⚛️ quantum physics

Efficient simulation of low-entanglement bosonic Gaussian states in polynomial time

यह शोध पत्र एक कुशल एल्गोरिदम प्रस्तुत करता है जो शुद्ध बोसोनिक गाऊसीय अवस्थाओं (pure bosonic Gaussian states) को गाऊसीय सिंगुलर वैल्यू डिकंपोजिशन और प्रोजेक्टेड-क्रिएशन-ऑपरेटर मैपिंग का उपयोग करके मैट्रिक्स प्रोडक्ट स्टेट्स में परिवर्तित करता है, जिससे कम-एंटैंगलमेंट वाले बोसोनिक सिस्टम का बहुपद-समय (polynomial-time) शास्त्रीय सिमुलेशन सक्षम होता है और हाफनियन (hafnian) गणनाओं की कम्प्यूटेशनल बाधा को दूर किया जा सके।

मूल लेखक: Tong Liu, Hui-Ke Jin, Tao Xiang, Hong-Hao Tu

प्रकाशित 2026-05-12

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Tong Liu, Hui-Ke Jin, Tao Xiang, Hong-Hao Tu

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

मुख्य चित्र: एक अराजक भीड़ को वश में करना

कल्पना कीजिए कि आप एक जटिल इमारत (एक क्वांटम सर्किट) के माध्यम से चलती हुई लोगों की एक विशाल भीड़ (बोसोन) के व्यवहार की भविष्यवाणी करने की कोशिश कर रहे हैं। क्वांटम भौतिकी की दुनिया में, ये "लोग" प्रकाश के कण हैं जिन्हें फोटॉन कहा जाता है।

द दशकों से, वैज्ञानिक जानते हैं कि यदि आप एक मानक कंप्यूटर का उपयोग करके यह गणना करने का प्रयास करते हैं कि यह भीड़ वास्तव में कैसे व्यवहार करती है, तो यह बहुत जल्दी असंभव हो जाता है। इसके लिए आवश्यक गणित इतना भारी है कि यह एक अरब लोगों के एक साथ एक कमरे में घूमने के हर संभव तरीके को गिनने की कोशिश करने जैसा है। इस विशिष्ट गणितीय समस्या को हाफनियन (hafnian) की गणना करना कहा जाता है, और यह प्रसिद्ध रूप से कठिन है (इतना कठिन कि यह उन समस्याओं की श्रेणी में आता है जिसे #P-hard कहा जाता है)।

हालाँकि, इस शोध पत्र के लेखकों ने एक चतुर शॉर्टकट खोजा है। उन्होंने पाया कि यदि भीड़ बहुत अधिक "एंटैंगल्ड" (entangled) नहीं है (अर्थात लोग एक विशाल, अराजक जाल में एक-दूसरे का हाथ नहीं पकड़े हुए हैं), तो आप पूरे समूह का वर्णन एक बहुत ही सरल, संगठित संरचना का उपयोग करके कर सकते हैं। उन्होंने एक नया उपकरण बनाया है जो इस अव्यवधर, कठिन-से-गणना होने वाले क्वांटम स्टेट को एक मैट्रिक्स प्रोडक्ट स्टेट (Matrix Product State - MPS) में परिवर्तित करता है।

एक MPS को डोमिनोज़ की एक श्रृंखला की तरह समझें। पूरी भीड़ की गति की गणना एक साथ करने के बजाय, आप बस एक डोमिनो देखते हैं, फिर अगला, और फिर अगला। यदि श्रृंखला बहुत अधिक उलझी हुई नहीं है, तो आप केवल पड़ोसियों के बीच स्थानीय कनेक्शनों को देखकर पूरी रेखा की भविष्यवाणी कर सकते हैं।

समस्या: "हाफनियन" बाधा (The "Hafnian" Bottleneck)

पिछले तरीकों में, इन प्रकाश कणों का अनुकरण (simulate) करने के लिए, कंप्यूटरों को प्रत्येक चरण के लिए "हाफनियन" पहेली को हल करना पड़ता था।

पुराना तरीका: कल्पना कीजिए कि आप एक विशाल जिग्सॉ पहेली (jigsaw puzzle) को हल करने की कोशिश कर रहे हैं जहाँ कमरे में एक भी व्यक्ति जोड़ने पर टुकड़ों की संख्या दोगुनी हो जाती है। अंततः, पहेली किसी भी कंप्यूटर के लिए पूरी करना बहुत बड़ी हो जाती है।
परिणाम: इसने बड़े प्रयोगों, जैसे कि प्रसिद्ध "जिउझांग" (Jiuzhang) क्वांटम कंप्यूटरों का अनुकरण करना असंभव बना दिया, जब तक कि आपके पास एक सुपरकंप्यूटर न हो और तब भी इसमें बहुत समय लगता था।

समाधान: दो-चरणीय जादू का खेल

लेखक एक नया एल्गोरिदम प्रस्तावित करते हैं जो कठिन गणित को पूरी तरह से दरकिनार कर देता है। वे इसे दो चरणों में करते हैं:

1. "गॉसियन एसवीडी" (Gaussian SVD) (संपीड़न चरण)

सबसे पहले, वे गॉसियन सिंगुलर वैल्यू डिकंपोजिशन (Gaussian Singular Value Decomposition - GSVD) नामक एक गणितीय तकनीक का उपयोग करते हैं।

उपमा: कल्पना कीजिए कि आपके पास कपड़ों का एक विशाल, बिखरा हुआ ढेर है (क्वांटम स्टेट)। अधिकांश कपड़े बस ढीले-ढाले लटके हुए हैं, लेकिन कुछ आपस में कसकर उलझे हुए हैं। GSVD एक स्मार्ट सॉर्टर की तरह है जो ढीले कपड़ों (जिन पर अधिक ध्यान देने की आवश्यकता नहीं है) की पहचान करता है और कसकर उलझे हुए हिस्सों (entangled parts) को अलग करता है।
लाभ: यह चरण समस्या को संकुचित (compress) करता है। यह कंप्यूटर को बताता है, "आपको हर एक कण को व्यक्तिगत रूप से ट्रैक करने की आवश्यकता नहीं है; आपको केवल इन कुछ महत्वपूर्ण कनेक्शनों को ट्रैक करने की आवश्यकता है।" यह एक विशाल, अनियंत्रित समस्या को छोटी समस्याओं की एक प्रबंधनीय श्रृंखला में बदल देता है।

2. "प्रोजेक्टेड-क्रिएशन-ऑपरेटर" (निर्माण खंड)

एक बार समस्या संकुचित हो जाने के बाद, वे "डोमिनो श्रृंखला" (MPS) बनाने के लिए एक नई मैपिंग विधि जिसका नाम प्रोजेक्टेड-क्रिएशन-ऑपरेटर (Projected-Creation-Operator - PCO) है, का उपयोग करते हैं।

उपमा: ब्रह्मांड के पूरे इतिहास का अनुकरण करने के बजाय, इस विधि में डोमिनो के अंतिम स्थान की गणना करने के बजाय, यह डोमिनो श्रृंखला को एक-एक करके बनाता है। यह पूछता है, "यदि मैं इस विशिष्ट डोमिनो को धक्का देता हूँ, तो बगल वाले के साथ क्या होता है?"
जादू: महत्वपूर्ण बात यह है कि यह विधि कठिन "हाफनियन" संख्याओं की गणना कभी नहीं करती है। यह एक छोटे, सीमित स्थान पर गणित को "प्रोजेक्ट" करने की एक चतुर तकनीक का उपयोग करता है। यह यात्रा के लिए महत्वपूर्ण मुख्य सड़कों का उपयोग करके एक शहर के मानचित्र को बनाने जैसा है, और उन छोटी गलियों को अनदेखा करता है जो मायने नहीं रखतीं।

यह क्यों मायने रखता है: गति और पैमाना

शोधकर्ताओं ने इस नए तरीके का परीक्षण दो प्रमुख क्वांटम प्रयोगों: जिउझांग 2.0 (Jiuzhang 2.0) और जिउझांग 4.0 (Jiuzhang 4.0) के वास्तविक डेटा के विरुद्ध किया।

गति में वृद्धि: जिउझांग 2.0 प्रयोग में, पुराने तरीके (कठिन हाफनियन गणित का उपयोग करके) को एक शक्तिशाली सुपरकंप्यूटर (एक A100 GPU) पर 9.5 मिनट लगे। नया तरीका, जो एक मानक लैपटॉप पर चल रहा था, ने वही काम लगभग एक मिनट में कर दिया। यह एक बहुत बड़ी बढ़त है।
स्केलेबिलिटी (Scalability): बड़े जिउझांग 4.0 प्रयोग के लिए, पुराना तरीका पूरी तरह से असंभव था क्योंकि गणित बहुत विशाल था। नया तरीका इसका एक महत्वपूर्ण हिस्सा संभालने में सक्षम था, जिससे एक मानक वर्कस्टेशन पर कुछ घंटों में आवश्यक डेटा तैयार हो गया।

निचोड़

लेखकों ने परिणामों को सैंपल (नमूना लेने) करने का नया तरीका नहीं बनाया; उन्होंने सिमुलेशन को तैयार करने का बहुत तेज़ तरीका बनाया है।

इसे इस तरह सोचें: यदि पुराना तरीका एक पहाड़ के पत्थर से हर एक ईंट को हाथ से तराश कर घर बनाने जैसा था, तो नया तरीका ईंटों को तुरंत प्रिंट करने के लिए 3D प्रिंटर का उपयोग करने जैसा है। यह घर के डिज़ाइन को नहीं बदलता है, लेकिन यह निर्माण को वहां भी संभव बनाता है जहां यह पहले असंभव था।

यह वैज्ञानिकों को उन जटिल क्वांटम प्रणालियों का अनुकरण करने का मार्ग प्रशस्त करता है जो पहले पहुंच से बाहर थीं, विशेष रूप से वे जहाँ कण बहुत अधिक उलझे हुए (entangled) नहीं होते हैं (जो अक्सर वास्तविक दुनिया के उपकरणों में होता है जिनमें कुछ शोर या हानि होती है)। यह नियमित कंप्यूटरों का उपयोग करके जटिल क्वांटम प्रणालियों को समझने का द्वार खोलता है, बजाय इसके कि उन्हें सिम्युलेट करने के लिए केवल एक क्वांटम कंप्यूटर की आवश्यकता हो।

तकनीकी सारांश: कम-एंटैंगलमेंट वाले बोसोनिक गॉसियन अवस्थाओं का कुशल सिमुलेशन

समस्या विवरण
बोसोनिक गॉसियन अवस्थाएं (BGSs) क्वांटम ऑप्टिक्स और कंडेंस्ड मैटर फिजिक्स के लिए मौलिक हैं। जबकि उनका विकास कोवेरियेंस मैट्रिक्स का उपयोग करके गॉसियन फॉर्मलिज्म के भीतर कुशलतापूर्वक वर्णित किया जाता है, बोसॉन ऑक्यूपेशन बेसिस में इन अवस्थाओं से सैंपलिंग करने के लिए मैट्रिक्स हाफनियन (hafnian) की गणना करना आवश्यक होता है। चूंकि हाफनियन की गणना करना #P-hard है, इसलिए यह व्यापक रूप से माना जाता है कि गॉसियन बोसॉन सैंपलिंग (GBS) का सटीक शास्त्रीय सिमुलेशन घातांकीय समय (exponential time) की आवश्यकता रखता है। हालांकि वास्तविक उपकरणों में शोर (noise) और फोटॉन हानि (photon loss) जैसे कारक कम्प्यूटेशनल हार्डनेस को कम कर सकते हैं, मौजूदा शास्त्रीय दृष्टिकोणों को महत्वपूर्ण बाधाओं का सामना करना पड़ता है: टेंसर-नेटवर्क विधियां जो ब्रूट-फोर्स हाफनियन गणनाओं पर निर्भर करती हैं, मैट्रिक्स के आकार बढ़ने के साथ घातांकीय स्केलिंग से ग्रस्त होती हैं, जबकि मोंटे कार्लो विधियों में अक्सर नियंत्रित त्रुटि सीमाएं (error bounds) नहीं होती हैं। मुख्य चुनौती एक स्केलेबल शास्त्रीय सिमुलेशन फ्रेमवर्क विकसित करने की है जो हाफनियन बाधा से बच सके, विशेष रूप से नुकसान वाले (lossy) प्रयोगात्मक उपकरणों से संबंधित सीमित एंटैंगलमेंट वाले क्षेत्रों में।

कार्यप्रणाली
लेखक शुद्ध बोसोनिक गॉसियन अवस्थाओं को मैट्रिक्स प्रोडक्ट स्टेट्स (MPSs) में परिवर्तित करने के लिए एक कुशल एल्गोरिदम प्रस्तावित करते हैं, जिससे हाफनियन की गणना किए बिना मानक MPS रूटीन के माध्यम से सैंपलिंग संभव हो सके। यह विधि दो प्राथमिक चरणों से मिलकर बनी है:

पुनरावृत्त गॉसियन सिंगुलर वैल्यू डीकंपोजिशन (GSVD):
एल्गोरिदम $N$ -मोड सिस्टम के कोवेरियंस मैट्रिक्स पर GSVD लागू करके शुरू होता है। यह मैक्रोस्कोपिक प्रक्रिया वैश्विक BGS को छोटे, परस्पर जुड़े स्थानीय गॉसियन अवस्थाओं $\{|A_m\rangle\}$ के एक अनुक्रम में विभाजित करती है। सिस्टम को पुनरावृत्त रूप से विभाजित करके और एंटैंगल्ड मोड जोड़ों (सक्रिय मोड) बनाम अनएंटैंगल्ड जोड़ों (फ्रोजन मोड) की पहचान करके, यह विधि MPS में श्मिट डीकंपोजिशन (Schmidt decomposition) के समान एक बैकबोन संरचना का निर्माण करती है। यह चरण सिस्टम को कंप्रेस करके सक्रिय मोड की संख्या को कम करता है, जिससे सिस्टम के बॉन्ड्स के बीच एंटैंगलमेंट संरचना को अलग किया जा सके।
प्रोजेक्टेड-क्रिएशन-ऑपरेटर (PCO) मैपिंग:
एक बार जब स्थानीय गॉसियन अवस्थाएं $|A_m\rangle$ की पहचान हो जाती है, तो एल्गोरिदम उन्हें परिमित-आयामी (finite-dimensional) MPS टेंसरों में परिवर्तित करता है। फॉक अवस्थाओं (Fock states) के साथ ओवरलैप के माध्यम से टेंसर तत्वों की सीधी गणना के लिए सामान्यतः हाफनियन की आवश्यकता होती है। इससे बचने के लिए, लेखक एक PCO मैपिंग एल्गोरिदम पेश करते हैं:

ट्रंकेशन (Truncation): अनंत-आयामी स्थानीय हिल्बर्ट स्पेस को एक इष्टतम परिमित-आयामी सबस्पेस $V_m$ पर प्रोजेक्ट किया जाता है। यह सबस्पेस रिड्यूस्ड डेंसिटी ऑपरेटर से प्राप्त एंटैंगलमेंट ऊर्जा के आधार पर चुना जाता है, जो एक लक्षित बॉन्ड डायमेंशन $D$ और स्थानीय फिजिकल डायमेंशन $d$ तक सबसे प्रासंगिक भौतिक अवस्थाओं (न्यूनतम एंटैंगलमेंट ऊर्जा) को बनाए रखता है।
अनुक्रमिक अनुप्रयोग (Sequential Application): एक बार जब प्रोजेक्टेड अवस्था $|\tilde{A}_m\rangle$ की पहचान हो जाती है, तो इसे वैक्यूम पर प्रोजेक्टेड क्रिएशन ऑपरेटर्स को क्रमिक रूप से लागू करके बनाया जाता है। एल्गोरिदम इस गुण का लाभ उठाता है कि ट्रंकेटेड सबस्पेस क्रिएशन ऑपरेटर्स के प्रभाव के तहत बंद (closed) रहता है (इस अर्थ में कि ऑपरेटर्स उच्च-ऊर्जा वाली अवस्थाओं को सबस्पेस के भीतर निम्न-ऊर्जा वाली अवस्थाओं में मैप नहीं करते हैं)।
दक्षता: सीधे मैट्रिक्स तत्वों की गणना करने के बजाय, विधि स्टेट वेक्टर पर PCOs को लागू करने के लिए एक "सर्च-एंड-अपडेट" एल्गोरिदम का उपयोग करती है। यह हाफनियन मूल्यांकन की घातांकीय लागत के बजाय, बहुपद स्केलिंग (polynomial scaling) संचालन का उपयोग करके हाफनियन मूल्यांकन की लागत से बचता है।

मुख्य योगदान

हाफनियन-मुक्त रूपांतरण: प्राथमिक योगदान एक ऐसा एल्गोरिदम है जो बिना किसी मैट्रिक्स हाफनियन की गणना किए शुद्ध BGSs को MPSs में परिवर्तित करता है। यह पिछले टेंसर-नेटवर्क दृष्टिकोणों में निहित #P-hard बाधा को दूर करता है।
पॉलीनोमियल स्केलिंग: MPS टेंसर उत्पन्न करने की कम्प्यूटेशनल लागत मोड की संख्या और बॉन्ड डायमेंशन के सापेक्ष बहुपद रूप में स्केल करती है ( $O(n_e^2 \cdot \tilde{n} \cdot d D^2)$ ), जो स्थानीय फोटॉन संख्याओं के संबंध में हाफनियन-आधारित विधियों की घातांकीय स्केलिंग के विपरीत है।
मिक्स्ड-स्टेट डीकंपोजिशन: लेखक लॉस वाले GBS प्रयोगों के विशिष्ट मिक्स्ड-स्टेट कोवेरियंस मैट्रिसेस से शुद्ध-अवस्था घटक निकालने के लिए एक प्रक्रिया प्रदान करते हैं। इसमें यह सुनिश्चित करने के लिए कि शोर मैट्रिक्स पॉजिटिव सेमी-डेफिनिट रहे, न्यूनतम एंटैंगलमेंट के साथ शुद्ध घटक के ट्रेस को मिनिमाइज करना शामिल है, जो प्रयोगात्मक डेटा के अनुरूप हो।
इष्टतम ट्रंकेशन: विधि एक श्मिट-आधारित ट्रंकेशन रणनीति का उपयोग करती है जो प्रत्येक बॉन्ड के लिए स्थानीय रूप से इष्टतम है, जिससे एक दिए गए बॉन्ड डायमेंशन के लिए उच्च फिडेलिटी (fidelity) सुनिश्चित होती है।

परिणाम
विधि का बेंचमार्किंग जिउझांग (Jiuzhang) 2.0 और जिउझांग 4.0 गॉसियन बोसॉन सैंपलिंग प्रयोगों के डेटा के विरुद्ध किया गया था:

जिउझांग 2.0: J2-P65-5 कॉन्फ़िगरेशन (144 मोड) के लिए, एल्गोरिदम ने एक मानक लैपटॉप पर लगभग एक मिनट में केंद्रीय MPS टेंसर उत्पन्न किया, जिसमें ट्रंकेशन एरर $\epsilon \approx 0.03$ था। यह 9.5 मिनट लेने वाले हाई-परफॉर्मेंस A100 GPU आधारित हाफनियन कार्यान्वयन की तुलना में एक ऑर्डर-ऑफ-मैग्निट्यूड स्पीडअप है। परिणामी MPS ने हाफनियन-आधारित संदर्भ के विरुद्ध 0.9999 की वेवफंक्शन फिडेलिटी प्राप्त की।
जिउझांग 4.0: विधि को S64 कॉन्फ़िगरेशन (4336 मोड) पर लागू किया गया। एक वर्कस्टेशन पर $D=10^5$ बॉन्ड डायमेंशन के साथ एक स्थानीय टेंसर को 2.5 घंटे से कम समय में जनरेट किया गया, जिसमें ट्रंकेशन एरर $\epsilon = 0.08$ था। लेखक नोट करते हैं कि हालांकि बड़े बॉन्ड डायमेंशन कम्प्यूटेशनल रूप से सुलभ हैं, लेकिन मेमोरी की सीमाएं मुख्य बाधा बन जाती हैं। विधि ने सफलतापूर्वक उन सिस्टम्स को संभाला जहाँ हाफनियन-आधारित दृष्टिकोण कम्प्यूटेशनल लागत के कारण असंभव थे।
स्केलिंग व्यवहार: बेंचमार्क्स ने प्रदर्शित किया कि जबकि हाफनियन-आधारित विधियां स्थानीय फिजिकल डायमेंशन $d$ के साथ घातांकीय स्केलिंग दिखाती हैं, प्रस्तावित PCO मैपिंग विधि अनुकूल बहुपद स्केलिंग ( $\sim d^{0.99} D^2$ ) प्रदर्शित करती है।

महत्व और दावे
यह पेपर दावा करता है कि यह कार्य उन सेटिंग्स में बोसोनिक गॉसियन सिस्टम की जांच करने के लिए एक बहुमुखी उपकरण स्थापित करता है जहाँ प्रत्यक्ष गॉसियन-फॉर्मलिज्म गणना अक्षम है। इसका महत्व उन व्यापक रेंज के बोसोनिक सिस्टम तक MPS-आधारित विधियों की प्रयोज्यता को बढ़ाने में निहित है जिनमें सीमित एंटैंगलमेंट होता है, जैसे कि लॉस वाले फोटोनिक डिवाइस और कम-रेंज इंटरैक्शन वाले कंडेंस्ड मैटर सिस्टम।

लेखक इस बात पर जोर देते हैं कि उनका योगदान विशेष रूप से कुशल रूपांतरण एल्गोरिदम है, न कि स्वयं सैंपलिंग प्रक्रिया। वे दावा करते हैं कि लो-एंटैंगलमेंट रिजीम में, एक लक्षित सटीकता प्राप्त की जा सकती है जिसमें बॉन्ड डायमेंशन कम्प्यूटेशनल रूप से व्यवहार्य रहता है। यह विधि बड़े सिंगल-मोड ऑक्यूपेशन नंबरों के प्रति विशेष रूप से मजबूत है, जो एक ऐसी स्थिति है जहाँ हाफनियन-आधारित दृष्टिकोण संघर्ष करते हैं। पेपर निष्कर्ष निकालता है कि यह फ्रेमवर्क बोसोनिक गॉसियन अवस्थाओं के लिए एक स्केलेबल शास्त्रीय सिमुलेशन पथ प्रदान करता है, जो शास्त्रीय सन्निकटन (approximation) एल्गोरिदम की सीमाओं को आगे बढ़ाकर क्वांटम कंप्यूटिंग की वास्तविक सीमा को रेखांकित करने में मदद करता है।