⚛️ quantum physics

Utility-Scale Quantum State Preparation: Classical Training using Pauli Path Simulation

यह शोध पत्र बड़े पैमाने के क्वांटम मेनी-बॉडी हैमिल्टोनियन के ग्राउंड स्टेट्स तैयार करने के लिए पैरामीटराइज्ड सर्किट्स को क्लासिकली ट्रेन करने हेतु पॉली पाथ सिमुलेशन के उपयोग को प्रदर्शित करता है, जो इन अवस्थाओं को क्लासिकल बेंचमार्क्स के विरुद्ध सफलतापूर्वक मान्य करता है और कम ऊर्जा त्रुटियों को प्राप्त करने तथा एनीऑन ब्रेडिंगिंग को प्रदर्शित करने के लिए क्वांटिनम के H2 क्वांटम कंप्यूटर पर उन्हें प्रयोगात्मक रूप से साकार करता है।

मूल लेखक: Cheng-Ju Lin, Hrant Gharibyan, Vincent P. Su

प्रकाशित 2026-03-11

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Cheng-Ju Lin, Hrant Gharibyan, Vincent P. Su

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 कोहरे से घिरे एक विशाल पर्वतीय क्षेत्र में सबसे निचले बिंदु को खोजने की कोशिश कर रहे हैं। यह पर्वत एक जटिल क्वांटम सिस्टम (जैसे परस्पर क्रिया करने वाले परमाणुओं का संग्रह) का प्रतिनिधित्व करता है और सबसे निचला बिंदु इसका "ग्राउंड स्टेट" (ground state) है—जो सबसे स्थिर और ऊर्जा-कुशल विन्यास है।

क्वांटम कंप्यूटिंग की दुनिया में, इस सबसे निचले बिंदु को खोजना सामग्री विज्ञान, रसायन विज्ञान और भौतिकी जैसी समस्याओं को हल करने के लिए अत्यंत महत्वपूर्ण है। हालाँकि, पर्वत इतना विशाल है और कोहरा इतना घना है कि मानक मानचित्र (क्लासिकल कंप्यूटर) पूरी तस्वीर नहीं देख सकते, और ऊबड़-खाबड़ इलाका हाइकर्स (क्वांटम कंप्यूटर) के लिए नेविगेट करना कठिन बना देता है क्योंकि वे रास्ता भटक सकते हैं या थक सकते हैं।

यह शोध पत्र इस समस्या को हल करने के लिए एक चतुर नई रणनीति पेश करता है, जो क्लासिकल सुपरकंप्यूटरों और शोर वाले (noisy) क्वांटम मशीनों के बीच एक सेतु का काम करती है। यहाँ सरल उपमाओं का उपयोग करके इसका विवरण दिया गया है:

1. समस्या: "कोहरे वाला पर्वत"

चुनौती: 100+ परमाणुओं (qubits) वाले क्वांटम सिस्टम का अनुकरण (simulate) करने के लिए, आपको संभावनाओं की एक खगोलीय संख्या को ट्रैक करने की आवश्यकता होती है। यह आंखों पर पट्टी बांधकर समुद्र तट पर रेत के हर एक कण को गिनने की कोशिश करने जैसा है।
सीमाएं:
- क्लासिकल कंप्यूटर: वे पूरे पर्वत का एक साथ अनुकरण करने के लिए बहुत धीमे हैं। उनकी मेमोरी खत्म हो जाती है।
- क्वांटम कंप्यूटर: वे तेज़ हैं, लेकिन वर्तमान में "शोर वाले" (noisy) हैं। यह बर्फीले तूफान में हाइकिंग करने जैसा है; हवा (शोर) आपको रास्ते से भटका देती है, जिससे वास्तविक तल तक पहुँचना कठिन हो जाता है।

2. समाधान: "पॉली पाथ सिमुलेशन" (Pauli Path Simulation - एक स्मार्ट GPS)

लेखकों ने पॉली पाथ सिमुलेशन (PPS) नामक एक विधि विकसित की है। इसे एक स्मार्ट GPS के रूप में समझें जो रेत के हर एक कण को ट्रैक करने की कोशिश नहीं करता।

यह कैसे काम करता है: हर एक संभावना को ट्रैक करने के बजाय, GPS "मुख्य सड़कों" (सबसे महत्वपूर्ण रास्तों) को देखता है और छोटे, अप्रासंगिक कच्चे रास्तों को अनदेखा कर देता है। यह एक "ट्रंकेशन" (truncation) तकनीक का उपयोग करता है—मूल रूप से यह कहता है, "यदि कोई रास्ता बहुत छोटा है जिसका महत्व नहीं है, तो समय बचाने के लिए उसे हटा दें।"
परिणाम: यह एक क्लासिकल कंप्यूटर को 100-qubit सिस्टम का अनुकरण करने की अनुमति देता है (जो आमतौर पर असंभव है) क्योंकि यह केवल क्वांटम अवस्था के सबसे महत्वपूर्ण हिस्सों पर ध्यान केंद्रित करता है। यह शहर में केवल प्रमुख राजमार्गों को देखकर नेविगेट करने जैसा है और गलियों को अनदेखा करने जैसा है।

3. रणनीति: "क्लासिकल ट्रेनिंग, क्वांटम निष्पादन"

यह शोध पत्र एक हाइब्रिड दृष्टिकोण का प्रस्ताव करता है:

क्लासिकल ट्रेनिंग: "स्मार्ट GPS" (PPS) का उपयोग क्लासिकल कंप्यूटर पर यह पता लगाने के लिए करें कि पर्वत के तल तक पहुँचने का सही मार्ग (क्वांटम सर्किट के लिए इष्टतम सेटिंग्स) क्या है। यह एक "शोर-मुक्त" (noise-free) सिमुलेशन में किया जाता है।
क्वांटम निष्पादन: उन सटीक सेटिंग्स को लें और उन्हें एक वास्तविक क्वांटम कंप्यूटर पर लोड करें। क्वांटम कंप्यूटर को "सीखने" या "खोजने" की आवश्यकता नहीं होती; उसे बस पूर्व-नियोजित मार्ग का पालन करना होता है।

उपमा: कल्पना कीजिए कि आप एक रेस कार ड्राइवर (क्वांटम कंप्यूटर) को प्रशिक्षित कर रहे हैं। ड्राइवर को एक खतरनाक, बारिश वाले ट्रैक (नॉइजी हार्डवेयर) पर अभ्यास करने देने और यह उम्मीद करने के बजाय कि वह सबसे अच्छी लाइन सीख जाएगा, आप एक अत्यधिक सटीक सिम्युलेटर (PPS) का उपयोग करके सबसे सटीक रेसिंग लाइन की गणना करते हैं। फिर आप ड्राइवर को वे सटीक निर्देशांक देते हैं, जिसे बस मोड़ को सफलतापूर्वक पूरा करना होता है।

4. परिणाम: मानचित्र का परीक्षण

लेखकों ने इस पद्धति का परीक्षण तीन अलग-अलग "पर्वतों" (क्वांटम मॉडल) पर किया:

आइसिंग मॉडल (Ising Model): चुंबकीय पदार्थों के लिए एक मानक परीक्षण।
किटाव हनीकॉम्ब मॉडल (Kitaev Honeycomb Model): एक जटिल मॉडल जो "एग्जॉटिक" कणों (anyons) के लिए जाना जाता है।

निष्कर्ष:

सटीकता: "स्मार्ट GPS" ने ऐसे मार्ग खोजे जो वास्तव में पर्वत के तल के बेहद करीब थे। कुछ मामलों में, इसने मौजूदा क्लासिकल मानचित्रों (DMRG) से भी बेहतर निचला बिंदु खोजा।
वास्तविक दुनिया का परीक्षण: उन्होंने एक 48-qubit सिस्टम के लिए सेटिंग्स लीं और उन्हें एक वास्तविक क्वांटम कंप्यूटर (Quantitusm का H2) पर चलाया। "शोर" (बर्फीले तूफान) को ठीक किए बिना भी, क्वांटम कंप्यूटर एक ऐसी अवस्था तक पहुँचा जिसमें केवल 5% की त्रुटि थी। वर्तमान तकनीक के लिए यह उल्लेखनीय रूप से अच्छा है!
टोपोलॉजिकल जादू: उन्होंने न केवल तल को खोजा; उन्होंने सिद्ध किया कि क्वांटम अवस्था में "टोपोलॉजिकल" गुण थे। उन्होंने सफलतापूर्वक "एनीऑन ब्रेडिंग" (anyons braiding) किया (कणों को जूतों के फीतों की तरह एक दूसरे के चारों ओर घुमाना), जो कि विलक्षण क्वांटम पदार्थ का एक संकेत है। यह साबित करता है कि क्वांटम कंप्यूटर केवल अनुमान नहीं लगा रहा था; वह एक वास्तविक, जटिल क्वांटम अवस्था को बनाए हुए था।

5. यह क्यों मायने रखता है

यह शोध पत्र एक गेम-चेंजर है क्योंकि यह क्वांटम कंप्यूटर की भूमिका को बदल देता है।

पहले: हम क्वांटम कंप्यूटरों से सब कुछ करने की अपेक्षा करते थे, जिसमें समाधान सीखने का कठिन काम भी शामिल था, जिसमें शोर के कारण उन्हें कठिनाई होती थी।
अब: हम समाधान के "प्रशिक्षण" (training) के भारी काम के लिए क्लासिकल कंप्यूटरों का उपयोग करते हैं, और हम क्वांटम कंप्यूटरों का उपयोग उस काम के लिए करते हैं जिसमें वे सर्वश्रेष्ठ हैं: जटिल, पूर्व-निर्धारित चरणों को निष्पादित (execute) करना।

मुख्य निष्कर्ष:
यह विधि एक सेतु (bridge) बनाने के समान है। यह हमें क्लासिकल सुपरकंप्यूटरों की शक्ति का उपयोग करके आधार तैयार करने की अनुमति देती है, ताकि हमारे वर्तमान, अपूर्ण क्वांटम कंप्यूटर भी उस पर चल सकें और उन कार्यों को पूरा कर सकें जिन्हें पहले असंभव माना जाता था। यह "यूटिलिटी-स्केल" क्वांटम कंप्यूटिंग का मार्ग प्रशस्त करता है, जहाँ हम केवल भविष्य में ही नहीं, बल्कि आज ही वास्तविक दुनिया की समस्याओं को हल कर सकते हैं।

1. समस्या विवरण (Problem Statement)

क्वांटम अनेक-निकाय प्रणालियों (quantum many-body systems) के लिए उच्च-गुणवत्ता वाले ग्राउंड स्टेट्स (ground states) तैयार करना क्वांटम सिमुलेशन (जैसे, क्वेंच डायनेमिक्स, स्कैटरिंग) के लिए एक मौलिक पूर्व शर्त है। जबकि वेरिएशनल क्वांटम एल्गोरिदम (VQAs) निकट-अवधि के उपकरणों (near-term devices) के लिए मानक दृष्टिकोण हैं, वे महत्वपूर्ण चुनौतियों का सामना करते हैं:

संसाधन गहनता (Resource Intensity): VQAs के प्रशिक्षण के लिए शोर वाले क्वांटम हार्डवेयर पर कॉस्ट फंक्शन और ग्रेडिएंट्स के बार-बार मूल्यांकन की आवश्यकता होती है, जो धीमा और त्रुटिपूर्ण है।
शास्त्रीय सिमुलेशन सीमाएँ (Classical Simulation Limits): सटीक स्टेट-वेक्टर सिमुलेशन $\sim$ 50 क्यूबिट्स तक सीमित हैं, जबकि टेंसर नेटवर्क विधियाँ (जैसे DMRG) 2D सिस्टम या उच्च एंटैंगलमेंट (entanglement) के साथ संघर्ष करती हैं।
"यूटिलिटी स्केल" अंतराल (The "Utility Scale" Gap): एक ऐसी विधि की आवश्यकता है जो $\sim$ 100 क्यूबिट्स के सिस्टम साइज को संभाल सके (जो सटीक स्टेट-वेक्टर सिमुलेशन से परे है लेकिन वर्तमान क्वांटम हार्डवेयर की पहुंच के भीतर है) ताकि पैरामीटराइज्ड सर्किट उत्पन्न किए जा सकें जिन्हें क्वांटम उपकरणों पर निष्पादित किया जा सके।

2. कार्यप्रणाली: पॉली पाथ सिमुलेशन (Methodology: Pauli Path Simulation - PPS)

लेखक एक हाइब्रिड दृष्टिकोण प्रस्तावित करते हैं जहाँ VQA का प्रशिक्षण पूरी तरह से कोएफिशिएंट-ट्रंकेशन पॉली पाथ सिमुलेशन (PPS), जिसे स्पार्स पॉली डायनेमिक्स भी कहा जाता है, का उपयोग करके शास्त्रीय रूप से किया जाता है।

मुख्य तंत्र (Core Mechanism): श्रोडिंगर चित्र (Schrödinger picture) में क्वांटम अवस्था को विकसित करने के बजाय, PPS हीजनबर्ग चित्र (Heisenberg picture) में ऑब्जर्वेबल (हैमिल्टोनियन) को विकसित करता है। ऑपरेटर को पॉली-स्ट्रिंग बेसिस (Pauli-string basis) में विस्तारित किया जाता है।
ट्रंकेशन स्कीम (Truncation Scheme): जैसे-जैसे ऑपरेटर सर्किट गेट्स के माध्यम से विकसित होता है, पॉली टर्म्स की संख्या तेजी से बढ़ती है। PPS इसे $\delta_c$ थ्रेशोल्ड से नीचे के पॉली स्ट्रिंग्स को हटाकर कम करता है। यह कम्प्यूटेशनल लागत को बहुपद (polynomial) रखता है।
ऑप्टिमाइजेशन लूप (Optimization Loop):
1. एक पैरामीटराइज्ड एन्सैटज़ (Hamiltonian Variational Ansatz) को परिभाषित किया जाता है।
2. कॉस्ट फंक्शन (ऊर्जा प्रत्याशा मान) और इसके ग्रेडिएंट का अनुमान PPS का उपयोग करके शास्त्रीय रूप से लगाया जाता है।
3. उच्च-आयामी पैरामीटर स्पेस को कुशलतापूर्वक संभालने के लिए सिमल्टेनियस परटर्बेशन स्टोकेस्टिक एप्रोक्सिमेशन (SPSA) को ADAM (एडेप्टिव मोमेंट एस्टिमेशन) के साथ जोड़कर पैरामीटर्स को अपडेट किया जाता है।
4. एक बार अनुकूलित होने के बाद, परिणामी सर्किट पैरामीटर्स को निष्पादन के लिए क्वांटम डिवाइस पर स्थानांतरित कर दिया जाता है।

3. मुख्य योगदान (Key Contributions)

यूटिलिटी-स्केल ट्रेनिंग: 100+ क्यूबिट्स (1D और 2D आइसिंग मॉडल, किटाव हनीकॉम्ब मॉडल) के लिए सिस्टम साइज के लिए सफलतापूर्वक VQAs को प्रशिक्षित किया गया, जो कि सटीक स्टेट-वेक्टर सिमुलेशन के लिए असंभव है।
सटीक/DMRG के विरुद्ध बेंचमार्किंग: सटीक समाधानों (1D Ising, Kitaev) और डेंसिटी मैट्रिक्स रिनॉर्मलाइजेशन ग्रुप (DMRG) परिणामों (2D Ising) के विरुद्ध PPS-प्रशिक्षित अवस्थाओं को मान्य किया गया।
2D में DMRG से बेहतर प्रदर्शन: हेवी-हेक्स लैटिस (IBM हार्डवेयर कनेक्टिविटी से मेल खाता हुआ) पर 2D आइसिंग मॉडल के लिए, PPS द्वारा प्राप्त वेरिएशनल ऊर्जा कुछ पैरामीटर व्यवस्थाओं में DMRG परिणामों से कम थी, जो PPS को एक शक्तिशाली "क्वांटम-प्रेरित" शास्त्रीय संख्यात्मक विधि के रूप में सुझाव देती है।
हार्डवेयर सत्यापन: किटाव हनीकॉम्ब मॉडल के ग्राउंड स्टेट्स को तैयार करने के लिए क्वान्टिनियम के सिस्टम मॉडल H2 (48 क्यूबिट्स) पर सफलतापूर्वक प्रशिक्षित सर्किटों को निष्पादित किया गया।
टोपोलॉजिकल सत्यापन: क्वांटम हार्डवेयर पर एनयॉन ब्रेडिंग (anyon braiding) को सफलतापूर्वक प्रदर्शित किया गया, जो पुष्टि करता है कि शास्त्रीय रूप से प्रशिक्षित अवस्थाएं फिक्स्ड-पॉइंट मॉडल्स से परे टोपोलॉजिकल गुणों (Abelian anyons) को बनाए रखती हैं।

4. मुख्य परिणाम (Key Results)

A. शास्त्रीय सिमुलेशन प्रदर्शन (Classical Simulation Performance)

1D क्वांटम आइसिंग मॉडल (100 क्यूबिट्स):
- सटीक समाधानों की तुलना में सापेक्ष ऊर्जा त्रुटियां < 0.5% प्राप्त की गईं।
- मैग्नेटाइजेशन ( $M_z, M_x$ ) ने DMRG के साथ उत्कृष्ट सहमति दिखाई, सिवाय क्रिटिकल पॉइंट्स के पास जहाँ गहरे सर्किट की आवश्यकता थी।
2D क्वांटम आइसिंग मॉडल (स्क्वायर और हेवी-हेक्स लैटिस, ~100-127 क्यूबिट्स):
- स्क्वायर लैटिस: DMRG के विरुद्ध सापेक्ष ऊर्जा त्रुटियां < 0.25%।
- हेवी-हेक्स लैटिस: विशिष्ट पैरामीटर व्यवस्थाओं में, PPS ने DMRH की तुलना में कम वेरिएशनल ऊर्जा प्राप्त की (तुलनात्मक कम्प्यूटेशनल संसाधनों का उपयोग करके)। यह सुझाव देता है कि PPS कुछ 2D ज्यामिति के लिए मानक टेंसर नेटवर्क विधियों से बेहतर प्रदर्शन कर सकता है।
किटाव हनीकॉम्ब मॉडल (100 क्यूबिट्स):
- गैप्ड फेज (gapped phase) में सापेक्ष ऊर्जा त्रुटियां < 0.5% प्राप्त की गईं।
- इसने टोपोलॉजिकल एंटैंगलमेंट एंट्रॉपी ( $S_{topo} \approx -1$ ) को सही ढंग से कैप्चर किया, जो इसकी टोपोलॉजिकल ऑर्डर की पुष्टि करता है।

B. क्वांटम हार्डवेयर निष्पादन (Quantinuum H2)

सिस्टम: 48-क्यूबिट किटाव हनीकॉम्ब मॉडल (गैप्ड और गैपलेस रिजीम)।
ऊर्जा सटीकता: बिना किसी एरर मिटिगेशन के ~5% की सापेक्ष ऊर्जा त्रुटियां प्राप्त की गईं।
- $J=0.3$ : त्रुटि $\approx 4.45\%$
- $J=0.6$ : त्रुटि $\approx 5.11\%$
टोपोलॉजिकल गुण: तैयार अवस्थाओं पर सफलतापूर्वक एनयॉन ब्रेडिंग (e-m, e- $\psi$ $ψ$ , m- $\psi$ $ψ$ ) की गई।
- मापे गए ब्रेडिंग फेजेस सैद्धांतिक मान $-1 $के करीब थे (जैसे,$ J=0.3 $के लिए$ \alpha_{em} \approx -0.84$), जो प्रदर्शित करता है कि शास्त्रीय रूप से प्रशिक्षित सर्किट शोर वाले हार्डवेयर पर भी ग्राउंड स्टेट की टोपोलॉजिकल प्रकृति को बनाए रखते हैं।

5. महत्व और निहितार्थ (Significance and Implications)

शास्त्रीय और क्वांटम के बीच सेतु: यह विधि एक वर्कफ़्लो स्थापित करती है जहाँ शास्त्रीय सिमुलेशन भारी काम (पैरामीटर ऑप्टिमाइजेशन) को संभालता है, जबकि क्वांटम हार्डवेयर उन कार्यों के लिए आरक्षित रहता है जिनमें वह उत्कृष्ट है (जैसे, तैयार अवस्था से डायनेमिक्स का अनुकरण करना)।
एक नई शास्त्रीय संख्यात्मक विधि: PPS 2D कंडेंस्ड मैटर समस्याओं के लिए एक प्रतिस्पर्धी शास्त्रीय एल्गोरिदम के रूप में उभरता है, जो विशिष्ट ज्यामिति के लिए DMRG से बेहतर प्रदर्शन कर सकता है और उन मॉडलों को संभाल सकता है जहाँ क्वांटम मोंटे कार्लो (Quantum Monte Carlo) साइन प्रॉब्लम (sign problem) से ग्रस्त होता है।
हार्डवेयर दक्षता: "वार्म-स्टार्ट" पैरामीटर्स प्रदान करके, PPS क्वांटम उपकरणों पर रनटाइम और संसाधनों की मांग को काफी कम कर देता है, जिससे VQAs निकट-अवधि के हार्डवेयर के लिए अधिक व्यवहार्य हो जाते हैं।
फिक्स्ड-पॉइंट मॉडल्स से परे: अनुमानित ग्राउंड स्टेट्स (केवल आदर्श फिक्स्ड-पॉइंट स्टेट्स नहीं) पर सफल एनयॉन ब्रेडिंग का प्रदर्शन वर्तमान उपकरणों पर टोपोलॉजिकल क्वांटम कंप्यूटिंग को साकार करने की दिशा में एक महत्वपूर्ण कदम है।

निष्कर्ष (Conclusion)

यह कार्य प्रदर्शित करता है कि पॉली पाथ सिमुलेशन, यूटिलिटी स्केल पर वेरिएशनल क्वांटम सर्किट को प्रशिक्षित करने के लिए एक स्केलेबल और प्रभावी उपकरण है। यह न केवल जटिल 2D सिस्टम के लिए उच्च-फिडेलिटी ग्राउंड स्टेट्स बनाता है, बल्कि क्वांटम हार्डवेयर के लिए एक मजबूत प्री-ट्रेनिंग तंत्र के रूप में भी कार्य करता है, जिससे वर्तमान शोर वाले क्वांटम प्रोसेसर पर गैर-तुच्छ (non-trivial) टोपोलॉजिकल घटनाओं जैसे कि एनयॉन ब्रेडिंग का प्रदर्शन संभव होता है।