On the convergence of the variational quantum eigensolver and quantum optimal control
यह शोध पत्र यह सिद्ध करके वेरिएशनल क्वांटम आइजनसोलवर (VQE) के लिए एक अभिसरण सिद्धांत (convergence theory) स्थापित करता है कि स्थानीय अधिरोपण (local surjectivity) और समाप्त ग्रेडिएंट डिसेंट (terminated gradient descent) की शर्तों के तहत, एल्गोरिदम लगभग निश्चित रूप से किसी हैमिल्टनियन की ग्राउंड स्टेट पर अभिसरित होता है, जबकि साथ ही विशिष्ट यूनिटरी ली उपसमूहों (unitary Lie subgroups) पर वैश्विक इष्टतम (global optima) के लिए इन गारंटियों का विस्तार भी 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 कंप्यूटिंग के उभरते हुए क्षेत्र में, वैज्ञानिक ऐसी मशीनें बना रहे हैं जो उप-परमाणु दुनिया (subatomic world) के विचित्र नियमों पर काम करती हैं ताकि उन समस्याओं को हल किया जा सके जिन्हें आज के सुपरकंप्यूटरों को सुलझाने में हजारों साल लग सकते हैं। इन मशीनों को उपयोगी बनाने का एक प्रमुख दृष्टिकोण 'वैरिएशनल क्वांटम आइजनसॉल्वर' (variational quantum eigensolver) नामक एक विधि है। इसे एक शास्त्रीय कंप्यूटर (classical computer) और एक क्वांटम कंप्यूटर के बीच की साझेदारी के रूप में समझें। शास्त्रीय कंप्यूटर एक मार्गदर्शक के रूप में कार्य करता है, जो किसी अणु या पदार्थ की सबसे कम संभव ऊर्जा अवस्था खोजने के लिए क्वांटम सर्किट की सेटिंग्स को समायोजित करता है। यह न्यूनतम ऊर्जा अवस्था, जिसे 'ग्राउंड स्टेट' (ground state) कहा जाता है, इस बात को समझने की कुंजी है कि कोई रासायनिक प्रतिक्रिया कैसे काम करती है या कोई नई दवा शरीर के साथ कैसे अंतःक्रिया कर सकती है। यह प्रक्रिया एक ऐसे हाइकर (पर्वतारोही) की तरह है जो एक विशाल, धुंधले पहाड़ी क्षेत्र में सबसे गहरी घाटी खोजने की कोशिश कर रहा है। हाइकर अपने पैरों के नीचे ढलान से निर्देशित होते हुए, नीचे की ओर छोटे कदम लेता है, इस उम्मीद में कि वह बिल्कुल तल तक पहुँच जाएगा।
वर्षों से, शोधकर्ता इस बात को लेकर चिंतित रहे हैं कि यह हाइकर किसी छोटे गड्ढे या एक झूठी घाटी में फंस सकता है जो तल जैसी दिखती तो है लेकिन वास्तव में नहीं है। ये झूठे पड़ाव, जिन्हें 'लोकल ऑप्टिमा' (local optima) कहा जाता है, एक बड़ी बाधा हैं क्योंकि इसका अर्थ है कि कंप्यूटर वास्तविक समाधान खोजने से पहले ही खोज बंद कर देता है। हालांकि कई प्रयोगों ने दिखाया है कि क्वांटम सर्किट में अधिक नॉब्स और डायल जोड़ने से मदद मिल सकती है, लेकिन इस बात का कोई कठोर प्रमाण नहीं था कि यह विधि हमेशा काम करेगी या यह इन जालों से बचने की गारंटी दे सकती है। ऐसी गारंटी के बिना, इन शक्तिशाली नए एल्गोरिदम की विश्वसनीयता अनिश्चित बनी रहती है।
शोधकर्ताओं की एक टीम ने अब एक गणितीय ढांचा विकसित किया है जो स्पष्ट रूप से समझाता है कि कब यह क्वांटम खोज सफल होने की गारंटी देती है। उन्होंने सिद्ध किया कि यदि क्वांटम सर्किट को एक विशिष्ट गुण के साथ डिजाइन किया गया है, तो खोज एल्गोरिदम लगभग निश्चित रूप से वास्तविक ग्राउंड स्टेट को खोज लेगा, न कि किसी उप-इष्टतम (suboptimal) समाधान में फंस जाएगा। इस सफलता की कुंजी एक अवधारणा है जिसे वे 'लोकल सरजेक्टिविटी' (local surjectivity) कहते हैं। सरल शब्दों में, इसका अर्थ यह है कि खोज के किसी भी बिंदु पर, सर्किट में परिणाम सुधारने के लिए आवश्यक प्रत्येक दिशा में आगे बढ़ने की क्षमता होनी चाहिए। यदि सर्किट किसी भी बिंदु पर कुछ दिशाओं के प्रति "अंधा" है, तो खोज रुक सकती है। शोधकर्ताओं ने दिखाया कि जब सर्किट सभी आवश्यक दिशाओं में स्वतंत्र रूप से घूम सकता है, तो खोज रुकने के स्थान या तो वास्तविक वैश्विक समाधान (global solution) होते हैं या एक बहुत ही विशिष्ट प्रकार के अस्थिर बिंदु होते हैं जिन्हें एल्गोरिदम स्वाभाविक रूप से टाल देता है।
टीम ने यह भी प्रदर्शित किया कि वैज्ञानिक समुदाय द्वारा वर्तमान में उपयोग किए जाने वाले कई सर्किट डिजाइन एक गंभीर दोष से ग्रस्त हैं। ये सामान्य डिजाइन, जो क्वांटम गेट्स को व्यवस्थित करने के मानक तरीकों पर निर्भर करते हैं, में ऐसे बिंदु होते हैं जहाँ सर्किट सभी दिशाओं में चलने की अपनी क्षमता खो देता है। शोधकर्ताओं ने इन्हें 'सिंगुलर पॉइंट्स' (singular points) के रूप में पहचाना, जहाँ अनुकूलन प्रक्रिया (optimization routine) स्थायी रूप से फंस सकती है, ठीक वैसे ही जैसे एक यांत्रिक जोड़ (mechanical joint) एक निश्चित स्थिति में संरेखित होने पर लॉक हो जाता है। उन्होंने दिखाया कि मौजूदा डिजाइनों में केवल अधिक पैरामीटर जोड़ने से भी यह समस्या हल नहीं होती है; संरचनात्मक कमजोरी बनी रहती है चाहे सर्किट का कितना भी विस्तार क्यों न किया जाए।
इसे हल करने के लिए, लेखकों ने नए प्रकार के क्वांटम सर्किटों का निर्माण किया है जो गणितीय रूप से इन मृत अंतों (dead ends) से बचने की गारंटी देते हैं। उन्होंने दो विशिष्ट डिजाइन प्रस्तावित किए: एक जो पूर्ण गति क्षमता सुनिश्चित करने के लिए दो अलग-अलग सर्किट संरचनाओं को जोड़ता है, और दूसरा जो कम घटकों के साथ उसी लक्ष्य को प्राप्त करने के लिए एक अलग गणितीय रूपांतरण का उपयोग करता है। ये नए डिजाइन यह सुनिश्चित करते हैं कि 'ग्रेडिएंट डिसेंट' (gradient descent) एल्गोरिदम, जो खोज को संचालित करता है, कभी भी ऐसे बिंदु का सामना नहीं करता जहाँ वह आगे का रास्ता देखने में असमर्थ हो। शोधकर्ताओं ने 'एल्गोरिदम के अनंत की ओर भाग जाने' के मुद्दे को भी संबोधित किया, जो एक ऐसी स्थिति है जहाँ खोज पैरामीटर एक समाधान पर स्थिर होने के बजाय असीमित रूप से बढ़ते जाते हैं। उन्होंने चर्चा की कि खोज प्रक्रिया में एक छोटा सा दंड (penalty) जोड़ने से पैरामीटर नियंत्रण में रहते हैं, जिससे यह सुनिश्चित होता है कि एल्गोरिदम एक वैध उत्तर के साथ समाप्त हो।
यह कार्य यह दावा नहीं करता है कि इसने क्वांटम कंप्यूटिंग की हर समस्या को हल कर लिया है, न ही यह सुझाव देता है कि ये नए सर्किट तुरंत हर हार्डवेयर प्लेटफॉर्म के लिए तैयार हैं। इन विशिष्ट गणितीय संरचनाओं को लागू करने के लिए आवश्यक हार्डवेयर अभी भी विकसित किया जा रहा है। हालाँकि, यह अध्ययन क्वांटम सर्किट डिजाइन करने के लिए स्पष्ट नियमों का एक सेट प्रदान करता है जो सैद्धांतिक रूप से सर्वोत्तम समाधान खोजने की गारंटी देते हैं। यह ध्यान को इस बात से हटाकर कि एक रैंडम डिजाइन काम करेगा, इस ओर ले जाता है कि ऐसे सर्किट इंजीनियर किए जाएं जो फंसने के विरुद्ध गणितीय रूप से सुदृढ़ हों। खोज के परिदृश्य को झूठी घाटियों से मुक्त बनाया जा सकता है, यह सिद्ध करके, शोधकर्ताओं ने अधिक विश्वसनीय और प्रभावी क्वांटम एल्गोरिदम बनाने के लिए एक रोडमैप प्रदान किया है, जो क्वांटम लाभ (quantum advantage) के वादे को वास्तविकता के एक कदम और करीब ले जाता 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।