Benchmarking neutral atom-based quantum processors at scale

कल्पना कीजिए एक ऐसी दुनिया की जहाँ कंप्यूटर सिर्फ नंबरों का हिसाब नहीं लगाते, बल्कि वास्तविकता के ताने-बाने के साथ नृत्य करते हैं। यह क्वांटम कंप्यूटिंग का क्षेत्र है, जहाँ परमाणु जैसे सूक्ष्म कण मस्तिष्क के न्यूरॉन्स की तरह कार्य करते हैं। आपके लैपटॉप के विपरीत, जो बिट्स का उपयोग करता है जो या तो 0 होते हैं या 1, ये क्वांटम मशीनें "क्यूबिट्स" (qubits) का उपयोग करती हैं जो 0, 1, या एक ही समय में दोनों के जादुई मिश्रण हो सकते हैं। इन मशीनों को बनाने का एक आशाजनक तरीका व्यक्तिगत परमाणुओं को लेजर प्रकाश से बने अदृश्य पिंजरों में फंसाना है, जिन्हें ऑप्टिकल ट्वीज़र्स (optical tweezers) कहा जाता है। ये परमाणु एक मंच पर नर्तकों की तरह हैं; यदि वे बहुत करीब आते हैं, तो वे एक विशेष तरीके से परस्पर क्रिया करते हैं जिसे "रिडबर्ग ब्लॉकेड" (Rydberg blockade) कहा जाता है, जहाँ वे एक ही समय में उत्तेजित होने से इनकार कर देते हैं। वैज्ञानिक इन नियमों का उपयोग अविश्वसनीय रूप से कठिन पहेलियों को हल करने के लिए करते हैं, जैसे कि लोगों के एक समूह को व्यवस्थित करने का सबसे अच्छा तरीका खोजना ताकि कोई भी दो मित्र एक-दूसरे के बगल में न बैठें। लेकिन यहाँ एक पेंच है: ये क्वांटम नर्तक नाजुक होते हैं। वातावरण का शोर उन्हें लड़खड़ा सकता है, और जैसे-जैसे हम अधिक परमाणुओं के साथ बड़े मंच बनाते हैं, यह बताना कठिन हो जाता है कि मशीन वास्तव में स्मार्ट हो रही है या बस शोर मचा रही है। इसीलिए हमें उन्हें निष्पक्ष रूप से परखने के लिए एक तरीके की आवश्यकता है, न कि केवल उनके आंतरिक हिस्सों को देखकर, बल्कि यह देखकर कि वे वास्तविक दुनिया की समस्याओं को कितनी अच्छी तरह हल करते हैं।

यह शोध पत्र दुनिया के दो सबसे उन्नत क्वांटम कंप्यूटरों के बीच एक विशाल, निष्पक्ष खेल टूर्नामेंट की तरह है: एक जिसे QuEra द्वारा बनाया गया है (Aquella कहा जाता है) और दूसरा जिसे Pasqal द्वारा बनाया गया है (Fresnel कहा जाता है)। शोधकर्ता यह देखना चाहते थे कि कौन सी मशीन "मैक्सिमल इंडिपेंडेंट सेट" (Maximal Independent Set - MIS) नामक एक विशिष्ट प्रकार की पहेली को हल करने में बेहतर है। कल्पना कीजिए कि आपके पास एक शहर का नक्शा है जिसमें कई चौराहे (बिंदु) और जोड़ने वाली सड़कें (रेखाएं) हैं। लक्ष्य चौराहों के सबसे बड़े संभव समूह को चुनना है ताकि चुने गए दो चौराहे सीधे सड़क द्वारा एक-दूसरे से जुड़े न हों। यह सरल लगता है, लेकिन जैसे-जैसे शहर बढ़ता है, संभावित संयोजनों की संख्या विस्फोट की तरह बढ़ती है, जिससे यह सामान्य कंप्यूटरों के लिए एक दुःस्वप्न बन जाता है। शोधकर्ताओं ने इन क्वांटम मशीनों पर इस समस्या को हल करने के लिए दो अलग-अलग "रणनीतियों" का उपयोग किया। पहली रणनीति "क्वांटम एडियाबेटिक एल्गोरिदम" (QAA) है, जो एक घुमावदार पहाड़ी से धीरे-धीरे लुढ़कते हुए संगमरमर के गोले को निर्देशित करने जैसा है; यदि आप पर्याप्त धीमे चलते हैं, तो यह स्वाभाविक रूप से सबसे गहरी घाटी में लुढ़क जाता है, जो सर्वोत्तम समाधान का प्रतिनिधित्व करता है। दूसरी रणनीति "क्वांटम एप्रोक्सिमेट ऑप्टिमाइज़ेशन एल्गोरिदम" (QAOA) है, जो "हॉट एंड कोल्ड" (गर्म और ठंडा) के खेल की तरह है जहाँ कंप्यूटर विभिन्न सेटिंग्स आज़माता है, परिणामों से सीखता है, और सबसे अच्छी जगह खोजने के लिए अपने दृष्टिकोण को बदलता है।

टीम ने 11 परमाणुओं के छोटे सेटअप से लेकर Aquila के लिए 102 और Fresnel के लिए 85 परमाणुओं तक की विशाल चुनौतियों तक की समस्याओं का परीक्षण किया। उन्होंने केवल यह नहीं देखा कि क्या मशीनों को सटीक उत्तर मिला; उन्होंने यह भी देखा कि वे कितनी बार वैध उत्तर (ऐसे समाधान जो वास्तव में नियमों का पालन करते हैं) पाते हैं और वे उत्तर सर्वोत्तम संभव उत्तर के कितने करीब हैं। परिणामों ने एक स्पष्ट रुझान दिखाया: जैसे-जैसे पहेलियाँ बड़ी होती गईं, दोनों मशीनों के लिए सटीक समाधान पाना कठिन होता गया, जो अपेक्षित है क्योंकि समस्याएँ कठिन होती जा रही हैं और मशीनें शोर भरी होती जा रही हैं। हालाँकि, Aquila आम तौर पर Fresnel से बेहतर प्रदर्शन करता रहा, विशेष रूप से जब पहेलियाँ वास्तव में बड़ी हो गईं। उदाहरण के लिए, 85-परमाणु वाली समस्या पर, Aquila ने लगभग 22.1% बार वैध समाधान पाए, जबकि Fresnel केवल 4.6% ही प्रबंध करने में सफल रहा। दिलचस्प बात यह है कि शोधकर्ताओं ने पाया कि QAOA रणनीति हमेशा धीमी और स्थिर QAA रणनीति को मात नहीं देती है, जो यह सुझाव देता है कि कभी-कभी इन विशिष्ट मशीनों पर एक तेज़, जटिल दृष्टिकोण के बजाय एक कोमल, धीमा दृष्टिकोण बेहतर काम करता है।

लेखकों ने नई पहेलियों का एक विशाल पुस्तकालय भी बनाया, जो 1,000 परमाणुओं तक जाता है, जो भविष्य के क्वांटम कंप्यूटरों के लिए एक मानक परीक्षण के रूप में काम करेगा। वे सावधानी से यह नोट करते हैं कि यह परीक्षण हमें ठीक से यह नहीं बताता कि कोई मशीन क्यों विफल हुई (जैसे कि क्या यह एक टूटा हुआ लेजर था या एक खराब एल्गोरिदम); इसके बजाय, यह एक "स्कोरकार्ड" देता है कि पूरा सिस्टम वास्तविक जीवन में कितनी अच्छी तरह मिलकर काम करता है। यह एक कार का निर्णय लेने जैसा है कि उसके हर बोल्ट को मापने के बजाय यह देखकर कि वह ट्रैक पर कितनी तेज़ी से और सुरक्षित रूप से चलती है। शोध पत्र निष्कर्ष निकालता है कि हालांकि किसी भी मशीन ने शोर की समस्या को अभी तक "हल" नहीं किया है, फिर भी Aquila वर्तमान में इन बड़े पैमाने के, मूल अनुकूलन कार्यों को संभालने में बढ़त बनाए हुए है। यह बेंचमार्क वैज्ञानिकों को विभिन्न क्वांटम तकनीकों की तुलना करने के लिए एक सामान्य भाषा प्रदान करता है, यह सुनिश्चित करता है कि जैसे-जैसे हम बड़े और अधिक शक्तिशाली मशीनें बना रहे हैं, हम वास्तव में यह माप सकें कि क्या वे उन कार्यों को करने में बेहतर हो रहे हैं जिनकी हमें वास्तव में आवश्यकता है।