Adaptive time Compressed QITE (ACQ) and its geometrical interpretation

यहाँ शोध पत्र "Adaptive time Compressed QITE (ACQ) and its geometrical interpretation" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

ग्राउंड स्टेट प्रिपरेशन (Ground State Preparation) क्वांटम कंप्यूटिंग में एक मौलिक कार्य है जिसके अनुप्रयोग सामग्री विज्ञान, रसायन विज्ञान और अनुकूलन (optimization) में हैं। इमेजिनरी टाइम इवोल्यूशन (ITE) ग्राउंड स्टेट खोजने के लिए एक शक्तिशाली शास्त्रीय विधि है, क्योंकि $e^{-\tau \hat{H}}$ का घातांकीय क्षय (exponential decay) उत्तेजित अवस्थाओं (excited states) को दबा देता है, जिससे केवल ग्राउंड स्टेट शेष रह जाती है।

हालाँकि, क्वांटम हार्डवेयर पर ITE को लागू करना चुनौतीपूर्ण है क्योंकि:

• गैर-यूनिटैरिटी (Non-unitarity): ITE एक गैर-यूनिटैरिटी और गैर-रैखिक प्रक्रिया है, जबकि क्वांटम कंप्यूटर मूल रूप से यूनिटैरिटी ऑपरेशंस निष्पादित करते हैं।
• संसाधन लागत (Resource Cost): मानक क्वांटम इमेजिनरी टाइम इवोल्यूशन (QITE) एल्गोरिदम ITE को यूनिटरी ऑपरेटरों के अनुक्रम का उपयोग करके अनुमानित करता है। इसके लिए आवश्यक है:
  • प्रत्येक टाइम स्टेप पर एक बड़े रैखिक समीकरण निकाय (linear system of equations) को हल करना (शास्त्रीय लागत)।
  • प्रत्याशा मानों (expectation values) का अनुमान लगाने के लिए मिड-सर्किट मापन करना (क्वांटम रनटाइम लागत)।
  • गहरे सर्किट (deep circuits), क्योंकि इवोल्यूशन समय के साथ यूनिटरी स्टेप्स की संख्या बढ़ती है।

मौजूदा अनुकूलन (जैसे कंप्रेस्ड QITE या वेरिएशनल दृष्टिकोण) अक्सर गहराई (depth) के लिए सटीकता से समझौता करते हैं या बैरन प्लेटो (barren plateaus) से ग्रस्त होते हैं। एक ऐसे एल्गोरिदम की आवश्यकता है जो उच्च फिडेलिटी (fidelity) बनाए रखते हुए अनुकूलन चरणों की संख्या और सर्किट की गहराई को कम कर सके।

2. कार्यप्रणाली: अडैप्टिव-टाइम कंप्रेस्ड QITE (ACQ)

लेखक ACQ का प्रस्ताव करते हैं, जो एक अभिनव एल्गोरिदम है जो ITE के ज्यामितीय गुणों पर आधारित अडैप्टिव टाइम स्टेपिंग को सर्किट कंप्रेशन के साथ जोड़ता है।

A. ज्यामितीय प्रेरणा (Geometric Motivation)

• ग्रेडिएंट फ्लो के रूप में ITE: ITE को ऊर्जा को कम करने वाले कॉम्प्लेक्स प्रोजेक्टिव प्लेन ($CP^N$) पर एक रिमानियन ग्रेडिएंट डिसेंट फ्लो (Riemannian gradient descent flow) के रूप में वर्णित किया गया है।
• जियोडेसिक व्यवहार (Geodesic Behavior): रैंक-2 हैमिल्टोनियन (और सिंगल-क्यूबिट सिस्टम) के लिए, ITE प्रक्षेपवक्र (trajectory) सटीक रूप से एक जियोडेसिक (अवस्थाओं के बीच का सबसे छोटा पथ) का अनुसरण करता है। उच्च-रैंक हैमिल्टोनियन के लिए, प्रक्षेपवक्र जियोडेसिक से विचलित हो जाता है, विशेष रूप से जैसे-जैसे सिस्टम का आकार ($N$) बढ़ता है।
• मुख्य अंतर्दृष्टि (Key Insight): यदि प्रक्षेपवक्र एक जियोडेसिक के करीब है, तो छोटे अंतराल के दौरान यूनिटरी जनरेटर की दिशा महत्वपूर्ण रूप से नहीं बदलती है। इसलिए, हर छोटे टाइम स्टेप पर एक नया यूनिटरी पुनर्गणना करना अक्षम है। इसके बजाय, एक ही यूनिटरी को कई बार तब तक पुनः उपयोग किया जा सकता है जब तक कि अवस्था इष्टतम पथ से काफी विचलित न हो जाए।

B. ACQ एल्गोरिदम

एल्गोरिदम निम्नलिखित चरणों के साथ पुनरावृत्ति (iteratively) से आगे बढ़ता है:

1. QIT रूटीन: वर्तमान अवस्था $|\psi_{m-1}\rangle$ के लिए मानक QITE प्रक्रिया (एक विशिष्ट डोमेन आकार $D$ के लिए रैखिक निकाय को हल करना) का उपयोग करके स्थानीय यूनिटरी जनरेटर $\hat{A}_{m,k}$ की गणना करें।
2. यूनिटरी निर्माण: एक वैश्विक यूनिटरी $\hat{U}_m = \prod_k e^{-i\Delta\tau \hat{A}_{m,k}}$ का निर्माण करें।
3. अडैप्टिव प्रोपेगेशन (लाइन सर्च): $\hat{U}_m$ को एक बार लागू करने के बजाय, एल्गोरिदम इसे बार-बार लागू करता है: $|\psi\rangle \leftarrow (\hat{U}_m)^l |\psi\rangle$।
4. स्टॉपिंग क्राइटेरिया (Stopping Criterion): पुनरावृत्ति तब तक जारी रहती है जब तक कि ऊर्जा प्रत्याशा मान $E(l)$ घटता रहता है। यह प्रक्रिया तब रुक जाती है जब $E(l+1) > E(l)$ हो जाता है, जो यह दर्शाता है कि अवस्था ग्रेडिएंट डिसेंट पथ से विचलित हो गई है। इष्टतम अडैप्टिव टाइम स्टेप $\Delta\tau_m = l \cdot \Delta\tau$ है।
5. सर्किट कंप्रेशन: $\hat{U}_m$ के बार-बार अनुप्रयोग के कारण सर्किट की गहराई को बढ़ने से रोकने के लिए, यूनिटरी के अनुक्रम को एक सिंगल वन-पैरामीटर यूनिटरी ग्रुप $\hat{V}_m(\tau) = e^{-i\tau \sum_k \hat{A}_{m,k}}$ में संकुचित (compress) किया जाता है। यह निरंतर विकास को एक निश्चित-गहराई वाले सर्किट के साथ सिम्युलेट करने की अनुमति देता है जहाँ विभिन्न टाइम स्टेप्स गेट्स के पैरामीटर री-शेड्यूलिंग के अनुरूप होते हैं।

3. मुख्य योगदान (Key Contributions)

1. एल्गोरिद्मिक नवाचार (ACQ): एक ऐसे एल्गोरिदम का परिचय जो ऊर्जा न्यूनीकरण के आधार पर टाइम स्टेप्स को गतिशील रूप से समायोजित करता है, जिससे महंगे QITE सब-रूटीन (रैखिक निकाय समाधान और मापन) को कॉल करने की संख्या काफी कम हो जाती है।
2. ज्यामितीय व्याख्या: शोध पत्र फ्यूबिनी-स्टडी दूरी (Fubini-Study distance) और जियोडेसिक विश्लेषण का उपयोग करके एक कठोर ज्यामितीय ढांचा प्रदान करता है ताकि यह समझाया जा सके कि ACQ क्यों काम करता है। यह ITE/ACQ प्रक्षेपवक्रों के आदर्श जियोडेसिक से विचलन को मापता है, यह दिखाते हुए कि छोटे सिस्टम या विशिष्ट हैमिल्टोनियन के लिए, पथ लगभग जियोडेसिक होता है, जो यूनिटरी के पुन: उपयोग को न्यायसंगत बनाता है।
3. संसाधन दक्षता:
   • कम मापन (Reduced Measurements): चूंकि QITE रूटीन कम बार निष्पादित किया जाता है, इसलिए कम मिड-सर्किट मापन की आवश्यकता होती है।
   • निश्चित सर्किट गहराई (Fixed Circuit Depth): कंप्रेशन के माध्यम से, सर्किट की गहराई प्रबंधनीय रहती है, भले ही इवोल्यूशन का समय लंबा हो, जैसा कि मानक QITE में होता है जहाँ गहराई स्टेप्स की संख्या के साथ रैखिक रूप से बढ़ती है।
4. सैद्धांतिक विश्लेषण: लेखक ITE अभिसरण समय (convergence time) पर सीमाएं (bounds) निकालते हैं और सिद्ध करते हैं कि रैंक-2 हैमिल्टोनियन के लिए, ITE और QITE सटीक जियोडेसिक का पालन करते हैं, जो अडैप्टिव रणनीति के लिए एक सैद्धांतिक आधार प्रदान करता है।

4. परिणाम (Results)

लेखकों ने विभिन्न सिस्टम आकार ($N$) और लोकैलिटी पैरामीटर ($D$) के साथ ट्रांसवर्स फील्ड आइसिंग मॉडल (TFIM) पर ACQ का परीक्षण किया।

• फिडेलिटी (Fidelity): ACQ मानक QITE के समान अंतिम फिडेलिटी प्राप्त करता है। डिसऑर्डर्ड फेज ($J=0.5, h=1$) में, दोनों विधियाँ एकता के करीब फिडेलिटी तक पहुँचती हैं। ऑर्डर्ड फेज ($J=1, h=0.5$) में, स्पेक्ट्रल गैप संबंधी समस्याओं के कारण दोनों समान रूप से संघर्ष करती हैं, जो पुष्टि करता है कि ACQ गति के लिए सटीकता से समझौता नहीं करता है।
• स्टेप रिडक्शन (Step Reduction): समान ऊर्जा न्यूनतम तक पहुँचने के लिए ACQ को मानक QITE की तुलना में काफी कम अनुकूलन चरणों (QITE रूटीन निष्पादन) की आवश्यकता होती है। उदाहरण के लिए, $N=8$ और $D=4$ के साथ सिमुलेशन में, ACQ ने चरणों की संख्या को बड़े अंतर से कम कर दिया।
• प्रक्षेपवط विश्लेषण (Trajectory Analysis): हालांकि ACQ प्रक्षेपवक्र (कोर्सर टाइम स्टेप्स के कारण) आदर्श ITE पथ से अधिक विचलित होते हैं, लेकिन यह विचलन उच्च-गुणवत्ता वाले ग्राउंड स्टेट तैयारी पर नकारात्मक प्रभाव नहीं डालता है। यह सुझाव देता है कि उच्च-गुणवत्ता वाली ग्राउंड स्टेट तैयारी के लिए सटीक जियोडेसिक का पालन करना अनिवार्य नहीं है।
• गेट काउंट (Gate Count): गेट काउंट का विश्लेषण (Qiskit ट्रांसपाइलेशन का उपयोग करके) दिखाता है कि जबकि ACQ का एक एकल स्टेप QITE के समान गेट लागत रखता है, कुल सर्किट गहराई बहुत कम है क्योंकि ACQ कम स्टेप्स लेता है।

5. महत्व (Significance)

• NISQ उपयुक्तता: ACQ 'नोइजी इंटरमीडिएट-स्केल क्वांटम' (NISQ) युग के लिए अत्यधिक प्रासंगिक है। मापन को कम करके और एक निश्चित सर्किट गहराई बनाए रखकर, यह शोर संचय (noise accumulation) और मापन ओवरहेड को कम करता है, जो वर्तमान क्वांटम हार्डवेयर के लिए प्राथमिक बाधाएँ हैं।
• स्केलेबिलिटी: यह विधि ग्राउंड स्टेट तैयारी को बड़े सिस्टम तक स्केल करने का एक मार्ग प्रदान करती है जहाँ मानक QITE, रैखिक निकाय के घातांकीय विकास और सर्किट गहराई के कारण कम्प्यूटेशनल रूप से अव्यवहार्य हो जाता है।
• सैद्धांतिक सेतु: यह कार्य अमूर्त ज्यामितीय अवधारणाओं ( $CP^N$ में जियोडेसिक्स) और व्यावहारिक क्वांटम एल्गोरिदम डिजाइन के बीच के अंतर को पाटता है, जो वेरिएशनल क्वांटम एल्गोरिदम को अनुकूलित करने के लिए एक नया दृष्टिकोण प्रदान करता है।

निष्कर्षतः, ACQ कुशल क्वांटम ग्राउंड स्टेट तैयारी के लिए एक महत्वपूर्ण कदम है, जो समाधान की सटीकता से समझौता किए बिना संसाधन लागत को कम करने के लिए ज्यामितीय अंतर्दृष्टि का लाभ उठाता है।