⚛️ quantum physics

Separate and efficient characterization of state-preparation and measurement errors using single-qubit operations

यह शोध पत्र एक सर्किट-डेप्थ-स्वतंत्र प्रोटोकॉल प्रस्तुत करता है जो केवल सिंगल-क्विबिट ऑपरेशन्स का उपयोग करके स्टेट-प्रिपरेशन और मेजरमेंट एरर्स को कुशलतापूर्वक अलग और अभिलक्षणिक (characterize) करता है, जो IBM क्वांटम डिवाइसेस पर इसके अनुप्रयोग को प्रदर्शित करता है और यह रेखांकित करता है कि स्टेट-प्रिपरेशन एरर्स की उपेक्षा करने पर मेजरमेंट-एरर मिटिगेशन में किस प्रकार का बायस उत्पन्न होता है।

मूल लेखक: Muhammad Qasim Khan, Leigh M. Norris, Lorenza Viola

प्रकाशित 2026-06-02

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Muhammad Qasim Khan, Leigh M. Norris, Lorenza Viola

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 नन्हे, चमकते हुए जुगनू की एक बेहतरीन तस्वीर लेने की कोशिश कर रहे हैं। एक अच्छी तस्वीर पाने के लिए, आपको दो चीजों को पूरी तरह से सही करने की आवश्यकता है:

दृश्य तैयार करना (स्टेट प्रिपरेशन): आपको जुगनू को धीरे से पकड़ना होगा और उसे ठीक उसी जगह रखना होगा जहाँ आप उसे चाहते हैं।
फोटो लेना (मेजरमेंट): आपको अपने कैमरे से तस्वीर को बिना धुंधलेपन या जुगनू की गलत पहचान किए सटीक रूप से खींचना होगा।

क्वांटम कंप्यूटरों की दुनिया में, वैज्ञानिक इसी तरह की समस्या का सामना करते हैं। जटिल गणित करने से पहले, उन्हें "दृश्य सेट करना" (एक विशिष्ट अवस्था में क्वांटम बिट, या qubit, को तैयार करना) और फिर "फोटो लेना" (परिणाम को मापना) पड़ता है।

खान, नॉरिस और विओला का पेपर एक बड़ी सिरदर्दी को दूर करता है: हमें कैसे पता चलेगा कि गलती दृश्य तैयार करने में हुई, या फोटो लेने में?

समस्या: "दोष मढ़ने का खेल" (The Blame Game)

कई क्वांटम कंप्यूटरों में, प्रयोग को सेट करने (स्टेट प्रिपरेशन) और परिणाम को पढ़ने (मेजरमेंट) से होने वाली त्रुटियों को अक्सर एक साथ मिला दिया जाता है। यह एक धुंधली तस्वीर देखने जैसा है जहाँ आप यह नहीं बता सकते कि कैमरा फोकस से बाहर था या बटन दबाने के समय जुगनू हिल रहा था।

आमतौर पर, वैज्ञानिक मान लेते हैं कि सेटअप एकदम सही है और सारा दोष कैमरे पर मढ़ देते हैं। लेकिन यह पेपर तर्क देता है: "ठहरिए जरा, सेटअप भी गड़बड़ हो सकता है!" यदि आप सेटअप को ठीक नहीं करते हैं, तो कैमरे को ठीक करने की कोशिश करने से आपको सही तस्वीर नहीं मिलेगी।

समाधान: "नो-रीसेट" ट्रिक (The "No-Reset" Trick)

लेखकों ने एक चतुर नई विधि बनाई है जिसे QSPAM (क्वांटम स्टेट-प्रिपरेशन एंड मेजरमेंट कैरेक्टराइजेशन) कहा जाता है।

यहाँ इसका काम करने का सरल रूपक (analogy) दिया गया है:
कल्पना कीजिए कि आपके पास एक बहुत तेज़, उच्च गुणवत्ता वाला कैमरा है जो तुरंत तस्वीरें ले सकता है।

पुराना तरीका: आप जुगनू को सेट करते हैं, एक तस्वीर लेते हैं, कैमरे को रीसेट करते हैं, फिर से जुगनू को सेट करते हैं, और एक और तस्वीर लेते हैं। आप यह नहीं बता सकते कि सेटअप के बीच में जुगनू हिला या कैमरा खराब है।
नया तरीका (QSPAM): आप जुगनू को सेट करते हैं। आप एक तस्वीर लेते हैं। महत्वपूर्ण बात यह है कि आप दृश्य को रीसेट नहीं करते हैं। आप तुरंत उसी जुगनू की, उसी जगह पर, एक दूसरी तस्वीर लेते हैं।

चूंकि जुगनू हिला नहीं है (कोई रीसेट नहीं), इसलिए पहली और दूसरी तस्वीर के बीच का कोई भी अंतर आपको ठीक-ठीक बताता है कि कैमरा क्या कर रहा है। यदि पहली तस्वीर अजीब थी लेकिन दूसरी एक समान है, तो आप जानते हैं कि समस्या सेटअप की थी। यदि दोनों एक ही तरह से अजीब हैं, तो आप जानते हैं कि अपराधी कैमरा है।

केवल सिंगल-क्यूबिट ऑपरेशंस (एक समय में एक बिट पर सरल हलचल) का उपयोग करके इस "डबल-टेक" ट्रिक के माध्यम से, वे जटिल, धीमी या महंगी अतिरिक्त मशीनों की आवश्यकता के बिना "सेटअप त्रुटियों" को "कैमरा त्रुटियों" से गणितीय रूप से अलग कर सकते हैं।

उन्होंने क्या पाया

टीम ने वास्तविक IBM क्वांटम कंप्यूटरों (विशेष रूप से ibm brisbane और ibm sherbrooke उपकरणों) पर इसका परीक्षण किया।

सेटअप गड़बड़ है: उन्होंने पाया कि "सेटअप" की त्रुटियां आश्चर्यजनक रूप से बड़ी थीं। कुछ मामलों में, प्रारंभिक अवस्था लगभग 7% तक गलत थी।
कैमरा भी दोषपूर्ण है: "रीडआउट" त्रुटियां (कैमरा) और भी बदतर थीं, कुछ मामलों में 19% तक की गलतियाँ देखी गईं।
"डायगोनल" धारणा: उन्होंने जांचा कि क्या कैमरा त्रुटियां सरल (केवल "0" और "1" को आपस में बदलना) थीं या जटिल (अजीब क्वांटम भूत बनाना)। अधिकांश क्यूबिट्स के लिए, त्रुटियां सरल थीं, लेकिन कुछ के लिए, कैमरा कुछ अधिक जटिल काम कर रहा था।

यह क्यों महत्वपूर्ण है: "अति-आत्मविश्वासी" गलती

यह पेपर वर्तमान क्वांटम कंप्यूटिंग में एक खतरनाक जाल दिखाता है। यदि आप केवल कैमरे (मेजरमेंट) को ठीक करने की कोशिश करते हैं लेकिन गड़बड़ सेटअप (स्टेट प्रिपरेशन) को नजरअंदाज कर देते हैं, तो आपका अंतिम उत्तर एक बहुत ही विशिष्ट तरीके से गलत हो सकता है: यह बहुत आशावादी (optimistic) हो सकता है।

रूपक (Analogy):
कल्पना कीजिए कि आप लोगों के एक समूह की औसत ऊंचाई का अनुमान लगाने की कोशिश कर रहे हैं।

सेटअप त्रुटि: आपने मापने से पहले गलती से सभी के सिर पर टोपी पहना दी (जिससे वे लंबे दिखने लगे)।
मेजरमेंट त्रुटि: आपका पैमाना (रूलर) थोड़ा खिंचा हुआ है (जिससे वे छोटे दिखने लगे)।

यदि आप केवल पैमाने को ठीक करते हैं लेकिन टोपी उतारना भूल जाते हैं, तो आपका अंतिम औसत अभी भी बहुत अधिक होगा। क्वांटम कंप्यूटिंग में, यह "बहुत अधिक" का अनुमान कभी-कभी ऐसे नंबर दे सकता है जो भौतिक रूप से असंभव हैं (जैसे 120% की संभावना), जो सिमुलेशन को तोड़ देता है।

निष्कर्ष (The Takeaway)

यह पेपर एक सरल, कुशल "डबल-टेक" प्रोटोकॉल प्रदान करता है जो वैज्ञानिकों को निम्नलिखित अनुमति देता है:

प्रयोग को सेट करने की त्रुटियों और परिणाम को पढ़ने की त्रुटियों को अलग करना।
दोनों त्रुटियों को स्वतंत्र रूप से ठीक करना।
अपनी गणनाओं में नकली, अत्यधिक आशावादी परिणाम प्राप्त करने से बचना।

उन्होंने सिद्ध किया कि वास्तविक IBM क्वांटम कंप्यूटरों पर इस विधि का उपयोग करके, वे मशीन वास्तव में क्या कर रही है उसकी बहुत अधिक सच्ची तस्वीर प्राप्त कर सकते हैं, जो भविष्य में विश्वसनीय क्वांटम कंप्यूटर बनाने के लिए आवश्यक है।

तकनीकी सारांश: सिंगल-क्यूबिट ऑपरेशन्स का उपयोग करके स्टेट-प्रिपरेशन और मेजरमेंट एरर्स का पृथक और कुशल लक्षण वर्णन

समस्या विवरण
वर्तमान क्वांटम कंप्यूटिंग प्लेटफॉर्म में, त्रुटियाँ जो स्टेट-प्रिपरेशन और मेजरमेंट (SPAM) से उत्पन्न होती हैं, अक्सर सिंगल-क्यूबिट गेट एरर्स पर हावी रहती हैं। हालांकि सर्किट-लेवल शोर को चरित्रित करने या मेजरमेंट एरर्स को कम करने के लिए विभिन्न प्रोटोकॉल मौजूद हैं, वे अक्सर स्टेट-प्रिपरेशन (SP) और मेजरमेंट (M) एरर्स के बीच स्पष्ट रूप से अंतर करने में विफल रहते हैं। मानक दृष्टिकोण अक्सर यह मान लेते हैं कि SP एरर्स नगण्य हैं, जिससे महत्वपूर्ण SP एरर्स की स्थिति में अवलोकनीय एक्सपेक्टेशन वैल्यूज़ (observable expectation values) के पक्षपाती अनुमानों (biased estimates) का जन्म होता है। पृथक लक्षण वर्णन के लिए मौजूदा प्रोटोकॉल अक्सर टू-क्यूबिट गेट्स पर निर्भर करते हैं (जो टू-क्यूबिट फिडेलिटी तक सटीकता को सीमित करते हैं), सहायक क्यूबिट्स (ancillary qubits) की आवश्यकता होती है, या सिस्टम साइज के साथ पॉलिनॉमियल रूप से स्केल करते हैं, जिससे वे संसाधन-गहन और पर्यावरणीय शोर के प्रति संवेदनशील हो जाते हैं।

कार्यप्रणाली: QSPAM प्रोटोकॉल
लेखक QSPAM (क्वांटमेंट SPAM) प्रोटोकॉल प्रस्तावित करते हैं, जो केवल उच्च-फिडेलिटी सिंगल-क्यूबिट गेट्स और बिना रिसेट के बार-बार सिंगल-क्यूबिट मेजरमेंट्स का उपयोग करके SP और M एरर पैरामीटर्स के पृथक, समानांतर लक्षण वर्णन को सक्षम बनाता है। प्रोटोकॉल निम्नलिखित प्रमुख धारणाओं और तंत्रों पर आधारित है:

नॉन-डिस्ट्रक्टिव मेजरमेंट्स: प्रोटोकॉल यह मानता है कि मेजरमेंट्स नॉन-डिस्ट्रक्टिव हैं और M एरर्स स्थानिक और कालिक रूप से असंबद्ध (uncorrelated) और क्लासिकल (डायगोनल POVM एलिमेंट्स) हैं।
पुनरावृत्त मेजरमेंट्स (Repeated Measurements): मुख्य नवाचार बिना रिसेट किए एक ही क्यूबिट को कई बार मापना है। यह अनुक्रमिक परिणामों (sequential outcomes) की कंडीशनल प्रोबेबिलिटीज का विश्लेषण करके SP और M योगदानों के बीच अंतर करने की अनुमति देता है।
दो वेरिएंट्स:
1. sQSPAM (सरलीकृत QSPAM): यह मानता है कि मेजरमेंट (क्रौस/Kraus) ऑपरेटर्स डायगोनल हैं। इसके लिए प्रति क्यूबिट पांच प्रयोगों की आवश्यकता होती है ( $|z+\rangle, |z-\rangle, |x+\rangle, |y+\rangle$ तैयार करना और एक डबल-मेजरमेंट सीक्वेंस) ताकि पैरामीटर्स $\{\alpha_M, \delta, \alpha^x_{SP}, \alpha^y_{SP}, \alpha^z_{SP}\}$ को हल किया जा सके।
2. QSPAM (सामान्य): यह नॉन-डायगोनल मेजरमेंट ऑपरेटर्स (क्रौस ऑपरेटर्स में ऑफ-डायगोनल एलिमेंट्स) को ध्यान में रखता है। इसमें फेज डिपेंडेंसी को हटाने के लिए फिड्यूशियल स्टेट पर $z$ -रोटेशन के साथ आठ प्रयोगों की आवश्यकता होती है, जिससे $\epsilon$ नामक एक अतिरिक्त पैरामीटर का अनुमान लगाया जा सके जो डायगोनल फॉर्म से विचलन को दर्शाता है।
स्केलेबिलिटी: सर्किट डेप्थ सिस्टम साइज से स्वतंत्र है, और प्रोटोकॉल को कई क्यूबिट्स के लिए समानांतर निष्पादन (parallel execution) के लिए डिज़ाइन किया गया है।

प्रमुख योगदान

पृथक लक्षण वर्णन: शोध पत्र प्रदर्शित करता है कि अनुक्रमिक मेजरमेंट प्रोबेबिलिटीज से प्राप्त नॉन-लीनियर समीकरणों के सिस्टम का उपयोग करके SP और M एरर पैरामीटर्स को विशिष्ट रूप से हल किया जा सकता है, बिना यह माने कि SP एरर्स नगण्य हैं।
संसाधन दक्षता: टू-क्यूबिट गेट्स और एंसिलिया (ancillae) से बचकर, प्रोटोकॉल क्यूबिट्स की संख्या के बावजूद एक स्थिर सर्किट डेप्थ प्राप्त करता है, जिससे यह अत्यधिक स्केलेबल और समानांतर करने योग्य बन जाता है।
बायस करेक्शन (Bias Correction): लेखक सैद्धांतिक और संख्यात्मक रूप से प्रदर्शित करते हैं कि मानक मिटिगेशन तकनीकें, जो SP और M एरर्स को मिला देती हैं (यह मानते हुए कि $\alpha^z_{SP} \approx 1$ ), अवलोकनीय एक्सपेक्टेशन वैल्यूज़ के पक्षपाती अनुमानों की ओर ले जाती हैं। QSP-AM प्रोटोकॉल इस बायस को ठीक करने के लिए आवश्यक पैरामीटर्स प्रदान करता है।
SP एरर मिटिगेशन: पेपर दोषपूर्ण प्रारंभिक अवस्था के ब्लॉक्स वेक्टर (Bloch vector) के आधार पर सुधारात्मक रोटेशन लागू करके SP एरर्स को कम करने की विधि का रूपरेखा प्रस्तुत करता है, जिसमें नेटिव सिंगल-क्यूबिड गेट्स (जैसे $X, R_z, SX$ ) का उपयोग किया जाता है।

प्रायोगिक परिणाम और सत्यापन
प्रोटोकॉल को IBM क्वांटम प्लेटफॉर्म डिवाइसेस (विशेष रूप से ibm_brisbane और ibm_sherbrooke) पर लागू किया गया:

सेपरेशन का सत्यापन: विशिष्ट क्यूबिट्स के इनिशियलाइजेशन में SP एरर्स ( $R_x(\phi)$ रोटेशन के माध्यम से) को कृत्रिम रूप से इंजेक्ट करके, लेखकों ने दिखाया कि चरित्रित M-एरर पैरामीटर ( $\hat{\alpha}_M$ ) स्थिर रहा जबकि SP पैरामीटर ( $\hat{\alpha}^z_{SP}$ ) अनुमानित रूप से बदलता रहा, जो दोनों त्रुटि स्रोतों को अलग करने की प्रोटोकॉल की क्षमता की पुष्टि करता है।
डिवाइस लक्षण वर्णन: कई क्यूबिट्स के समानांतर लक्षण वर्णन से महत्वपूर्ण SP इन्फिडेलिटी (6.57% तक) और रीडआउट असाइनमेंट एरर्स (19.1% तक) का पता चला। अध्ययन ने यह भी पहचाना कि जबकि अधिकांश क्यूबिट्स ने डायगोनल मेजरमेंट ऑपरेटर्स दिखाए, कुछ (जैसे क्यूबिट 61) ने गैर-नगण्य ऑफ-डायगोनल घटक दिखाए, जो सामान्य QSPAM प्रोटोकॉल की आवश्यकता को प्रमाणित करता है।
GHZ स्टेट सिमुलेशन और प्रयोग: लेखकों ने सामूहिक ऑब्जर्वेबल $\langle Z^{\otimes N} \rangle$ $⟨ Z^{\otimes N} ⟩$ को मापने के लिए GHZ स्टेट्स को सिम्युलेट और प्रयोगात्मक रूप से तैयार किया:
- सिमुलेशन: परिणाम दर्शाते हैं कि मानक SPAM मिटिगेशन (परफेक्ट SP मानते हुए) ने जैसे-जैसे क्यूबिट्स की संख्या ( $N$ ) और SP एरर का परिमाण बढ़ा, एक्सपेक्टेशन वैल्यू को काफी अधिक अनुमानित (overestimate) किया। QSPAM-आधारित मिटिगेशन सटीक अनुमान प्रदान करता है।
- वास्तविक डिवाइस: ibm_sherbrooke पर प्रयोगों ने पुष्टि की कि परफेक्ट SP मान लेना ऑब्जर्वेबल के ओवरएस्टिमेशन की ओर ले जाता है। हालांकि, बड़े सिस्टम साइज ( $N \ge 10$ ) के लिए, गेट और एनवायरनमेंटल नॉइज़ के कारण एक्सपेक्टेशन वैल्यू तेजी से घटते हैं, जो उस विशिष्ट शासन (regime) में मिटिगेशन रणनीतियों की प्रभावशीलता को सीमित करता है।

महत्व और दावे
पेपर का दावा है कि QSPAM, SP और M एरर्स के स्वतंत्र लक्षण वर्णन के लिए एक संसाधन-कुशल, स्केलेबल समाधान प्रदान करता है, जो वर्तमान क्वांटम लक्षण वर्णन विधियों के एक महत्वपूर्ण अंतराल को संबोधित करता है। सटीक, अलग-अलग एरर पैरामीटर्स प्रदान करके, प्रोटोकॉल अधिक प्रभावी एरर मिटिगेशन को सक्षम बनाता है, जो उस पक्षपाती अनुमान को रोकता है जो SP एरर्स को अनदेखा करने से उत्पन्न होता है। लेखक इस बात पर जोर देते हैं कि यह विशेष रूप से NISQ-युग और शुरुआती फॉल्ट-टोलरेंट डिवाइसेस के लिए महत्वपूर्ण है जहाँ SP एरर्स नगण्य नहीं होते हैं। वे नोट करते हैं कि हालांकि उनकी धारणाएं (अनकोरिलेटेड एरर्स, डायगोनल POVMs) मानक अनुमान हैं, प्रोटोकॉल में इन विचलन का पता लगाने के लिए तंत्र ( $\epsilon$ पैरामीटर के माध्यम से) शामिल है, और भविष्य के कार्य इन विधियों को कोरिलेटेड रीडआउट एरर्स तक विस्तारित कर सकते हैं। लक्षण वर्णन की सटीकता केवल प्रायोगिक शॉट्स की संख्या द्वारा सीमित है, जो $\nu^{-1/2}$ के रूप में स्केल करती है।

समस्या: "दोष मढ़ने का खेल" (The Blame Game)

समाधान: "नो-रीसेट" ट्रिक (The "No-Reset" Trick)

उन्होंने क्या पाया

यह क्यों महत्वपूर्ण है: "अति-आत्मविश्वासी" गलती

निष्कर्ष (The Takeaway)

इसी तरह के और पेपर