Error-mitigation aware benchmarking strategy for quantum optimization problems

तकनीकी सारांश: क्वांटम अनुकूलन समस्याओं के लिए त्रुटि-निवारण जागरूक बेंचमार्किंग रणनीति

समस्या विवरण
यह आकलन करना कि क्या नॉइजी इंटरमीडिएट-स्केल क्वांटम (NISQ) उपकरण अनुकूलन कार्यों के लिए क्वांटम लाभ (quantum advantage) प्रदर्शित कर सकते हैं, अत्यंत महत्वपूर्ण है, विशेष रूप से उन समस्याओं के लिए जहाँ शास्त्रीय सत्यापन (classical verification) कठिन है। जबकि एंट्रॉपी बेंचमार्किंग ढांचे भौतिक एंट्रॉपी को प्रदर्शन गिरावट से जोड़ने के लिए एक कठोर उपकरण के रूप में उभरे हैं, वे वास्तविक प्रयोगात्मक सेटिंग्स में महत्वपूर्ण सीमाओं का सामना करते हैं। विशेष रूप से, मौजूदा विधियाँ फाइनाइट-शॉट सांख्यिकी (finite-shot statistics) या क्वांटम एरर मिटिगेशन (QEM) को ध्यान में नहीं रखती हैं। QEM तकनीकें, जैसे कि प्रोबेबिलिस्टिक एरर कैंसलेशन (PEC), सैंपलिंग ओवरहेड (negativity) के रूप में अनुमानित पूर्वाग्रह (bias) को बढ़ाकर अनुमान संबंधी पूर्वाग्रह को कम करती हैं। फलस्वरूप, भौतिक अवस्था की एंट्रॉपी अब त्रुटि-निवारित अनुमान की गुणवत्ता को सटीक रूप से प्रतिबिंबित नहीं करती है, जिससे नियतात्मक (deterministic) एंट्रॉपी-ऊर्जा वक्र सांख्यिकीय, त्रुटि-निवारित गणनाओं के एंड-टू-एंड प्रदर्शन को चरित्रित करने के लिए अपर्याप्त हो जाते हैं। इसके अलावा, इस बात के निर्धारण के लिए मात्रात्मक, कार्य-स्तरीय मानदंडों का अभाव है कि क्या QEM लागू करने से एक निश्चित शॉट बजट के तहत वास्तव में क्वांटम लाभ बढ़ता है या कम होता है।

कार्यप्रणाली
लेखक एक बेंचमार्किंग ढांचे का प्रस्ताव करते हैं जो स्पष्ट रूप से फाइनाइट-शॉट सांख्यिकी और QEM द्वारा प्रेरित संसाधन ओवरहेड को शामिल करता है। इस कार्यप्रणाली के मूल में "क्वांटम लाभ" को एक नियतात्मक ऊर्जा मान के रूप में नहीं, बल्कि इस विश्वास (confidence) (सफलता की संभावना) के रूप में पुनर्व्याख्या करना शामिल है कि एक अनुमानित ऊर्जा $[E_-, E_+]$ अंतराल के भीतर स्थित है, जहाँ $E_-$ और $E_+$ वास्तविक ग्राउंड-स्टेट ऊर्जा $E_0$ के ज्ञात निम्नतम और उच्चतमतम सीमाएँ हैं।

मुख्य कार्यप्रणाली घटक निम्नलिखित हैं:

1. सांख्यिकीय मॉडलिंग: ढांचा यह मानता है कि PEC द्वारा दी गई ऊर्जा वितरण $E_0$ पर केंद्रित एक सामान्य वितरण $N(E_0, \sigma^2)$ का अनुसरण करती है। विचरण (variance) $\sigma^2$, सैंपलिंग ओवरहेड (नेगेटिविटी $\gamma$) और शॉट्स की संख्या ($N_{shots}$) के बीच संबंध $N_{shots} \propto \gamma^2 / \sigma^2$ के माध्यम से जुड़ा हुआ है।
2. सफलता की संभावना का सूत्र: सफलता की संभावना $P_{success}$ को अनुमानित ऊर्जा वितरण के $[E_-, E_+]$ अंतराल में गिरने की प्रायिकता के रूप में परिकलित किया जाता है। PEC के लिए, इसे कुल सैंपलिंग ओवरहेड $\gamma_{tot}$ और शॉट बजट के आधार पर एरर फंक्शन का उपयोग करके व्युत्पन्न किया जाता है।
3. अज्ञात $E_0$ के लिए सन्निकटन: चूंकि लक्षित अनुप्रयोग में $E_0$ अज्ञात है, लेखक एक प्रॉक्सी सफलता संभावना $\tilde{P}_{success}$ पेश करते हैं, यह मानते हुए कि त्रुटि-निवारित वितरण का माध्य शास्त्रीय सीमाओं का मध्यबिंदु, $(E_- + E_+)/2$ है।
4. कच्चे (Raw) परिणामों के साथ तुलना: ढांचा अन-मिटिगेटेड (raw) मापन के लिए भी सफलता की संभावना की गणना करता है। इस मामले में, वितरण पक्षपाती (biased) होता है ($E_{noisy} \neq E_0$) लेकिन इसमें विचरण कम होता है। कच्चे डेटा के लिए सफलता की संभावना विचरण और शोर के कारण माध्य में आए बदलाव दोनों पर निर्भर करती है।
5. केस स्टडी: इस ढांचे को ग्लोबल डिफरपोलराइजिंग नॉइज़ के तहत $D=64$ गहराई वाले हैमिल्टोनियन वेरिएशनल एंसेबल (HVA) सर्किट के साथ एक $8 \times 8$ लैटिस ($L=64$ साइट्स, $n=128$ क्यूबिट्स) पर 2D फर्मी-हबर्ड मॉडल के ग्राउंड-स्टेट ऊर्जा अनुमान के लिए लागू किया गया है।

प्रमुख परिणाम
संख्यात्मक प्रमाण-आधारित अध्ययनों के माध्यम से, लेखक यह प्रदर्शित करते हैं कि यह ढांचा शोर के स्तर ($P$) और शॉट काउंट ($N_{shots}$) के पैरामीटर स्पेस को तीन अलग-अलग श्रेणियों में प्रभावी ढंग से विभाजित करता है:

• रॉ रिजीम (Raw Regime): कम शोर वाले वातावरण में, पर्याप्त शॉट्स के साथ, कच्ची (unmitigated) रणनीति PEC की तुलना में उच्च सफलता की संभावना प्रदान करती है। यहाँ, PEC का सैंपलिंग ओवरहेड अनावश्यक है, और कच्चे डेटा में पूर्वाग्रह नगण्य है।
• PEC रिजीम (PEC Regime): जैसे-जैसे शोर बढ़ता है, कच्चे डेटा का पूर्वाग्रह माध्य को सफलता अंतराल से बाहर धकेल देता है। इसके विपरीत, PEC माध्य को $E_0$ पर बनाए रखता है लेकिन विचरण को बढ़ाता है। एक मध्यवर्ती शोर क्षेत्र में, PEC एक उच्च सफलता की संभावना प्रदान करता है, जो इसे एक लाभप्रद रणनीति बनाता है।
• नॉन (None) रिजीम: उच्च शोर स्तरों या अत्यंत कम शॉट बजट के लिए, कोई भी रणनीति परिभाषित सफलता दहलीज (इस अध्ययन में 0.95 निर्धारित) को प्राप्त नहीं कर पाती है। इन क्षेत्रों में, त्रुटि निवारण रणनीति के बावजूद क्वांटम लाभ की गारंटी नहीं है।

अध्ययन प्रकट करता है कि इन श्रेणियों के बीच संक्रमण गैर-तुच्छ (non-trivial) है। उदाहरण के लिए, रॉ रणनीति में, एक निश्चित शोर दहलीज के बाद शॉट काउंट बढ़ाने से विरोधाभासी रूप से सफलता की संभावना कम हो सकती है क्योंकि वितरण एक पक्षपाती माध्य के आसपास अधिक केंद्रित हो जाता है जो लक्ष्य अंतराल के बाहर स्थित है।

महत्व और दावे
यह शोध पत्र निकट-भविष्य के हार्डवेयर पर अनुकूलन के लिए संभावित व्यावहारिक क्वांटम लाभ का आकलन करने हेतु एक कार्य-स्तरीय मानदंड प्रदान करने का दावा करता है। इसका प्राथमिक महत्व निम्नलिखित में निहित है:

• नियतात्मक मेट्रिक्स से आगे बढ़ना: यह बेंचमार्किंग प्रतिमान को नियतात्मक एंट्रॉपी-ऊर्जा मैपिंग से बदलकर विश्वास अंतराल के सांख्यिकीय मूल्यांकन की ओर ले जाता है, जो फाइनाइट-शॉट, त्रुटि-निवारित प्रयोगों के लिए आवश्यक है।
• परिचालन निर्णय लेना: यह ढांचा उपयोगकर्ताओं को यह निर्धारित करने के लिए एक हल्का संख्यात्मक उपकरण प्रदान करता है कि कब QEM तैनात किया जाए। यह उन विशिष्ट "गोल्डिलॉक्स ज़ोन" की पहचान करता है जहाँ हार्डवेयर शोर और उपलब्ध शॉट बजट इस तरह संरेखित होते हैं कि PEC सार्थक रूप से क्वांटम लाभ प्राप्त करने की संभावनाओं को बढ़ाता है।
• वास्तविक बाधाएं: प्रत्यक्ष रूप से पूर्वाग्रह न्यूनीकरण और सैंपलिंग ओवरहेड के बीच के व्यापार-बंद (trade-off) को मॉडल करके, यह ढांचा वर्तमान क्वांटम हार्डवेयर की व्यावहारिक सीमाओं को संबोधित करता है, जो PEC के स्केलिंग के संबंध में पिछले नकारात्मक परिणामों के विपरीत है।

लेखक अपने दावों के संबंध में विनम्रता बनाए रखते हैं, यह नोट करते हुए कि उनका विश्लेषण विशिष्ट मान्यताओं (जैसे, गॉसियन वितरण, पूर्ण शोर लक्षण वर्णन) और एक विशिष्ट हैमिल्टोनियन उदाहरण पर आधारित है। वे सुझाव देते हैं कि हालांकि इस ढांचे को फर्मी-हबर्ड मॉडल पर प्रदर्शित किया गया है, यह अन्य लैटिस हैमिल्टोनियन के लिए भी लागू है जिनके पास उपलब्ध शास्त्रीय सीमाएँ हैं और इसे अन्य QEM प्रोटोकॉल तक विस्तारित किया जा सकता है।