⚛️ quantum physics

Cyclic Hypergraph Product Code

यह शोध पत्र साइक्लिक हाइपरग्राफ प्रोडक्ट (CxC) कोड्स, विशेष रूप से C2 और CxR वेरिएंट्स को प्रस्तुत करता है, जो वैश्विक चक्रीय समरूपताओं (global cyclic symmetries) और गहन खोज (exhaustive search) का लाभ उठाकर मौजूदा क्वांटम LDPC कोड्स की तुलना में लॉजिकल एरर रेट्स और क्यूबिट दक्षता में काफी बेहतर प्रदर्शन करते हैं, साथ ही ट्रैप्ड आयन आर्किटेक्चर के लिए कुशल कॉन्स्टेंट-डेप्थ सिंड्रोम एक्सट्रैक्शन को सक्षम करते हैं।

मूल लेखक: Arda Aydin, Nicolas Delfosse, Edwin Tham

प्रकाशित 2026-03-23

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Arda Aydin, Nicolas Delfosse, Edwin Tham

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 तूफानी समुद्र के पार एक कीमती, नाजुक संदेश भेजने की कोशिश कर रहे हैं। क्वांटम कंप्यूटिंग की दुनिया में, वह संदेश एक "लॉजिकल क्यूबिट" (logical qubit) है, और तूफान "शोर" (noise/त्रुटियाँ) है जो लगातार आपके डेटा को बिगाड़ने की कोशिश करता है। इस तूफान से बचने के लिए, आप केवल संदेश की एक प्रति नहीं भेजते; आप कई प्रतियां भेजते हैं, जिन्हें एक चतुर पैटर्न में व्यवस्थित किया जाता है ताकि यदि कुछ क्षतिग्रस्त हो जाएं, तो भी आप मूल संदेश का पता लगा सकें। इसे क्वांटम एरर करेक्शन (Quantum Error Correction) कहा जाता है।

लंबे समय तक, इसके लिए "गोल्ड स्टैंडर्ड" सरफेस कोड (Surface Code) रहा है। इसे एक मजबूत, सपाट रजाई की तरह समझें। यह बहुत विश्वसनीय है, लेकिन यह भारी और बोझिल है। सूचना के एक टुकड़े की रक्षा करने के लिए, आपको कपड़े की एक विशाल मात्रा (क्यूबिट्स) की आवश्यकता होती है। यह एक अकेले बर्फ के टुकड़े (snowflake) को गर्म रखने के लिए एक भारी, मोटे ऊनी कोट का उपयोग करने जैसा है।

हाल ही में, वैज्ञानिकों ने एक नया प्रकार का "कपड़ा" खोजा जिसे हाइपरग्राफ प्रोडक्ट (HGP) कोड्स कहा जाता है। ये हल्के, हाई-टेक मेश (mesh) की तरह हैं। ये सूचना को उतनी ही अच्छी तरह से सुरक्षित कर सकते हैं जितना कि वह भारी रजाई, लेकिन इनके लिए बहुत कम क्यूबिट्स की आवश्यकता होती है। हालांकि, इस मेश के लिए एक परफेक्ट पैटर्न खोजना घास के ढेर में सुई खोजने जैसा था।

समस्या: बहुत सारे विकल्प

शोधकर्ता मशीन लर्निंग (ML) का उपयोग करके इन कोड्स को अनुकूलित (optimize) करने की कोशिश कर रहे थे। कल्पना कीजिए कि एक रोबोट छोटे पैच को बेतरतीब ढंग से काट और सिलकर एक बेहतर डिज़ाइन खोजने की कोशिश कर रहा है। हालांकि इससे मदद मिली, लेकिन रोबोट केवल छोटे, स्थानीय बदलावों को देख रहा था। यह एक विशाल जिग्सॉ पहेली को केवल एक कोने को देखकर हल करने जैसा था। वह बड़ी तस्वीर को देखने से चूक गया।

समाधान: "साइक्लिक" (Cyclic) रहस्य

इस पेपर के लेखकों (IonQ और यूनिवर्सिटी ऑफ मैरीलैंड से) ने अनुमान लगाना बंद करने और समरूपता (Symmetry) लागू करने का निर्णय लिया।

रोबोट को बेतरतीब ढंग से भटकने देने के बजाय, उन्होंने कहा: "आइए केवल ऐसे रजाई बनाएं जो उन्हें घुमाने पर भी एक जैसी दिखें।"

उन्होंने साइक्लिक कोड्स (Cyclic Codes) नामक एक विशिष्ट प्रकार के कोड पर ध्यान केंद्रित किया।

उपमा: मोतियों से बने एक हार की कल्पना करें। यदि आप मोतियों को एक स्थान दाईं ओर खिसकाते हैं, तो हार बिल्कुल वैसा ही दिखता है। यही "साइक्लिक" है।
इन क्वांटम कोड्स को इस "हार वाली समरूपता" (necklace symmetry) देने के बल पर, उन्होंने संभावनाओं की संख्या को नाटकीय रूप रूप से कम कर दिया। अरबों रैंडम पैटर्न खोजने के बजाय, उन्हें केवल कुछ हज़ार सममित (symmetrical) पैटर्न खोजने पड़े।

उन्होंने इन सममित कोड्स के दो मुख्य प्रकार बनाए:

C² कोड्स (दर्पण): एक कोड जो एक साइक्लिक पैटर्न को खुद से गुणा करके बनाया जाता है। यह एक पैटर्न के सटीक प्रतिबिंब (reflection) को लेकर उन्हें आपस में सिलने जैसा है।
CxR कोड्स (दोहराव): एक साइक्लिक पैटर्न जिसे एक साधारण "रिपीटेशन" पैटर्न (जैसे समान मोतियों की एक पंक्ति) से गुणा किया जाता है।

परिणाम: एक बड़ी छलांग

जब उन्होंने इन नए, सममित कोड्स का परीक्षण किया, तो परिणाम चौंकाने वाले थे।

बेहतर सुरक्षा: कंप्यूटर सिमुलेशन में, ये नए कोड्स पिछले सर्वश्रेष्ठ मशीन लर्निंग द्वारा खोजे गए कोड्स की तुलना में त्रुटियों को रोकने में 1,000 गुना बेहतर थे।
दक्षता (Efficiency): उनके कुछ नए कोड्स इतने कुशल थे कि उन्होंने वर्तमान अत्याधुनिक "बाइसिकल कोड्स" (Bicycle Codes - एक अन्य हालिया सफलता) की तुलना में कम क्यूबिट्स का उपयोग किया, जबकि बेहतर सुरक्षा भी प्रदान की।
समझौता (Trade-off): एकमात्र कमी यह है कि ये कोड थोड़े लंबे हैं (वे एक ही ब्लॉक में अधिक कुल क्यूबिट्स का उपयोग करते हैं), लेकिन चूंकि वे प्रति क्यूबिट बहुत अधिक कुशल हैं, इसलिए समग्र परिणाम एक बड़ी जीत है।

हार्डवेयर: क्यूबिट्स के लिए एक कन्वेयर बेल्ट

इस पेपर का सबसे दिलचस्प हिस्सा केवल गणित नहीं है; बल्कि यह है कि यह वास्तविक हार्डवेयर में कैसे फिट बैठता है।

अधिकांश क्वांटम कंप्यूटर ग्रिड के डॉट्स की तरह होते हैं जहाँ आप केवल पड़ोसियों को छू सकते हैं। लेकिन लेखकों ने महसूस किया कि क्योंकि उनके कोड "साइक्लिक" (एक हार की तरह) हैं, इसलिए उन्हें 2-रो (2-row) कन्वेयर बेल्ट पर व्यवस्थित किया जा सकता है।

सेटअप: दो समानांतर ट्रैकों की कल्पना करें। ऊपरी ट्रैक आपके डेटा (संदेश) को रखता है, और निचला ट्रैक "हेल्पर्स" (अन्सिला क्यूबिट्स/ancilla qubits) को रखता है जो त्रुटियों की जांच करते हैं।
जादुई चाल: हर एक डेटा पॉइंट की जांच करने के लिए हर एक हेल्पर को हिलाने के बजाय (जिसमें बहुत समय लगता है), पूरा निचला ट्रैक खिसक (slide/shift) सकता है।
क्योंकि कोड सममित है, ट्रैक को खिसकाने से हेल्पर्स ठीक उन्हीं डेटा पॉइंट्स के साथ संरेखित (align) हो जाते हैं जिन्हें उन्हें चेक करना होता है।

यह कंप्यूटर को कोड के आकार के बावजूद कॉन्स्टेंट टाइम (constant time) में त्रुटियों की जांच करने की अनुमति देता है। यह एक ऐसी कन्वेयर बेल्ट की तरह है जो इंस्पेक्टर के हर आइटम के पास आने का इंतज़ार करने के बजाय, स्वचालित रूप से हर आइटम को इंस्पेक्टर के सामने ले आती है। यह ट्रैप्ड आयन (Trapped Ion) कंप्यूटरों (जहाँ आयनों को भौतिक रूप से इधर-उधर ले जाया जा सकता है) और अन्य भविष्यवादी क्वांटम मशीनों के लिए एकदम सही है।

सारांश

संक्षेप में, यह पेपर बेहतर क्वांटम कोड्स के लिए रैंडम खोज को रोकने और इसके बजाय एक सुंदर, सममित संरचना (जैसे घूमता हुआ हार) लागू करने के बारे में है।

उन्होंने एक बेहतर पैटर्न खोजा: समरूपता का उपयोग करके, उन्होंने पिछले तरीकों की तुलना में त्रुटियों को रोकने में 1,000 गुना अधिक प्रभावी कोड खोजे।
उन्होंने इसे व्यावहारिक बनाया: उन्होंने एक ऐसा लेआउट डिज़ाइन किया जहाँ क्वांटम कंप्यूटर त्रुटियों की जांच करने के लिए अपने घटकों को "स्लाइड" कर सकता है, जिससे वास्तविक जीवन में इन कोड्स को बनाना बहुत आसान हो जाता है।

यह हमें याद दिलाता है कि कभी-कभी, एक अराजक समस्या को हल करने का सबसे अच्छा तरीका अधिक कंप्यूटिंग पावर डालना नहीं है, बल्कि थोड़ा सा क्रम और समरूपता लागू करना है।

यहाँ अयीदिन, डेलफोसे और थैम के शोध पत्र "Cyclic Hypergraph Product Codes" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

क्वांटम लो-डेंसिटी पैरिटी-चेक (LDPC) कोड, विशेष रूप से हाइपरग्राफ प्रोडक्ट (HGP) कोड, अपने निरंतर एनकोडिंग रेट और बहुपद न्यूनतम दूरी (polynomial minimum distances) के कारण फॉल्ट-टोलरेंट क्वांटम कंप्यूटिंग के लिए आशाजनक उम्मीदवार हैं। हालाँकि, व्यावहारिक, सर्किट-लेवल सिमुलेशन में सरफेस कोड से बेहतर प्रदर्शन करने के लिए HGP कोड को अनुकूलित करना एक महत्वपूर्ण चुनौती बनी हुई है।

पिछले अनुकूलन रणनीतियों ने निम्नलिखित पर भरोसा किया है:

क्लासिकल तकनीकें: स्थानीय ट्रैपिंग सेट को समाप्त करने के लिए प्रोग्रेसिव एज ग्रोथ।
रैंडम सर्च: रैंडम HGP इंस्टेंस जेनरेट करना और सर्वश्रेष्ठ प्रदर्शन करने वालों का चयन करना।
मशीन लर्निंग (ML): कोड संरचनाओं पर स्थानीय रूपांतरण (local transformations) करने के लिए रीइन्फोर्समेंट लर्निंग या सिम्युलेटेड एनीलिंग का उपयोग करना।

मुख्य सीमा: HGP कोड के लिए सर्च स्पेस बहुत विशाल है। ML-आधारित दृष्टिकोण अक्सर लोकल ऑप्टिमा में फंस जाते हैं और उन वैश्विक समरूपताओं (global symmetries) को खोजने में संघर्ष करते हैं जो प्रदर्शन को महत्वपूर्ण रूप से बढ़ा सकती हैं। इसके अलावा, मौजूदा अनुकूलित HGP कोड अक्सर जटिल, मल्टी-लेयर लेआउट (जैसे, 4 प्लेनर लेयर्स) की मांग करते हैं जो कुछ हार्डवेयर आर्किटेक्चर पर लागू करना कठिन होता है।

2. कार्यप्रणाली (Methodology)

लेखक स्थानीय, ML-संचालित अनुकूलन से वैश्विक समरूपता थोपने (global symmetry imposition) और व्यापक खोज (exhaustive search) के संयोजन की ओर एक प्रतिमान परिवर्तन (paradigm shift) का प्रस्ताव करते हैं।

चक्रीय समरूपता (Cyclic Symmetry): रैंडम मैट्रिसेस के बजाय, लेखक खोज क्षेत्र को चक्रीय कोडों (cyclic codes) से निर्मित HGP कोड तक सीमित करते हैं। वे CxC कोड्स को दो चक्रीय कोडों के हाइपरग्राफ प्रोडक्ट के रूप में परिभाषित करते हैं।
उप-परिवार (Sub-families): खोज को व्यापक बनाने के लिए, वे दो विशिष्ट सममित उप-परिवारों पर ध्यान केंद्रित करते हैं:
1. C² कोड: एक चक्रीय कोड का स्वयं के साथ उत्पाद ( $A=B$ )।
2. C×R कोड: एक चक्रीय कोड का रिपिटिशन कोड के साथ उत्पाद ( $B(y) = 1+y$ )।
सर्च स्पेस: उन्होंने सभी क्लासिकल चक्रीय कोड्स पर एक व्यापक ब्रूट-फोर्स सर्च किया जिनका ब्लॉक लेंथ $n_c \le 40$ और चेक वेट $w \in [2, 5]$ है। इसके परिणामस्वरूप 3,200 तक की ब्लॉक लेंथ और 10 तक के स्टेबलाइजर वेट वाले HGP कोड प्राप्त हुए।
प्रदर्शन मूल्यांकन:
- सिमुलेशन: डिपोलराइजिंग नॉइज़ मॉडल के साथ Stim सिम्युलेटर का उपयोग करके सर्किट-लेवल सिमुलेशन किए गए।
- डिकोडिंग: बेलिफ प्रोपेगेशन (BP) को ऑर्डर्ड स्टैटिस्टिक्स डिकोडिंग (OSD) के साथ उपयोग किया गया (10,000 BP इटरेशन, 5वीं-ऑर्डर OSD)।
- मेट्रिक्स: विभिन्न कोड रेट्स के बीच निष्पक्ष तुलना करने के लिए लॉजिकल एरर रेट को लॉजिकल क्यूबिट्स और सिंड्रोम राउंड्स की संख्या के आधार पर नॉर्मलाइज किया गया।

3. मुख्य योगदान (Key Contributions)

A. उच्च-प्रदर्शन वाले चक्रीय HGP कोडों की खोज

लेखकों ने विशिष्ट C² और C×R कोड्स की खोज की जो पिछले स्टेट-ऑफ-द-आर्ट ML-ऑप्टिमाइज्ड HGP कोड्स से काफी बेहतर प्रदर्शन करते हैं।

C² कोड: एक [[882, 50, 10]] C² कोड $10^{-3}$ के फिजिकल एरर रेट पर $2 \times 10^{-8}$ से कम का लॉजिकल एरर रेट प्राप्त करता है। यह ML-ऑप्टिमाइज्ड [[625, 25, 8]] कोड (जिसने $\approx 2 \times 10^{-5}$ प्राप्त किया था) की तुलना में तीन ऑर्डर ऑफ मैग्नीट्यूड बेहतर है।
BB कोड्स के साथ तुलना: नए C² कोड हाल ही में खोजे गए बाइवेरिएट बाइसिकल (BB) कोड्स के समान प्रदर्शन प्राप्त करते हैं। विशेष रूप से, कुछ C² कोड्स BB कोड्स की तुलना में कम लॉजिकल एरर रेट और छोटा क्यूबिट ओवरहेड प्रदान करते हैं, हालांकि इनका ब्लॉक लेंथ अधिक है।
C×R कोड्स: अपनी सरल संरचना (रिपिटिशन कोड के साथ उत्पाद) के बावजूद, ये कोड्स लॉजिकल एरर रेट में ML-ऑप्टिमाइज्ड HGP कोड्स से बेहतर प्रदर्शन करते हैं, जो थोड़े कम एनकोडिंग रेट के साथ बेहतर सर्किट-लेवल प्रदर्शन का ट्रेड-ऑफ प्रदान करते हैं।

B. QCCD आर्किटेक्चर के लिए कुशल प्लेनर लेआउट

चक्रीय समरूपता का लाभ उठाते हुए, लेखकों ने क्वांटम चार्ज-कपल-डिवाइस (QCCD) आर्किटेक्चर (जो ट्रैप्ड आयन सिस्टम में सामान्य है) के अनुकूल एक 2×n मॉड्यूलर लेआउट डिजाइन किया है।

संरचना: डेटा क्यूबिट्स को एक पंक्ति में और एंसिला (ancilla) क्यूबिट्स को दूसरी पंक्ति में रखा जाता है।
तंत्र: एक चक्रीय शिफ्ट (cyclic shift) ऑपरेशन एंसिला क्यूबिट्स को उन विशिष्ट डेटा क्यूबिट्स के साथ संरेखित करने के लिए मूव करता है जिनके साथ उन्हें इंटरैक्ट करने की आवश्यकता होती है।
डेप्थ: यह लेआउट कॉन्स्टेंट-डेप्थ सिंड्रोम एक्सट्रैक्शन की अनुमति देता है। प्रति राउंड सर्किट डेप्थ चेक वेट्स के सापेक्ष रैखिक ( $O(w)$ ) है, लेकिन ब्लॉक लेंथ के संबंध में स्थिर (constant) है, जो इसे अत्यधिक स्केलेबल बनाता है।
हार्डवेयर अनुकूलता: यह दृष्टिकोण विशेष रूप से उन प्लेटफॉर्म के लिए प्रासंगिक है जो क्यूबिट शटलिंग या चक्रीय शिफ्ट सक्षम करते हैं, जैसे कि ट्रैप्ड आयन, फोटोनिक क्यूबिट्स और न्यूट्रल एटम्स।

4. परिणाम (Results)

एरर रेट्स: $p = 10^{-3}$ के फिजिकल एरर रेट पर, सर्वश्रेष्ठ C² कोड्स ने लगभग $10^{-8}$ का लॉजिकल एरर रेट प्रदर्शित किया, जो ML-ऑप्टिमाइज्ड समकक्षों ( $10^{-5}$ ) से कहीं बेहतर है।
ओवरहेड: C² कोड्स, विशिष्ट श्रेणियों में दोनों ML-ऑप्टिमाइज्ड HGP कोड्स और BB कोड्स की तुलना में क्यूबिट ओवरहेड (इनवर्स कोड रेट) और लॉजिकल एरर रेट के बीच बेहतर संतुलन प्रदान करते हैं।
मजबूती (Robustness): लेखक सुझाव देते हैं कि अन्य LDPC परिवारों की तुलना में HGP कोड्स में "हुक एरर" (hook errors) के प्रति अंतर्निहित मजबूती हो सकती है, हालांकि इसके लिए आगे के अध्ययन की आवश्यकता है।
लेआउट दक्षता: प्रस्तावित चक्रीय लेआउट सिंड्रोम एक्सट्रैक्शन सर्किट को कॉन्स्टेंट डेप्थ में बदल देता है, जो सीमित कनेक्टिविटी वाले हार्डवेयर पर LDPC कोड्स को लागू करने की एक बड़ी बाधा को हल करता है।

5. महत्व (Significance)

यह कार्य प्रदर्शित करता है कि क्वांटम LDPC कोड को अनुकूलित करने के लिए स्थानीय ML-आधारित खोजों की तुलना में वैश्विक समरूपता थोपना (चक्रीय संरचनाएं) एक अधिक प्रभावी रणनीति है।

प्रदर्शन में उछाल: यह HGP कोड्स के लिए नए बेंचमार्क स्थापित करता है, यह दिखाते हुए कि वे विशिष्ट मेट्रिक्स (एरर रेट और ओवरहेड) में ML-ऑप्टिमाइज्ड HGP कोड्स और अग्रणी BB कोड्स दोनों से आगे निकल सकते हैं।
हार्डवेयर व्यवहार्यता: चक्रीय शिफ्ट का उपयोग करने वाले लेआउट को डिजाइन करके, यह पेपर एब्स्ट्रैक्ट कोड थ्योरी और ट्रैप्ड आयन और अन्य शटलिंग-आधारित क्वांटम आर्किटेक्चर पर व्यावहारिक कार्यान्वयन के बीच के अंतर को पाटता है। यह सिद्ध करता है कि LDPC कोड्स को कॉन्स्टेंट-डेप्थ सिंड्रोम एक्सट्रैक्शन के साथ लागू किया जा सकता है, जो फॉल्ट टॉलरेंस के लिए एक महत्वपूर्ण आवश्यकता है।
भविary दिशा: पेपर सुझाव देता है कि क्वांटम कोड के सर्च स्पेस को विशुद्ध रूप से रैंडम या स्थानीय अनुकूलन के बजाय संरचनात्मक बाधाओं (जैसे साइक्लिसिटी) के माध्यम से तलाशा जाना चाहिए, जो उच्च-प्रदर्शन वाले क्वांटम एरर-करेक्टिंग कोड खोजने के लिए एक नया मार्ग खोलता है।

संक्षेप में, लेखकों ने सफलतापूर्वक चक्रीय HGP कोड्स का एक वर्ग सफलतापूर्वक पहचाना है जो न केवल सैद्धांतिक रूप से बेहतर त्रुटि सुधार (error correction) प्रदान करते हैं, बल्कि निकट-अवधि (near-term) क्वांटम हार्डवेयर आर्किटेक्चर पर व्यावहारिक रूप से लागू करने योग्य भी हैं।