तकनीकी सारांश: इक्विवेरिएंट क्वांटम रीइन्फोर्समेंट लर्निंग में क्रॉस-साइज़ ट्रांसफर के लिए सिमुलेशन और हार्डवेयर बाधाओं का निदान

1. समस्या विवरण

यह शोध पत्र कॉम्बिनेटरियल ऑप्टिमाइज़ेशन, विशेष रूप से यूक्लिडियन ट्रैवलिंग सेल्समैन प्रॉब्लम (TSP) के लिए क्वांटम रीइन्फोर्समेंट लर्निंग (QRL) की स्केलेबिलिटी और ट्रांसफ़रेबिलिटी (स्थानांतरण क्षमता) को संबोधित करता है। जबकि इक्वीवैरिएंट क्वांटम सर्किट्स (EQCs) एक पैरामीटर-कुशल आर्किटेक्चर प्रदान करते हैं जहाँ प्रशिक्षित पैरामीटर्स की संख्या समस्या के आकार (जैसे, शहरों की संख्या) से स्वतंत्र होती है, यह अभी भी अपुष्ट है कि क्या छोटे आकार के इंस्टेंस पर प्रशिक्षित पॉलिसियाँ वास्तविक निष्पादन स्थितियों के तहत बड़े इंस्टेंस में सफलतापूर्वक स्थानांतरित हो सकती हैं।

मुख्य शोध प्रश्न यह है: क्या छोटे $n$-सिटी इंस्टेंस पर प्रशिक्षित पैरामीटर्स $\theta_n$ को, बिना पुन: प्रशिक्षण के, उसी EQC आर्किटेक्चर का उपयोग करके बड़े $m$-सिटी इंस्टेंस ($m > n$) में स्थानांतरित किया जा सकता है, और क्या यह स्थानांतरण आदर्श सिमुलेशन से शोर वाले (noisy) हार्डवेयर में संक्रमण के दौरान भी बना रहता है?

लेखक स्पष्ट रूप से कहते हैं कि वे क्वांटम एडवांटेज का कोई दावा नहीं करते। इसके बजाय, अध्ययन विशिष्ट EQC आर्किटेक्चर की क्लासिकली सिम्यूलेबल प्रकृति का उपयोग भविष्य के QRL दावों के मूल्यांकन के लिए एक कठोर मानक स्थापित करने हेतु एक नैदानिक उपकरण (diagnostic tool) के रूप में करता है।

2. कार्यप्रणाली

सैद्धांतिक ढांचा (Theoretical Framework)

लेखक ज़ीरो-शॉट ट्रांसफर प्रदर्शन का विश्लेषण करने के लिए एक कंडीशनल डायग्नोस्टिक ट्रांसफर बाउंड विकसित करते हैं।

• त्रुटि का विखंडन (Decomposition of Error): आकार $n$ से $m$ में स्थानांतरण के दौरान प्रदर्शन गिरावट ($D_{n \to m}$) को निम्नलिखित में विभाजित किया गया है:
  1. पैरामीट्रिक मिसमैच (Parametric Mismatch): सर्किट जनरेटर्स (जैसे, $1/n$ बनाम $1/m$) के स्केलिंग से उत्पन्न होता है।
  2. स्ट्रक्चरल स्मूथनेस (Structural Smoothness): अंतर्निहित समस्या की ज्यामिति में परिवर्तन और पॉलिसी लैंडस्केप की स्मूथनेस से उत्पन्न होता है।
• मान्यताएं (Assumptions): बाउंड जॉइंट इक्वीवैरिएंस, रोलआउट सोर्स जनरलाइजेशन, और "लिफ्टेड-पॉलिसी स्मूथनेस" (जो बियर्डवुड-हाल्टन-हैमर्सले प्रमेय से प्रेरित है लेकिन उससे व्युत्पन्न नहीं है) के संबंध में मान्यताओं पर निर्भर करता है। यह बाउंड सटीक संख्यात्मक अंतराल की भविष्यवाणी करने के बजाय स्केलिंग संरचनाओं की पहचान करने के लिए डिज़ाइन किया गया है।

प्रयोगात्मक पाइपलाइन (Experimental Pipeline)

अध्ययन ट्रांसफर व्यवहार को बैकएंड आर्टिफ़ेक्ट्स से अलग करने के लिए एक पांच-चरणीय, प्रोटोकॉल-मैच्ड मूल्यांकन पाइपलाइन का उपयोग करता है। समान प्रशिक्षित EQC चेकपॉइंट्स को निम्नलिखित के माध्यम से निष्पादित किया जाता है:

1. स्टेटवेक्टर सिमुलेशन (Statevector Simulation): सटीक सिमुलेशन (ग्राउंड ट्रुथ)।
2. मैट्रिक्स प्रोडक्ट स्टेट (MPS) सिमुलेशन: विभिन्न बॉन्ड डायमेंशन ($\chi$) के साथ टेंसर-नेटवर्क सिमुलेशन।
3. नॉइजी सिमुलेशन (Noisy Simulation): IBM हार्डवेयर से प्राप्त नॉइज़ मॉडल को शामिल करने वाला सिमुलेशन।
4. हार्डवेयर इम्यूलेशन (Hardware Emulation): क्वांटिनियम H-सीरीज नॉइलेस इम्यूलेटर।
5. रियल हार्डवेयर (Real Hardware): क्वांटिनियम ट्रैप्ड-आयन डिवाइसेस (H2-2, Helios-1) पर निष्पादन और एक क्रॉस-प्लेटफॉर्म अभियान जिसमें सुपरकंडक्टिंग डिवाइसेस (IBM, Rigetti, IQM) शामिल हैं।

उपयोग किया गया EQC आर्किटेक्चर डेप्थ-$L=1$ का स्कोलिक एट अल (Skolik et al.) एंसेट है, जिसमें प्रति शहर एक क्यूबिट, $ZZ$इंटरैक्शन के माध्यम से ऑल-टू-ऑल एंटैंगलमेंट, और नोड-मिक्सिंग$RX$रोटेशन है। महत्वपूर्ण रूप से,$L=1$पर, पॉलिसी में$n$के बावजूद केवल दो प्रशिक्षित स्केलर ($\beta, \gamma$) होते हैं।

3. प्रमुख योगदान

A. क्रॉस-साइज़ ट्रांसफर के लिए डायग्नोस्टिक फ्रेमवर्क

यह पेपर संरचनात्मक समस्या परिवर्तनों को पॉलिसी संवेदनशीलता से अलग करने के लिए एक सैद्धांतिक ढांचा स्थापित करता है। यह एक ट्रांसफर बाउंड व्युत्पन्न करता है जो टारगेट प्रदर्शन को सोर्स प्रदर्शन, पैरामीट्रिक मिसमैच और स्ट्रक्चरल स्मूथनेस से जोड़ता है। यह ढांचा स्पष्ट रूप से "डायग्नोस्टिक" है, जिसका उद्देश्य सफलता की गारंटी देने के बजाय यह समझाना है कि क्यों ट्रांसफर विफल होता है।

B. प्रोटोकॉल-मैच्ड मल्टी-बैकएंड मूल्यांकन

यह अध्ययन नियंत्रित, प्रोटोकॉल-मैच्ड स्थितियों के तहत (सटीक, टेंसर-नेटवर्क, नॉइजी, इम्यूलेटर और हार्डवेयर) बैकएंड्स के एक स्पेक्ट्रम में समान प्रशिक्षित QRL चेकपॉइंट्स का मूल्यांकन करने वाला पहला अध्ययन है। यह कार्यप्रणाली वास्तविक ट्रांसफर व्यवहार को विशिष्ट सिम्युलेटर या हार्डवेयर नॉइज़ द्वारा उत्पन्न आर्टिफ़ेक्ट्स से अलग करती है।

C. तीन स्वतंत्र बाधाओं की पहचान

अध्ययन तीन अलग-अलग बाधाओं को अलग करता है जो घने, ऑल-टू-ऑल EQCs के स्केलेबल निष्पादन को रोकती हैं:

1. बाधा B1 (बैकएंड-प्रेरित सिग्नल लॉस): टेंसर-नेटवर्क सिमुलेशन (MPS) में, ऑल-टू-ऑल एंटैंगलमेंट ऐसा एंटैंगलमेंट विकास उत्पन्न करता है जो लो-बॉन्ड-डायमेंशन एप्रोक्सिमेशन को अमान्य कर देता है। बिना ट्रांसफर के भी (समान आकार के लिए), $\chi=64$ पर ट्रंकेशन एरर पॉलिसी क्वालिटी को नष्ट कर देता है (जैसे, $n=20$ के लिए 85% गैप), जिससे सिमुलेशन ट्रांसफर टेस्ट करने से पहले ही अविश्वसनीय हो जाता है।
2. बाधा B2 (क्रॉस-साइज़ ट्रांसफर डिग्रेडेशन): एक परफेक्ट बैकएंड के साथ भी, आकार के जंप ($m-n$) के बढ़ने के साथ प्रदर्शन सुचारू रूप से लेकिन पर्याप्त रूप से गिरता है। यह सैद्धांतिक ट्रांसफर बाउंड के अनुरूप है, जहाँ दंड सापेक्ष आकार जंप और स्ट्रक्चरल स्मूथनेस के साथ स्केल करता है।
3. बाधा B3 (फाइनाइट-शॉट निष्पादन दंड): हार्डवेयर पर, कैंडिडेट एक्शन्स (एक्शन मार्जिन) शॉट-नॉइज़ फ्लोर से नीचे गिर जाते हैं।
   • तंत्र (Mechanism): ग्रीडी निर्णय मार्जिन $\sim 6 \times 10^{-3}$ हैं, जबकि 4,096 शॉट्स पर शॉट-नॉइज़ फ्लोर $\sim 1.6 \times 10^{-2}$ है।
   • परिणाम: ग्रीडी निर्णय सांख्यिकीय रूप से अनसुलझे रह जाते हैं। शॉट्स बढ़ाने से केवल एक बिंदु तक मदद मिलती है; क्रॉसओवर के बाद, गेट-एरर बायस हावी हो जाता है।
   • परिमाणीकरण (Quantification): ट्रांसफर गैप स्टेटवेक्टर ($\sim 5\%$) से बढ़कर नॉइलेस इम्यूलेटर ($\sim 31.3\%$, केवल सैंपलिंग नॉइज़) और हार्डवेयर ($\sim 45.3\%$) तक बढ़ जाता है।

4. मुख्य परिणाम

• वैलिडेटेड रिजीम (Validated Regime): छोटे आकार के जंप (जैसे, $5 \to 10$ शहर) और सटीक सिमुलेशन के भीतर, ज़ीरो-शॉट ट्रांसफर सभी मूल्यांकनों में टारगेट साइज़ पर स्क्रैच से ट्रेनिंग करने की तुलना में बेहतर प्रदर्शन करता है।
• MPS की सीमाएँ: $n=20$ के लिए, $\chi=64$ का बॉन्ड डायमेंशन ट्रंकेशन एरर के कारण 85% ऑप्टिमलिटी गैप देता है, जबकि निकट-सटीक प्रदर्शन को पुनः प्राप्त करने के लिए $\chi=256$ की आवश्यकता होती है। यह इंगित करता है कि मध्यम आकार के ऑल-टू-ऑल EQCs के लिए मानक MPS सिमुलेशन अपर्याप्त है।
• हार्डवेयर प्रदर्शन:
  • क्वांटिनियम (ट्रैप्ड-आयन): 45.3% का औसत गैप प्राप्त किया। ट्रैप्ड आयनों की ऑल-टू-ऑल कनेक्टिविटी ने कुछ पॉलिसी स्ट्रक्चर को बनाए रखा, जिससे गैप रैंडम टूर (92.5%) के आधे के करीब रहा।
  • सुपरकंडक्टिंग (IBM, Rigetti, IQM): अनमिटिगेटेड डिवाइसेस में भारी गिरावट देखी गई (108–125% गैप), जो रैंडम टूर्स से बेहतर प्रदर्शन नहीं कर सके। इसका कारण सीमित लैटिस टोपोलॉजी के साथ ऑल-टू-ऑल कनेक्टिविटी को मैप करने के लिए आवश्यक SWAP ओवरहेड था, जिसने नेटिव टू-क्विबिट गेट काउंट को 153–172 तक बढ़ा दिया।
  • मिटिगेशन (Mitigation): एक पूरी तरह से मिटिगेटेड IBM डिवाइस ने गैप को 67.8% तक कम कर दिया, जो दर्शाता है कि एरर मिटिगेशन कनेक्टिविटी की जगह ले सकता है लेकिन गेट-एरर के कारण खोई हुई पॉलिसी स्ट्रक्चर को पूरी तरह से बहाल नहीं कर सकता।
• शॉट बजट: क्रॉसओवर पॉइंट (जहाँ शॉट नॉइज़ एक्शन मार्जिन से मिलता है) के बाद शॉट्स बढ़ाने से सुपरकंडक्टिंग डिवाइसेस पर प्रदर्शन में सुधार नहीं हुआ, जो पुष्टि करता है कि विफलता का मोड सांख्यिकीय विचलन से बदलकर व्यवस्थित गेट-एरर बायस में स्थानांतरित हो गया।

5. महत्व और दावे

यह पेपर स्पष्ट रूप से क्वांटम एडवांटेज का दावा नहीं करता। अध्ययन किया गया EQC आर्किटेक्चर क्लासिकली सिम्यूलेबल (Lie-algebraic तरीकों के माध्यम से) है, और लेखक इस सिम्यूलेबिलिटी का उपयोग ग्राउंड ट्रुथ स्थापित करने के लिए एक "मापन उपकरण" के रूप में करते हैं।

इस कार्य का महत्व निम्नलिखित में निहित है:

1. एक डायग्नोस्टिक मानक स्थापित करना: यह QRL दावों का मूल्यांकन करने के लिए एक कठोर, पुनरुत्पादक कार्यप्रणाली प्रदान करता है, जो इस बात पर जोर देता है कि "आदर्श सिमुलेशन में ट्रांसफर" का अर्थ "स्केलेबल निष्पादन" नहीं है।
2. मूल कारण की पहचान: अध्ययन इस विफलता का कारण एल्गोरिदम को नहीं, बल्कि आर्किटेक्चर के टोपोलॉजिकल स्रोत को बताता है: घना, ऑल-टू-ऑल कनेक्टिविटी। यह कनेक्टिविटी एंटैंगलमेंट ग्रोथ (B1), पैरामीट्रिक मिसमैच (B2), और अत्यधिक गेट काउंट के कारण नॉइज़ डोमिनेंस (B3) का कारण बनती है।
3. भविष्य की दिशा: लेखक निष्कर्ष निकालते हैं कि इस डोमेन में स्केलेबल क्वांटम ऑप्टिमाइज़ेशन के लिए आगे का रास्ता स्पार्स इक्वीवैरिएंट सर्किट डिज़ाइन है। कनेक्टिविटी को कम करना तीनों पहचाने गए अवरोधों को एक साथ कम करने के लिए आवश्यक आर्किटेक्चरल समाधान के रूप में प्रस्तुत किया गया है।

संक्षेप में, यह पेपर एक चेतावनी और नैदानिक अध्ययन के रूप में कार्य करता है, जो यह प्रदर्शित करता है कि हालांकि इक्वीवैरिएंट प्रायर्स (priors) सैद्धांतिक वादा प्रदान करते हैं, वर्तमान घने एंसेट (ansatzes) एंटैंगलमेंट स्केलिंग और शॉट-नॉइज़ सीमाओं के कारण सिमुलेशन और हार्डवेयर निष्पादन में अपूरणीय बाधाओं का सामना करते हैं।