⚛️ क्वांटम भौतिकी

Low-depth measurement-based deterministic quantum state preparation

यह शोध पत्र किसी भी मनमाने क्वांटम अवस्थाओं को तैयार करने के लिए एक नियतात्मक (deterministic), मापन-आधारित निम्न-गहराई वाले एल्गोरिदम प्रस्तुत करता है जो अनसिला (ancilla) क्यूबिट्स को विसंलंगित (disentangle) करके $\Theta(2^n)$ की इष्टतम स्पेस-टाइम जटिलता प्राप्त करता है, साथ ही सटीक संसाधन परिमाणीकरण प्रदान करता है और विशिष्ट उदाहरणों के माध्यम से हाइब्रिड अनुप्रयोगों का प्रदर्शन करता है।

मूल लेखक: Roselyn Nmaju, Fiona Speirits, Sarah Croke

प्रकाशित 2026-10-28

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Roselyn Nmaju, Fiona Speirits, Sarah Croke

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 की दुनिया में, सबसे मौलिक कार्य अक्सर समझाने में सबसे कठिन होता है: मशीन को तैयार करना। इससे पहले कि एक क्वांटम कंप्यूटर किसी समस्या को हल कर सके, चाहे वह एक नए ड्रग मॉलिक्यूल (दवा के अणु) का अनुकरण करना हो या किसी वित्तीय पोर्टफोलियो को अनुकूलित करना, उसे पहले डेटा से लोड किया जाना चाहिए। यह डेटा शास्त्रीय (क्लासिकल) दुनिया में संख्याओं की एक सूची के रूप में मौजूद होता है, लेकिन मशीन के लिए उपयोगी होने के लिए, इसे एक क्वांटम अवस्था में अनुवादित किया जाना चाहिए, जो कणों की एक नाजुक संरचना है जहाँ सूचना विभिन्न परिणामों की संभावनाओं में संग्रहीत होती है। यह अनुवाद प्रक्रिया, जिसे 'स्टेट प्रिपरेशन' (अवस्था तैयारी) कहा जाता है, एक महत्वपूर्ण बाधा है। यदि डेटा लोड करने के लिए उपयोग की जाने वाली विधि बहुत धीमी है या उसमें बहुत अधिक संसाधनों की आवश्यकता है, तो वास्तविक गणना शुरू होने से पहले ही क्वांटम कंप्यूटर का संभावित गति लाभ समाप्त हो जाता है। वर्षों से, वैज्ञानिक एक कठिन समझौते (ट्रेड-ऑफ) से जूझ रहे हैं: वे विधियाँ जिन्हें चलाना तेज़ है, उनमें अक्सर असंभव संख्या में अतिरिक्त घटकों की आवश्यकता होती है, जबकि वे विधियाँ जो कम घटकों का उपयोग करती हैं, उन्हें निष्पादित करने में अव्यावहारिक रूप से लंबा समय लेती हैं।

शोधकर्ताओं की एक टीम ने अब इस समझौते को सुलझाने का एक नया तरीका प्रस्तावित किया है, जो एक ऐसा तरीका प्रदान करता है जो तेज़ और विश्वसनीय दोनों है, हालांकि यह हार्डवेयर में एक विशिष्ट लागत के साथ आता है। 2026 के अंत में प्रकाशित एक शोध पत्र में, रोज़लिन नमाजू, फियोना स्पिरिट्स और सारा क्रोक एक ऐसी तकनीक का वर्णन करते हैं जो किसी भी मनमानी क्वांटम अवस्था को तैयार करने के लिए एक रणनीति का उपयोग करती है जो 'लो-डेप्थ' (कम गहराई) और 'डिटरमिनिस्टिक' (निश्चित) दोनों है। "लो-डेप्थ" का तात्पर्य उन चरणों की संख्या से है जिन्हें कंप्यूटर को क्रम में लेना होता है; एक उथला (शैलो) सर्किट तेज़ होता है और त्रुटियों के प्रति कम संवेदनशील होता है। "डिटरमिस्टिक" का अर्थ है कि प्रक्रिया हर बार काम करती है, न कि भाग्य पर निर्भर करती है और उपयोगकर्ता को तब तक बार-बार प्रयास करने की आवश्यकता होती है जब तक कि वह सफल न हो जाए। उनका दृष्टिकोण एक पुराने विचार पर आधारित है जिसे "डिवाइड एंड कॉंकर" (विभाजित करो और जीतो) कहा जाता है, जो एक बड़ी, जटिल अवस्था को छोटे, प्रबंधनीय टुकड़ों में तोड़ता है और उन्हें वापस बनाता है। हालाँकि, इस पद्धति के पुराने संस्करण ने पीछे एक अव्यवस्थित अवशेष छोड़ दिया था: अतिरिक्त कण, जिन्हें 'एनसिला क्यूबिट्स' (ancilla qubits) कहा जाता है, जो डेटा के साथ उलझे हुए रह जाते थे, जिससे अंतिम परिणाम दूषित हो जाता था। शोधकर्ताओं का मुख्य नवाचार इन अतिरिक्त कणों को हर चरण में सफाई से अलग करने का एक तरीका है, जिससे यह सुनिश्चित होता है कि अंतिम डेटा शुद्ध और उपयोग के लिए तैयार है।

उनकी विधि का मूल एक चतुर माप (मेजरमेंट) के उपयोग में निहित है। कई क्वांटम प्रक्रियाओं में, किसी कण का मापन उसके क्वांटम सूचना को नष्ट कर देता है, लेकिन यहाँ, शोधकर्ता माप का उपयोग डेटा को सहायकों से अलग करने के एक उपकरण के रूप में करते हैं। वे छोटे राज्यों को जोड़कर वांछित अवस्था का निर्माण करते हैं, एक पदानुक्रमित संरचना (फैमिली ट्री की तरह) में ऊपर की ओर बढ़ते हुए। प्रत्येक चरण पर जहाँ दो हिस्से जोड़े जाते हैं, एक अतिरिक्त सहायक कण पेश किया जाता है। इस सहायक कण को डेटा के साथ उलझा हुआ छोड़ने के बजाय, टीम उस पर एक विशिष्ट मापन करती है। यह मापन इस तरह से डिज़ाइन किया गया है कि परिणाम जो भी हो, डेटा कण सही अवस्था में ही रहते हैं, जबकि सहायक कण को प्रभावी रूप से हटा दिया जाता है। यदि मापन से ऐसा परिणाम मिलता है जो डेटा के 'फेज़' (कला/चरण) को थोड़ा बदल देगा, तो इसे ठीक करने के लिए एक सरल, शास्त्रीय समायोजन किया जाता है। क्योंकि यह सुधार मापन के परिणाम पर आधारित है, इसलिए यह 'डिटरमिनिस्टिक' है; यह हमेशा सही अवस्था के साथ समाप्त होता है, कभी भी उपयोगकर्ता को अनुमान लगाने के लिए नहीं छोड़ता।

अपने विचार की व्यावहारिकता को प्रदर्शित करने के लिए, लेखकों ने विशिष्ट उदाहरणों पर काम किया, जिसमें एक "डेंस" (सघन) अवस्था शामिल है जहाँ प्रत्येक संभावित परिणाम की गैर-शून्य संभावना होती है, और एक "W-स्टेट", जो एक विशिष्ट प्रकार की क्वांटम अवस्था है जिसका अक्सर अनुसंधान में उपयोग किया जाता है। उन्होंने दिखाया कि इन मामलों के लिए सर्किट कैसा दिखेगा, जिसमें रोटेशन, स्वैप और मापन के अनुक्रम का विवरण दिया गया है। तीन डेटा क्यूबिट्स वाले सिस्टम के लिए, इस विधि को संचालित करने के लिए सहायकों सहित कुल सात क्यूबिट्स की आवश्यकता होती है। हालाँकि यह संख्या बड़े सिस्टम के साथ बढ़ती है, शोधकर्ताओं ने गणना की कि कंप्यूटर को जो कुल चरण लेने होंगे, वह अपेक्षाकृत धीरे बढ़ता है, जो क्यूबिट्स की संख्या के वर्ग से संबंधित एक पैटर्न का पालन करता है। यह एक महत्वपूर्ण सुधार है क्योंकि पुरानी विधियों को घातांकीय (एक्सपोनेंशियल) संख्या में चरणों की आवश्यकता होती थी। इसके अलावा, उन्होंने कुल "स्पेसटाइम एलोकेशन" (स्थान-समय आवंटन) की गणना की, जो उपयोग किए गए कणों की संख्या और उनके सक्रिय रहने के समय को मिलाने वाला एक माप है। उन्होंने पाया कि उनकी विधि इस संसाधन के लिए सैद्धांतिक न्यूनतम प्राप्त करती है, जिसका अर्थ है कि यह इस प्रकार के दृष्टिकोण के लिए भौतिकी द्वारा वर्तमान में संभव सर्वोत्तम दक्षता है।

शोध पत्र मशीन को सेटअप करने की लागत को भी संबोधित करता है। इससे पहले कि क्वांटम कंप्यूटर चल सके, एक शास्त्रीय कंप्यूटर को रोटेशन के सटीक कोणों और मापन के विशिष्ट सेटिंग्स की गणना करनी होगी। लेखकों ने इस शास्त्रीय लागत को मापा है, यह दिखाते हुए कि हालांकि यह पर्याप्त है, लेकिन यह एक बार की गणना है जिसे एल्गोरिदम के प्रत्येक रन के लिए दोहराने की आवश्यकता नहीं है। उन्होंने एक हाइब्रिड दृष्टिकोण का भी पता लगाया, जहाँ इस नई विधि को मौजूदा तकनीकों के साथ जोड़ा जाता है। डेटा के छोटे हिस्सों को तैयार करने के लिए एक अलग, तेज़ विधि का उपयोग करके और फिर उन्हें जोड़ने के लिए अपनी 'डिसेंटैंगलिंग' (उलझन सुलझाने वाली) विधि का उपयोग करके, उन्होंने दिखाया कि उपयोगकर्ता अपने विशिष्ट हार्डवेयर के आधार पर क्यूबिट्स या चरणों की संख्या को नियंत्रित करने के लिए सिस्टम को ट्यून कर सकते हैं। यह लचीलापन निकट भविष्य के लिए अत्यंत महत्वपूर्ण है, जहाँ क्वांटम कंप्यूटरों के पास सीमित संसाधन होंगे।

शोधकर्ता सावधानीपूर्वक नोट करते हैं कि उनकी विधि इस क्षमता पर निर्भर करती है कि गणना के बीच में मापन किया जा सके और अगले चरणों को समायोजित करने के लिए परिणामों का उपयोग किया जा सके। 'मिड-सर्किट मेजरमेंट विद फीड-फॉरवर्ड' (मध्य-सर्किट मापन और फीड-फॉरवर्ड) के रूप में जानी जाने वाली यह क्षमता आधुनिक क्वांटम हार्डवेयर में तेजी से उपलब्ध हो रही है, विशेष रूप से इसलिए क्योंकि यह त्रुटि सुधार (एरर करेक्शन) के लिए आवश्यक है। जबकि एक कण को मापने में लगने वाला समय वर्तमान में एक साधारण गेट ऑपरेशन के समय से अधिक है, लेखक सुझाव देते हैं कि जैसे-जैसे हार्डवेयर में सुधार होगा, यह देरी कम होती जाएगी। उनका कार्य इस बात का एक ठोस ब्लूप्रिंट प्रदान करता है कि डेटा को कुशलतापूर्वक लोड करने के लिए इन उभरती क्षमताओं का उपयोग कैसे किया जाए। यह सिद्ध करके कि सहायक कणों को डिटरमिनिस्टिक रूप से अलग करना संभव है, उन्होंने एक प्रमुख बाधा को हटा दिया है जिसने पहले वैज्ञानिकों को गति और सटीकता के बीच चयन करने के लिए मजबूर किया था। इसका परिणाम एक बहुमुखी टूलकिट है जो शोधकर्ताओं को ऐसे क्वांटम सर्किट बनाने की अनुमति देता है जो उपयोगी होने के लिए पर्याप्त गहरे और व्यावहारिक होने के लिए पर्याप्त उथले हैं, जिससे आने वाले वर्षों में अधिक जटिल क्वांटम अनुप्रयोगों का मार्ग प्रशस्त होता है।

तकनीकी सारांश: निम्न-गहराई वाला मापन-आधारित नियत क्वांटम अवस्था तैयारी (Low-depth Measurement-based Deterministic Quantum State Preparation)

समस्या विवरण
क्वांटम अवस्था की तैयारी (Quantum state preparation) क्वांटम या शास्त्रीय डेटा को संसाधित करने के लिए एक मौलिक पूर्व शर्त है, विशेष रूप से मशीन लर्निंग अनुप्रयोगों में जहाँ अक्षम डेटा लोडिंग संभावित क्वांटम लाभ को समाप्त कर सकती है। एक अनिश्चित $n$ -क्यूबिट अवस्था (एक $2^n$ -आयामी वेक्टर को एनकोड करना) को तैयार करने के लिए आमतौर पर $n$ के सापेक्ष घातांकीय (exponentially) गहराई वाले सर्किट की आवश्यकता होती है यदि कोई एंसिला (ancilla) क्यूब्स का उपयोग नहीं किया जाता है। जबकि हालिया शोध ने सर्किट गहराई (समय) और एंसिला क्यूब्स की संख्या (स्थान) के बीच ट्रेड-ऑफ की खोज की है, मौजूदा इष्टतम रणनीतियाँ अक्सर डेटा क्यूब्स को एंसिला रजिस्टर के साथ उलझा हुआ (entangled) छोड़ देती हैं, या संभाव्यता-आधारित प्रोटोकॉल पर निर्भर करती हैं जिन्हें उच्च सफलता दर प्राप्त करने के लिए पुनरावृत्ति की आवश्यकता होती है। चुनौती एक ऐसी नियत (deterministic) विधि खोजने की है जो कम सर्किट गहराई प्राप्त करते हुए डेटा को एंसिला से पूरी तरह से विसंल缠 (disentangle) कर सके।

कार्यप्रणाली (Methodology)
लेखक अराउजो एट अल. (Araujo et al.) द्वारा प्रस्तावित 'डिवाइड-एंड-कन्कर' (divide-and-conquer) एल्गोरिदम पर आधारित कार्य का निर्माण करते हैं, जो नियंत्रित-SWAP (CSWAP) गेट्स का उपयोग करके छोटी अवस्थाओं को पुनरावर्ती रूप से जोड़कर एक अनिश्चित अवस्था का निर्माण करता है। मूल पद्धति, हालांकि, एक ऐसा एंसिला रजिस्टर परिणाम देती है जो डेटा के साथ उलझा (entangled) रहता है।

इस कार्य का मुख्य योगदान एक मापन-आधारित विसंल缠 (disentangling) प्रोटोकॉल है जो समग्र प्रक्रिया को नियत (deterministic) बनाता है। कार्यप्रणाली इस प्रकार है:

बाइनरी ट्री प्रतिनिधित्व: लक्षित अवस्था को एक बाइनरी ट्री के रूप में दर्शाया गया है जहाँ नोड्स रोटेशन कोणों ( $\alpha_f$ ) द्वारा परिभाषित एकल-क्यूबिट अवस्थाओं के अनुरूप होते हैं। एल्गोरिदम इस ट्री के लीव्स (पत्तियों) से रूट (जड़) की ओर ऊपर की ओर बढ़ता है।
अवस्था संयोजन (State Combining): प्रत्येक स्तर $k$ पर, दो $(k-1)$ -क्यूबिट अवस्थाओं को एक कंट्रोल क्यूब के साथ CSWAP गेट्स का उपयोग करके जोड़ा जाता है। यह एक सुपरपोजिशन बनाता है जहाँ डेटा क्यूब्स एक एंसिला रजिस्टर के साथ उलझे (entangled) होते हैं।
मापन के माध्यम से विसंल缠 (Disentangling via Measurement): उलझाव (entanglement) को हटाने के लिए, लेखक एक विशिष्ट आधार $\{|+\rangle, |-\rangle\}$ ${∣ + ⟩, ∣ - ⟩}$ में एंसिला रजिस्टर को मापने का प्रस्ताव करते हैं जो यह सुनिश्चित करता है कि डेटा घटकों के सापेक्ष आयाम (relative amplitudes) अपरिवर्तित रहें।
- आधार अवस्थाओं को $|\pm\rangle = (|\phi_0\rangle \pm |\phi_1\rangle) / \sqrt{2(1 \pm \langle\phi_0|\phi_1\rangle)}$ के रूप में परिभाषित किया गया है, जहाँ $|\phi_0\rangle$ और $|\phi_1\rangle$ एंसिला रजिस्टर में स्थित अवस्थाएँ हैं।
- वालगेट एट अल. (Walgate et al.) प्रोटोकॉल का अनुसरण करते हुए, इन मल्टी-क्यूबिट मापों को क्लासिकल फीड-फॉरवर्ड के साथ एकल-क्यूबिट मापों के अनुक्रम में विघटित किया जाता है।
- मापन परिणाम के आधार पर, वांछित अवस्था को पुनः प्राप्त करने के लिए कंट्रोल क्यूब पर एक सशर्त एकल-क्यूबिट फेज सुधार (Z-गेट) लागू किया जाता है।
हाइब्रिड "कंबाइन-एंड-कन्कर" दृष्टिकोण: लेखक एक लचीला ढांचा पेश करते हैं जहाँ डिवाइड-एंड-कन्कर विधि को $\lambda$ आकार के सब-ट्री के लिए अन्य एनकोडिंग तकनीकों (जैसे, टाइम-एनकोडिंग या ग्रोवर-रुडॉल्फ) के साथ जोड़ा जा सकता है। यह सर्किट गहराई और क्यूब संख्या के बीच ट्रेड-ऑफ को ट्यून करने की अनुमति देता है।

प्रमुख परिणाम और संसाधन परिमाणीकरण
पेपर प्रस्तावित विधि के लिए सटीक, गैर-अनंतस्पर्शी (non-asymptotic) संसाधन गणना प्रदान करता है:

सर्किट गहराई (Circuit Depth): कुल सर्किट गहराई $\Theta(n^2)$ के रूप में स्केल करती है। विशेष रूप से, गहराई $d(n) = \frac{1}{2}(n^2 + 3n - 2)$ है। यह संभव जहाँ तक संभव हो CSWAP ऑपरेशंस और उसके बाद के विसंल缠 मापन को समानांतर (parallel) में करने से प्राप्त किया जाता है, जिसमें एक समय चरण का अंतराल (lag) होता है। लेखक नोट करते हैं कि जबकि इष्टतम रणनीतियाँ $\Theta(n)$ गहराई प्राप्त कर सकती हैं, उनके लिए $\Theta(2^n/n)$ एंसिला क्यूब्स की आवश्यकता होती है।
क्यूब संख्या (Qubit Count): इस विधि के लिए $\Theta(2^n)$ एंसिला क्यूब्स की आवश्यकता होती है। मानक कार्यान्वयन में कुल क्यूब्स की संख्या $2^n - 1$ है। हालाँकि, क्यूब्स को विसंल缠 करने के बाद उन्हें रीसेट और पुन: उपयोग करके, आवश्यकता को घटाकर $3 \times 2^{n-2}$ किया जा सकता है।
स्पेसटाइम आवंटन (Spacetime Allocation): गुई एट अल. (Gui et al.) द्वारा पेश किए गए मेट्रिक का उपयोग करते हुए, जो सक्रिय क्यूब्स और समय चरणों के गुणनफल का योग है, प्रोटोकॉल $\Theta(2^n)$ का स्केलिंग प्राप्त करता है। लेखक नोट करते हैं कि यह इष्टतम है।
शास्त्रीय कम्प्यूटेशनल लागत (Classical Computational Cost): आवश्यक रोटेशन कोणों और विसंल缠 मापन आधारों की गणना करने में $O(n^2 2^n)$ की एकमुश्त शास्त्रीय लागत आती है।
नियतता (Determinism): पिछले मापन-आधारित दृष्टिकोणों के विपरीत, जो संभाव्यता-आधारित थे, यह विधि नियत (deterministic) है। मापन परिणाम के बावजूद, क्लासिकल फीड-फॉरवर्ड और फेज सुधार के माध्यम से अवस्था को पुनः प्राप्त किया जाता है।

महत्व और दावे
लेखक दावा करते हैं कि यह कार्य डिवाइड-एंड-कन्कर के निम्न-गहराई लाभों को सामान्य अवस्था तैयारी के लिए एंसिला क्यूब्स को विसंल缠 करने की आवश्यकता के साथ जोड़कर मौजूदा क्वांटम अवस्था तैयारी एल्गोरिदम के एक अलग विकल्प के रूप में कार्य करता है।

इष्टतमता (Optimality): स्पेसटाइम आवंटन को इष्टतम ( $\Theta(2^n)$ ) होने का दावा किया गया है, जो ऐसे प्रोटोकॉल के लिए सैद्धांतिक निचली सीमाओं से मेल खाता है।
बहुमुखी प्रतिभा (Versatility): "कंबाइन-एंड-कन्कर" ढांचा उपयोगकर्ताओं को शुद्ध टाइम-एनकोडिंग (उच्च गहराई, कम स्थान) और शुद्ध डिवाइड-एंड-कन्कर (कम गहराई, उच्च स्थान) के बीच अंतर करने (interpolate) की अनुमति देता है, जिससे हार्डवेयर बाधाओं के आधार पर एक ट्यूनेबल ट्रेड-ऑफ मिलता है।
व्यावहारिकता (Practicality): पेपर इस बात पर जोर देता है कि निकट-अवधि (near-term) अनुप्रयोगों के लिए, केवल अनंतस्पर्शी स्केलिंग (asymptotic scaling) के बजाय सटीक संसाधन गणना महत्वपूर्ण है। यह विधि किसी भी $n$ के लिए गहराई और क्यूब संख्या के लिए सटीक सूत्र प्रदान करती है।
हार्डवेयर प्रासंगिकता (Hardware Relevance): प्रोटोकॉल मिड-सर्किट मापन और क्लासिकल फीड-फॉरवर्ड पर निर्भर करता है। लेखक नोट करते हैं कि हालांकि वर्तमान में मापन का समय गेट समय की तुलना में लंबा है, फिर भी डायनेमिक सर्किट तेजी से उपलब्ध हो रहे हैं और क्वांटम एरर करेक्शन के लिए केंद्रीय हैं, जिससे यह दृष्टिकोण सामयिक (timely) बन जाता है।

पेपर निष्कर्ष निकालता है कि हालांकि शास्त्रीय ओवरहेड महत्वपूर्ण है, लेकिन यह विधि एक अनिश्चित अवस्था को तैयार करने के लिए एक कठोर, नियत मार्ग प्रदान करती है जो इष्टतम स्पेसटाइम दक्षता के साथ है, विशेष रूप से उन परिदृश्यों के लिए जहाँ एंसिला क्यूब्स उपलब्ध हैं लेकिन सर्किट गहराई को कम किया जाना चाहिए।

इसी तरह के और पेपर