओं को अपने मापन को हजारों या लाखों बार दोहराना पड़ता है, एक ऐसी प्रक्रिया जो कीमती समय और संसाधनों का उपभोग करती है। मुख्य चुनौती यह है कि इन महंगी मापों की न्यूनतम संख्या का उपयोग करते हुए सबसे सटीक जानकारी कैसे प्राप्त की जाए।
शोधकर्ताओं की एक टीम ने इस समस्या से निपटने के लिए एक नई रणनीति विकसित की है, जो उनके द्वारा एकत्र किए गए डेटा को देखने के तरीके को बदल देती है। क्वांटमान अवस्था को केवल एक बार मापने और सबसे अच्छे परिणाम की उम्मीद करने के बजाय, उनकी विधि में एक ही समय में अवस्था की दो समान प्रतियां तैयार करना शामिल है। इन जुड़वां प्रतियों की एक साथ जांच करके, शोधकर्ता सिस्टम के गुणों के बारे में जानकारी निकालने में सक्षम होते हैं जो पहले असंभव था। उन्होंने पाया कि यह "डबल" दृष्टिकोण उन्हें किसी गुण के औसत मान को निर्धारित करने और, महत्वपूर्ण रूप से, वास्तविक समय में उस माप की अनिश्चितता (अनसर्टेन्टी) की गणना करने की अनुमति देता है। त्रुटि का यह वास्तविक समय का ज्ञान उनके सिस्टम को यह तय करने में सक्षम बनाता है कि वह अपना प्रयास कहाँ खर्च करे। यह तुरंत पहचान सकता है कि सिस्टम के कौन से हिस्से अभी भी अनिश्चित हैं और अपने अगले मापन को वहीं केंद्रित कर सकता है, बजाय इसके कि उन हिस्सों पर संसाधन बर्बाद करे जो पहले से ही अच्छी तरह से समझे जा चुके हैं।
शोधकर्ताओं ने एक क्वांटम एल्गोरिदम के कंप्यूटर सिमुलेशन का उपयोग करके इस विचार का परीक्षण किया, जिसमें उन्होंने अपने नए तरीके की तुलना मौजूदा सर्वोत्तम तकनीकों से की। उन्होंने दो प्रकार के सिस्टमों पर ध्यान केंद्रित किया: ग्रिड में व्यवस्थित परमाणु स्पिन (न्यूक्लियर स्पिन) का एक मॉडल और एक हाइड्रोजन अणु का सिमुलेशन। इन सिमुलेशनों में, जिन क्वांटम गुणों को उन्हें मापने की आवश्यकता थी, वे अक्सर एक-दूसरे के विपरीत थे, जिसका अर्थ है कि उन्हें पारंपरिक तरीके से एक साथ नहीं मापा जा सकता था। टीम के नए प्रोटोकॉल ने, जिसे वे 'डबल स्कीम' कहते हैं, इन कठिन परिदृश्यों में काफी अधिक दक्षता प्रदर्शित की। जब गुण अत्यधिक गैर-क्रमविनिमेय (नॉन-कम्यूटिंग) थे—यानी वे एक साथ मापे जाने का विरोध कर रहे थे—तो नए तरीके को पुराने तरीकों की तुलना में समान स्तर की सटीकता प्राप्त करने के लिए बहुत कम कुल मापों की आवश्यकता पड़ी। कुछ मामलों में, इसने आवश्यक मापों की संख्या को दो गुने या उससे अधिक के कारक से कम कर दिया, जो क्वांटम कंप्यूटिंग की दुनिया में एक बड़ी बचत है जहाँ हर मापन मायने रखता है।
इस दृष्टिकोण की सफलता एक चतुर फीडबैक लूप पर निर्भर करती है। एल्गोरिदम निरंतर प्रत्येक मापन के परिणामों के आधार पर सिस्टम की अपनी समझ को अपडेट करता है। यह एक सांख्यिकीय विधि का उपयोग करता है जो भविष्यवाणी करती है कि कौन सा मापन समग्र अनिश्चितता को सबसे अधिक कम करेगा। यदि सिस्टम किसी गुण के "चिह्न" (साइन) के बारे में अनिश्चित है (कि वह सकारात्मक है या नकारात्मक), तो एल्गोरिदम जानता है कि उस गुण को अकेले मापना है। यदि वह परिमाण (मैग्निट्यूड) के बारे में अनिश्चित है (कि गुण कितना मजबूत है), तो वह आकार की स्पष्ट तस्वीर पाने के लिए बिना चिह्न जाने भी 'डबल स्कीम' का उपयोग कर सकता है। यह अनुकूलन योग्य (एडेप्टिव) रणनीति सुनिश्चित करती है कि कंप्यूटर केवल अंधे होकर मापन नहीं दोहराता; यह चलते-चलते सीखता है, और सबसे अनिश्चित हिस्सों को प्राथमिकता देता है। शोधकर्ताओं ने पुष्टि की कि उनके त्रुटि अनुमान सांख्यिकीय रूप से सुदृढ़ थे, जिसका अर्थ है कि उनके द्वारा गणना की गई अनिश्चितता परिणामों में वास्तविक भिन्नता से मेल खाती थी, जिससे उन्हें अपनी प्रगति का एक विश्वसनीय पैमाना मिला।
यद्यपि 'डबल स्कीम' एक शक्तिशाली उपकरण है, शोधकर्ताओं ने उल्लेख किया कि यह हर स्थिति के लिए रामबाण नहीं है। इस विधि के लिए अधिक भौतिक संसाधनों की आवश्यकता होती है, विशेष रूप से अवस्था की दो प्रतियां रखने के लिए दोगुने क्यूबिट्स की, और यह तब सबसे प्रभावी होती है जब मापे जाने वाले गुण एक साथ समूह बनाने में कठिन होते हैं। उन मामलों में जहाँ गुण पहले से ही एक साथ मापने में आसान हैं, डबल स्कीम की अतिरिक्त लागत सार्थक नहीं हो सकती है। हालाँकि, उन जटिल समस्याओं के लिए जिन्हें क्वांटम कंप्यूटर हल करने के लिए डिज़ाइन किए गए हैं, जहाँ कई गुण आपस में जुड़े हुए और गैर-क्रमविनिमेय हैं, यह नया तरीका एक स्पष्ट मार्ग प्रदान करता है। यह सुझाव देता है कि अवस्था की कई प्रतियों का उपयोग करके और चलते-मार्ग पर मापन रणनीति को अनुकूलित करके, वैज्ञानिक कम प्रयास के साथ अधिक जानकारी निकाल सकते हैं, जिससे क्वांटम कंप्यूटरों की व्यावहारिक उपयोगिता वास्तविकता के एक कदम और करीब आ जाती है।
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।