⚛️ quantum physics

GCAMPS: A Scalable Classical Simulator for Qudit Systems

यह शोध पत्र GCAMPS को प्रस्तुत करता है, जो एक स्केलेबल क्लासिकल सिम्युलेटर है जो क्लिफोर्ड ऑग्मेंटेड मैट्रिक्स प्रोडक्ट स्टेट (CAMPS) पद्धति को क्वडिट सिस्टम के लिए सामान्यीकृत करता है, जो पारंपरिक टेंसर नेटवर्क दृष्टिकोणों की तुलना में, विशेष रूप से क्यूट्रिट सिमुलेशन के लिए, महत्वपूर्ण प्रदर्शन सुधार प्रदर्शित करता है।

मूल लेखक: Ben Harper, Azar C. Nakhl, Thomas Quella, Martin Sevior, Muhammad Usman

प्रकाशित 2026-01-28

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Ben Harper, Azar C. Nakhl, Thomas Quella, Martin Sevior, Muhammad Usman

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 साधारण कंप्यूटर पर एक जटिल क्वांटम सिस्टम का अनुकरण (simulate) करने की कोशिश कर रहे हैं। कंप्यूटर की मेमोरी को एक बैकपैक (पीठ पर टांगने वाला थैला) के रूप में सोचें।

समस्या: बैकपैक बहुत छोटा है
क्वांटम सिस्टम का अनुकरण करने के तरीके मानक (standard) तरीके ऐसे हैं जैसे एक छोटे से बैकपैक में पत्थरों के पहाड़ को भरने की कोशिश करना। जैसे-जैसे आप अपने सिमुलेशन में अधिक "क्वांटम कण" (जिन्हें क्वडिट्स कहा जाता है) जोड़ते हैं, उन्हें वर्णित करने के लिए आवश्यक जानकारी विस्फोटक रूप से बढ़ जाती है। एक साधारण कंप्यूटर के लिए, यह एक पूरे पहाड़ को एक ऐसे बैकपैक में ले जाने जैसा है जो केवल कुछ कंकड़ ही रख सकता है। अंततः, बैकपैक फट जाता है और सिमुलेशन क्रैश हो जाता है। यह विशेष रूप से उन प्रणालियों के लिए सच है जिनमें दो से अधिक अवस्थाएं (states) होती हैं (जैसे कि एक लाइट स्विच जो केवल ऑन/ऑफ होता है)। इन्हें क्विडिट्स (qudits) कहा जाता है (इन्हें ब्लैक एंड व्हाइट स्विच के बजाय बहु-रंगीन स्विच के रूप में सोचें)।

पुराना समाधान: "जादुई" शॉर्टकट
वैज्ञानिकों ने एक चतुर ट्रिक विकसित की है जिसे स्टेबलाइजर मेथड (Stabilizer Method) कहा जाता है। कल्पना करें कि यह एक विशेष मानचित्र (map) है जो केवल उन प्रणालियों के लिए काम करता है जो "सरल" या "अनुमानित" (Clifford circuits) हैं। यदि आपका क्वांटम सिस्टम सरल है, तो यह मानचित्र बहुत छोटा होता है और आपके बैकपैक में आसानी से फिट हो जाता है। हालांकि, यदि आपका सिस्टम जटिल हो जाता है (यानी "मैजिक" या नॉन-क्लिफोर्ड गेट्स जुड़ जाते हैं), तो वह मानचित्र बेकार हो जाता है, और आपको वापस पत्थरों के भारी पहाड़ के पास जाना पड़ता है।

नया समाधान: GCAMPS (हाइब्रिड बैकपैक)
लेखकों ने एक नया तरीका पेश किया है जिसे GCAMPS (Generalised Clifford Augmented Matrix Product State) कहा जाता है। इसे एक हाइब्रिड बैकपैक के रूप में सोचें जो दो रणनीतियों को जोड़ता है:

मानचित्र (Stabilizer): यह सिस्टम के "सरल" हिस्सों को एक छोटे, कुशल मानचित्र पर रखता है।
पत्थर (Tensor Network): यह "जटिल" हिस्सों को एक संकुचित ढेर के रूप में रखता है (एक मैट्रिक्स प्रोडक्ट स्टेट)।

GCAMPS की प्रतिभा यह है कि यह लगातार "जटिल" पत्थरों को वापस "सरल" मानचित्र निर्देशों में बदलने की कोशिश करता है। जब कोई जटिल ऑपरेशन होता है, तो सिस्टम इसे तोड़ देता है, जटिल हिस्सों को पत्थर के ढेर (rock stack) पर धकेल देता है, और फिर तुरंत एक "जादुई चाबी" (एक विशिष्ट क्लिफोर्ड ऑपरेशन) खोजने की कोशिश करता है ताकि उन पत्थरों को फिर से एक सरल मानचित्र में बदला जा सके। यह बैकपैक को हल्का बनाए रखता है।

बड़ी खोज: यह "बहु-रंगीन" स्विच के लिए और भी बेहतर काम करता है
लेखकों ने इस हाइब्रिड बैकपैक को क्विडिट्स (ऐसे सिस्टम जिनमें 3 या अधिक अवस्थाएं होती हैं, जैसे कि एक क्युट्रिट (qutrit) जिसमें तीन अवस्थाएं होती हैं: 0, 1 और 2) को संभालने के लिए अपग्रेड किया है।

चुनौती: इन 3-अवस्था वाली प्रणालियों का अनुकरण करना पुराने तरीकों के लिए बहुत कठिन है क्योंकि "पत्थर" बहुत जल्दी विशाल और भारी हो जाते हैं।
परिणाम: जब उन्होंने इन 3-अवस्था वाली प्रणालियों पर GCAMPS का परीक्षण किया, तो इसने न केवल काम किया; बल्कि यह मानक 2-अवस्था वाली प्रणालियों की तुलना में बेहतर प्रदर्शन कर रहा था।

क्यों?
कल्पना कीजिए कि आप भारी ईंटों के ढेर को ढोने की कोशिश कर रहे हैं (मानक तरीका)।

2-अवस्था वाली प्रणालियों के लिए, ईंटें छोटी होती हैं। हाइब्रिड बैकपैक मदद करता है, लेकिन सुधार ठीक-ठाक है।
3-अवस्था वाली प्रणालियों के लिए, ईंटें विशाल चट्टानें (boulders) बन जाती हैं। पुराना तरीका तुरंत विफल हो जाता है। हालांकि, GCAMPS हाइब्रिड बैकपैक उन विशाल चट्टानों को वापस एक छोटे मानचित्र में बदलने में इतना अच्छा है कि सुधार बहुत बड़ा है। यह 2-अवस्था वाली प्रणालियों की तुलना में 3-अवस्था वाली प्रणालियों के लिए बहुत अधिक मेमोरी और समय बचाता है।

निष्कर्ष (Bottom Line)
पेपर का दावा है कि GCAMPS वैज्ञानिकों को साधारण कंप्यूटरों पर 3 अवस्थाओं (क्युट्रिट्स) वाले जटिल क्वांटम सिस्टम को पहले की तुलना में बहुत अधिक कुशलता से सिम्युलेट करने की अनुमति देता है। यह सिद्ध करता है कि यह "हाइब्रिड बैकपैक" रणनीति इन अधिक जटिल प्रणालियों के लिए भी काम करती है, जो उन जटिल भौतिकी (जैसे कि विशिष्ट प्रकार की चुंबकीय श्रृंखलाएं) के अध्ययन का मार्ग खोलती है जिन्हें बिना वास्तविक क्वांटम कंप्यूटर के सिम्युलेट करना पहले असंभव था।

उन्होंने क्या दावा नहीं किया:

उन्होंने यह दावा नहीं किया कि यह चिकित्सा समस्याओं या नैदानिक (clinical) मुद्दों को हल करता है।
उन्होंने यह दावा नहीं किया कि यह एक कामकाजी क्वांटम कंप्यूटर बनाता है।
उन्होंने यह दावा नहीं किया कि यह सभी संभावित क्वांटम सिस्टम के लिए काम करता है (विशेष रूप से, डेटा को कंप्रेस करने के लिए "जादुई चाबियाँ" खोजना जैसे-जैसे सिस्टम बहुत बड़ा होता जाता है, कठिन होता जाता है, इसलिए अभी भी सीमाएं मौजूद हैं)।

तकनीकी सारांश: GCAMPS: क्वडिट सिस्टम के लिए एक स्केलेबल क्लासिकल सिम्युलेटर

समस्या विवरण
क्वांटम सिस्टम का क्लासिकल सिमुलेशन एक गणनात्मक रूप से कठिन (intractable) समस्या है जो सिस्टम के आकार के साथ खराब तरीके से स्केल करती है। पारंपरिक विधियों को विशिष्ट सीमाओं का सामना करना पड़ता है: स्टेट वेक्टर और डेंसिटी मैट्रिक्स सिमुलेशन क्वडिट्स की संख्या के साथ तेजी से (exponentially) बढ़ते हैं ( $O(d^n)$ ), जबकि टेंसर नेटवर्क विधियाँ (जैसे मैट्रिक्स प्रोडक्ट स्टेट्स, MPS) एंटैंगलमेंट (entanglement) के साथ स्केल करती हैं, और स्टेबलाइजर विधियाँ "मैजिक" (non-Clifford ऑपरेशन्स) के साथ स्केल करती हैं। जबकि हाइब्रिड दृष्टिकोण जैसे क्लिफोर्ड ऑगमेंटेड मैट्रिक्स प्रोडक्ट स्टेट (CAMPS) ने क्यूबिट सिस्टम ( $d=2$ ) को कुशलतापूर्वक सिमुलेट करने के लिए स्टेबलाइजर और टेंसर नेटवर्क तकनीकों को सफलतापूर्वक संयोजित किया है, इन विधियों को उच्च-आयामी क्वांटम सिस्टम (क्वाडिट्स, $d>2$ ) तक विस्तारित नहीं किया गया है। इसके अलावा, स्टेबलाइजर सिम्युलेटर को क्वडिट्स तक विस्तारित करना गैर-तुच्छ (non-trivial) है क्योंकि यूनिवर्सल एक्सटेंडेड स्टेबलाइजर सिम्युलेटर वास्तविक जटिलता के बावजूद नॉन-क्लिफोर्ड ऑपरेशन्स के साथ तेजी से स्केल करते हैं।

कार्यप्रणाली (Methodology)
लेखक GCAMPS (जनरलाइज्ड क्लिफोर्ड ऑगमेंटेड मैट्रिक्स प्रोडक्ट स्टेट) पेश करते हैं, जो एक हाइब्रिड क्लासिकल सिमुलेशन फ्रेमवर्क है जो произвольный (arbitrary) क्वांटम डिग्री ऑफ फ्रीडम ( $d$ ) के लिए CAMPS विधि का सामान्यीकरण करता है। यह विधि क्वांटम स्टेट को $|\psi\rangle = C|\text{MPS}\rangle$ के रूप में दर्शाती है, जहाँ $C$ एक क्लिफोर्ड ऑपरेशन है जिसे एक स्टेबलाइजर टेबलू द्वारा कुशलतापूर्वक दर्शाया जाता है, और $|\text{MPS}\rangle$ एक मैट्रिक्स प्रोडक्ट स्टेट है जो आदर्श रूप से एक प्रोडक्ट स्टेट के करीब रहता है।

सिमुलेशन वर्कफ़्लो में तीन प्राथमिक घटक शामिल हैं:

क्वाडिट स्टेबलाइजर फॉर्मलिज्म: लेखक $d$ -लेवल सिस्टम के लिए सामान्यीकृत पाउली ग्रुप और क्लिफोर्ड ग्रुप को परिभाषित करते हैं। वे सामान्यीकृत क्लिफोर्ड गेट्स (जिसमें $H_d$ , $S_d$ , और एंटैंगलिंग $SUM_d$ गेट शामिल हैं) के तहत स्टेबलाइजर टेबलू के लिए अपडेट नियम स्थापित करते हैं। टेबलू प्रविष्टियाँ $\mathbb{Z}_d$ के पूर्णांक (integers) होती हैं, और फेज़ (phases) को $\omega = \exp(2\pi i/d)$ द्वारा जनरेट किए गए मल्टीप्लिकेटिव ग्रुप के तत्वों के रूप में ट्रैक किया जाता है।
ऑपरेटर डीकंपोजिशन और कम्यूटेशन: जब एक नॉन-क्लिफोर्ड गेट (जैसे, $T$ गेट) लागू किया जाता है, तो इसे पाउली स्ट्रिंग्स के योग में विघटित (decompose) किया जाता है। इन स्ट्रिंग्स को फिर स्टेबलाइजर टेबलू का उपयोग करके क्लिफोर्ड ऑपरेटर $C$ के माध्यम से कम्यूट किया जाता है। यह प्रक्रिया स्थानीय नॉन-क्लिफोर्ड ऑपरेशन को सीधे MPS पर कार्य करने वाले संभावित रूप से नॉन-लोकल ऑपरेटर में बदल देती है।
एंटैंगलमेंट रिडक्शन (डिसेन्टैंगलर्स): MPS बॉन्ड डायमेंशन को फटने से रोकने के लिए, फ्रेमवर्क "डिसेन्टैंगलर्स" के लिए एक ह्यूरिस्टिक सर्च का उपयोग करता है—विशिष्ट क्लिफोर्ड ऑपरेशन्स ( $Q$ ) जो नॉन-क्लिफोर्ड ऑपरेशन के बाद MPS में एंटैंगलमेंट को कम करते हैं। इसके बाद क्लिफोर्ड $C$ को $\tilde{C} = CQ^\dagger$ के रूप में अपडेट किया जाता है। निम्न आयामों ( $d=2, 3$ ) के लिए, लेखक इष्टतम डिसेन्टैंगलर्स खोजने के लिए अद्वितीय दो-क्वाडिट एंटैंगलिंग क्लिफोर्ड्स पर एक विस्तृत खोज (exhaustive search) करते हैं।

प्रमुख योगदान

क्वाडिट्स के लिए सामान्यीकरण: यह पेपर पहली बार произвольный क्वांटम डिग्री ऑफ फ्रीडम, विशेष रूप से क्वट्रिट्स ( $d=3$ ) के विस्तार को प्रदर्शित करते हुए, क्वडिट्स के लिए CAMPS हाइब्रिड सिमुलेशन पद्धति को विस्तारित करने का प्रयास प्रदान करता है।
क्वाडिट स्टेबलाइजर कार्यान्वयन: यह क्वडिट स्टेबलाइजर सिमुलेशन के लिए गणितीय ढांचे का विवरण देता है, जिसमें सामान्यीकृत पाउली ऑपरेटर्स की परिभाषा, $\mathbb{Z}_d$ पर स्टेबलाइजर टेबलू की संरचना, और सामान्यीकृत क्लिफोर्ड गेट्स के लिए विशिष्ट अपडेट नियम शामिल हैं।
डिसेन्टैंगलर सर्च: लेखक अद्वितीय डिसेन्टैंगलर्स को पहचानने के लिए दो-क्वाडिट क्लिफोर्ड टेबलू को उत्पन्न करने और कैनोनिकलाइज करने की प्रक्रिया का वर्णन करते हैं, जिससे GCAMPS फ्रेमवर्क में MPS बॉन्ड डायमेंशन का अनुकूलन संभव होता है।

परिणाम
लेखकों ने क्यूबिट्स ( $d=2$ ) और क्वट्रिट्स ( $d=3$ ) दोनों के लिए रैंडम $T$ -डोपेड क्लिफोर्ड सर्किट्स का उपयोग करके पारंपरिक MPS सिमुलेशन के विरुद्ध GCAMPS का बेंचमार्किंग किया।

बॉन्ड डायमेंशन स्केलिंग: क्वट्रिट सिस्टम के लिए, GCAMPS सर्किट डेप्थ के एक महत्वपूर्ण हिस्से के लिए एक स्थिर बॉन्ड डायमेंशन शासन (regime) बनाए रखता है, जिसके परिणामस्वरूप सिस्टम साइज के साथ लीनियर मेमोरी स्केलिंग होती है। यह व्यवहार क्यूबिट सिमुलेशन में देखे गए स्केलिंग को दर्शाता है।
प्रदर्शन सुधार: उस शासन में जहाँ $T$ गेट्स की संख्या क्वडिट्स की संख्या से कम है, GCAMs पारंपरिक MPS की तुलना में रनटाइम और मेमोरी उपयोग दोनों में महत्वपूर्ण सुधार प्रदर्शित करता है।
क्वोट्रिट बनाम क्यूबिट दक्षता: उल्लेखनीय रूप से, पारंपरिक MPS की तुलना में GCAMPS का प्रदर्शन लाभ क्यूबिट्स की तुलना में क्वट्रिट्स के लिए अधिक है। यह इस तथ्य के कारण है कि क्वट्रिट्स के लिए पारंपरिक MPS सिमुलेशन को काफी बड़े मैट्रिसेस को डीकंपोज करने की आवश्यकता होती है ( $2^{N/2}$ के बजाय $3^{N/2}$ ) और वे बॉन्ड डायमेंशन को बहुत तेज़ी से संतृप्त (saturate) करते हैं। इसके विपरीत, GCAMPS प्रभावी बॉन्ड डायमेंशन को कम रखता है (क्विबिट्स के लिए 2 के मुकाबले क्वट्रिट्स के लिए लगभग 3), जिससे बड़ा सापेक्ष सुधार मिलता है।
सीमाएँ: डिसेन्टैंगलर्स के लिए विस्तृत खोज (exhaustive search) $d$ के साथ एक्सपोनेंशियल रूप से स्केल करती है, जो वर्तमान में इस विशिष्ट खोज पद्धति के व्यावहारिक अनुप्रयोग को निम्न क्वांटम डिग्री ऑफ फ्रीडम ( $d \leq 3$ ) तक सीमित करती है।

महत्व
पेपर का दावा है कि GCAMPS उन क्वांटम समस्याओं के क्लासिकल सिमुलेशन को सक्षम बनाता है जो क्वांटम हार्डवेयर तक पहुँच के बिना पहले अगम्य (intractable) थे, विशेष रूप से उच्च-आयामी अवस्था स्थानों (state spaces) वाले सिस्टम के लिए। उच्च-आयामी क्वांटम सिस्टम, जैसे स्पिन-वन सिस्टम (उदाहरण के लिए, द्विपक्षीय-बाइक्वाड्रेटिक स्पिन चेन) और स्पिन-1/2 सिस्टम से परे टोपोलॉजिकल फेज ट्रांजिशन के अध्ययन के लिए हाइब्रिड स्टेबलाइजर-टेंसर नेटवर्क विधियों को एक व्यवहार्य और अत्यधिक कुशल पथ के रूप में प्रस्तुत करके, यह कार्य नए मार्ग खोलता है। परिणाम बताते हैं कि हाइब्रिड स्टेबलाइजर-टेंसर नेटवर्क विधियाँ उच्च-आयामी क्वांटम सिस्टम के सिमुलेशन के लिए एक व्यवहार्य और अत्यधिक कुशल मार्ग हैं, विशेष रूप से वहां जहां सर्किट का "मैजिक" कंटेंट मध्यम होता है।

इसी तरह के और पेपर