⚛️ quantum physics

Approximate simulation of complex quantum circuits using sparse tensors

यह शोध पत्र एक स्पार्स टेंसर डेटा संरचना और कुशल कॉन्ट्रैक्शन एल्गोरिदम का उपयोग करके जटिल क्वांटम सर्किटों के लगभग सिमुलेशन के लिए एक विधि प्रस्तुत करता है जो अंतर्निहित समरूपताओं (symmetries) पर निर्भर हुए बिना स्केलेबल क्लासिकल सिमुलेशन को सक्षम बनाता है।

मूल लेखक: Benjamin N. Miller, Peter K. Elgee, Jason R. Pruitt, Kevin C. Cox

प्रकाशित 2026-02-05

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Benjamin N. Miller, Peter K. Elgee, Jason R. Pruitt, Kevin C. Cox

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 अरब लोगों द्वारा खेले जा रहे "टेलीफोन" के एक विशाल, अराजक खेल के परिणाम की भविष्यवाणी करने की कोशिश कर रहे हैं। क्वांटम कंप्यूटिंग की दुनिया में, यह क्वांटम गेम एक क्वांटम सर्किट (quantum circuit) है, और वह "संदेश" जो चारों ओर घूम रहा है, वह एक क्वांटम स्टेट (quantum state) है।

इस खेल को एक सामान्य कंप्यूटर पर सिम्युलेट करना अविश्वसनीय रूप से कठिन है। यदि आप अंत में मौजूद होने वाले हर संभावित संदेश को लिखने की कोशिश करते हैं, तो सूची इतनी लंबी हो जाएगी (2 की घात N) कि वह पूरे ब्रह्मांड को कागज से भर देगी। यही कारण है कि सामान्य कंप्यूटर आमतौर पर क्वांटम कंप्यूटरों के साथ तालमेल बिठाने में संघर्ष करते हैं।

यह शोध पत्र TruSTS (ट्रंकेटेड स्पार्स टेंसर सिमुलेशन - Truncated Sparse Tensor Simulation) नामक एक नए टूल का परिचय देता है जो इस समस्या को हल करता है। यह कैसे काम करता है, यहाँ सरल उपमाओं के माध्यम से समझाया गया है:

1. "स्पार्स" सूची बनाम "पूर्ण" विश्वकोश

आमतौर पर, एक क्वांटम सिस्टम को सिम्युलेट करने के लिए, आपको हर एक संभावित परिणाम वाली सूची की आवश्यकता होती, यहाँ तक कि उन परिणामों की भी जो असंभव हैं या जिनकी संभावना शून्य है। यह एक ऐसे शब्दकोश को पढ़ने की कोशिश करने जैसा है जिसमें हर भाषा के हर शब्द शामिल हैं, यहाँ तक कि उन शब्दों के भी जो अस्तित्व में ही नहीं हैं, केवल इस डर से कि कहीं उनकी जरूरत न पड़ जाए।

TruSTs अलग है। यह केवल उन परिणामों की एक छोटी, "स्पार्स" (sparse) सूची रखता है जो वास्तव में मायने रखते हैं।

उपमा: कल्पना कीजिए कि आप लोगों की भीड़ को ट्रैक कर रहे हैं। दुनिया के हर व्यक्ति का नाम लिखने के बजाय (जिनमें से अधिकांश वहाँ मौजूद ही नहीं हैं), आप केवल उन 100 लोगों के नाम लिखते हैं जिन्हें आप वास्तव में देख रहे हैं। यदि भीड़ में कोई नया व्यक्ति आता है, तो आप उन्हें अपनी सूची में जोड़ देते हैं। यदि कोई जाता है, तो आप उन्हें सूची से काट देते हैं। आप खाली जगह को कभी नहीं लिखते।

2. "गेट" और "सॉर्टिंग हैट" (Sorting Hat)

एक क्वांटम सर्किट में, "गेट्स" (gates) वे ऑपरेशन हैं जो क्यूबिट्स (खेल के खिलाड़ियों) की स्थिति को बदलते हैं। जब एक गेट दो क्यूबिट्स पर कार्य करता है, तो यह संभावित रूप से एक परिणाम को चार नई संभावनाओं में विभाजित कर सकता है।

यदि आपके पास TruSTS नहीं होता, तो हर बार गेट लागू होने पर आपके परिणामों की सूची का आकार विस्फोट की तरह बढ़ जाता, जो जल्दी ही संभालने के लिए बहुत बड़ी हो जाती।

उपमा: एक डाकघर में एक छँटाई मशीन (sorting machine) की कल्पना करें। जब एक पत्र (एक क्वांटम स्टेट) आता है, तो मशीन उसे चार अलग-अलग लिफाफों में विभाजित कर सकती है। यदि आप बिना किसी सीमा के ऐसा होने देते हैं, तो आपके पास लिफाफों का एक पहाड़ बन जाएगा।
TruSTS की तरकीब: शोध पत्र इन लिफाफों को छाँटने के लिए बिटवाइज़ ऑपरेशंस (bitwise operations) (इन्हें डिजिटल कैंची और गोंद समझें) का उपयोग करने का एक चतुर तरीका बताता है। यह समान पत्रों को एक साथ समूहित करता है ताकि कंप्यूटर उन्हें एक-एक करके नहीं, बल्कि एक साथ प्रोसेस कर सके। यह गणित को बहुत तेज़ बनाता है।

3. "टॉप-के" ट्रंकेशन (द बाउंसर/दरबान)

यहाँ सबसे महत्वपूर्ण हिस्सा है। सॉर्टिंग की इस तरकीब के बावजूद, परिणामों की सूची अभी भी बहुत बड़ी हो सकती है। TruSTS का एक सख्त नियम है: आप अपनी सूची में केवल निश्चित संख्या में आइटम रख सकते हैं (मान लीजिए $k$ आइटम)।

जब भी सूची बहुत भर जाती है, एक "बाउंसर" (दरबान) कम महत्वपूर्ण वस्तुओं को बाहर निकाल देता है।

"टॉप-के" (Top-K) विधि: बाउंसर सूची को देखता है और उन आइटम्स को बाहर निकाल देता है जिनकी "संभावना" (probability) सबसे कम है (सबसे कम संभावित परिणाम)। वह केवल सबसे महत्वपूर्ण "टॉप-के" आइटम्स को रखता है।
"रैंडम-के" (Random-K) विधि: शोध पत्र ने एक ऐसे बाउंसर का भी परीक्षण किया जो यह देखने के लिए कि क्या होता है, यादृच्छिक (random) रूप से आइटम्स को बाहर निकालता है। जैसा कि आप अनुमान लगा सकते हैं, "टॉप-के" बाउंसर अधिक सटीक परिणाम बनाए रखने में बहुत बेहतर है।

4. ट्रेड-ऑफ: गति बनाम सटीकता

शोध पत्र दिखाता है कि यह विधि एक उपयोगी ट्रेड-ऑफ (तालमेल) बनाती है।

यदि आप एक छोटी सूची रखते हैं (छोटा $k$ ): सिमुलेशन अविश्वसनीय रूप से तेज़ होता है और बहुत कम मेमोरी का उपयोग करता है, लेकिन परिणाम थोड़ा धुंधला (कम फिडेलिटी/fidelity) हो सकता है।
यदि आप एक बड़ी सूची रखते हैं (बड़ा $k$ ): सिमुलेशन में अधिक समय लगता है लेकिन यह बहुत अधिक सटीक होता है।

लेखकों ने पाया कि 64 क्यूबिट्स तक, सिमुलेशन चलाने में लगने वाला समय बहुत अधिक धीमा नहीं होता है, भले ही आप अधिक क्यूबिट्स जोड़ दें, जब तक कि आप सूची का आकार ( $k$ ) छोटा रखते हैं। यह एक बड़ी बात है क्योंकि अधिकांश अन्य विधियाँ अधिक क्यूबिट जोड़ने पर तेजी से धीमी हो जाती हैं।

5. उन्होंने क्या सिद्ध किया?

शोधकर्ताओं ने इसका परीक्षण रैंडम, जटिल क्वांटम सर्किटों (वे प्रकार जो सिम्युलेट करने में सबसे कठिन होते हैं) पर किया। उन्होंने पाया:

दक्षता (Efficiency): उनकी विधि तेज़ है और अच्छी तरह से स्केल करती है।
सटीकता (Accuracy): उन्होंने यह अनुमान लगाने का एक तरीका विकसित किया कि परिणाम कितना सटीक होगा, यह इस आधार पर कि उन्होंने सूची में कितनी "संभावना" (probability) रखी है।
तुलना: उन्होंने अपनी विधि की तुलना "मैट्रिक्स प्रोडक्ट स्टेट्स" (MPS) नामक एक अन्य लोकप्रिय तकनीक से की। उन्होंने पाया कि कुछ प्रकार के रैंडम सर्किटों के लिए, उनकी विधि अलग तरह से व्यवहार करती है, जो लाभ और हानियों का एक अलग सेट प्रदान करती है।

सारांश

TruSTs को एक अराजक कहानी के स्मार्ट, कुशल संपादक के रूप में समझें। एक क्वांटम कहानी में जो कुछ भी कहा जा सकता है उसके हर एक शब्द को लिखने के बजाय (जो असंभव है), यह केवल सबसे संभावित वाक्यों का एक चलता-फिरता ड्राफ्ट रखता है। यह लगातार निरर्थक बातों को हटाता रहता है, शेष वाक्यों को पढ़ने में आसान बनाने के लिए उन्हें छाँटता है, और आपको एक ऐसी कहानी देता है जो एक पृष्ठ पर फिट होने के लिए पर्याप्त छोटी है लेकिन फिर भी कथानक के सबसे महत्वपूर्ण हिस्सों के बारे में सच बताती है।

यह टूल क्वांटम कंप्यूटरों की आवश्यकता को प्रतिस्थापित नहीं करता है, बल्कि यह वैज्ञानिकों को हमारे पास मौजूद कंप्यूटरों का उपयोग करके क्वांटम सर्किटों का परीक्षण करने और समझने के लिए एक शक्तिशाली नया तरीका प्रदान करता है।

तकनीकी सारांश: स्पार्स टेंसरों का उपयोग करके जटिल क्वांटम सर्किट का अनुमानित सिमुलेशन

समस्या विवरण
क्लासिकल कंप्यूटरों पर क्वांटम सर्किट का सिमुलेशन, सत्यापन योग्य क्वांटम लाभ (verifiable quantum advantage) की सीमा को परिभाषित करने, क्वांटम मेनी-बॉडी समस्याओं को हल करने और हार्डवेयर विकास को निर्देशित करने के लिए आवश्यक है। जबकि टेंसर नेटवर्क विधियाँ (जैसे, मैट्रिक्स प्रोडक्ट स्टेट्स, डेंसिटी मैट्रिक्स रेनोर्मलाइजेशन ग्रुप) जटिल सर्किटों के सिमुलेशन के लिए अत्याधुनिक बन गई हैं, वे अक्सर दक्षता प्राप्त करने के लिए अंतर्निहित समरूपताओं (symmetries) या निम्न आयामीता (low dimensionality) पर निर्भर करती हैं। इसके अलावा, सामान्य क्लासिकल सिमुलेशन जटिलता सिद्धांत (complexity theory, $P \neq NP$ ) द्वारा सीमित है, जो सार्वभौमिक बहुपद-समय (polynomial-time) सिम्युलेटर को रोकता है। लेखक ऐसे सिमुलेशन टूल की आवश्यकता की पहचान करते हैं जो सिंगुलर वैल्यू डिकंपोजिशन (SVD), अंतर्निहित समरूपताओं, या निम्न आयामीता की आवश्यकता के बिना क्वांटम अवस्थाओं का अनुमान लगा सकें, विशेष रूप से उन सर्किटों को लक्षित करते हुए जहाँ पारंपरिक टेंसर नेटवर्क संघर्ष कर सकते हैं।

कार्यप्रणाली: ट्रंकेटेड स्पार्स टेंसर सिमुलेशन (TruSTS)
यह शोध पत्र TruSTS को पेश करता है, जो स्पार्सली-पॉपुलेटेड (sparsely-populated) टेंसरों का उपयोग करके क्वांटम सर्किटों का अनुमानित सिमुलेशन करने की एक विधि है। मुख्य दृष्टिकोण एक $N$ -qubit क्वांटम अवस्था $|\psi\rangle$ को एक स्पार्स अवस्था $|\phi\rangle$ के रूप में प्रस्तुत करना है, जो $k$ आधार अवस्थाओं (basis states) का एक रैखिक संयोजन (linear combination) है ( $k \le 2^N$ )।

डेटा संरचना: स्पार्स अवस्था को आकार $k$ $k$ के दो निश्चित-लंबाई वाले सरणियों (arrays) का उपयोग करके संग्रहीत किया जाता है:
1. $x[x_i]$ : आधार अवस्थाओं के बाइनरी बिटस्ट्रिंग्स का प्रतिनिधित्व करने वाला पूर्णांक निर्देशांकों का एक सरणी।
2. $\alpha[\alpha_i]$ : उन आधार अवस्थाओं के अनुरूप जटिल संभाव्यता आयामों (complex probability amplitudes) का एक सरणी।
3. एक पूर्णांक पॉइंटर nnz वर्तमान में भरे गए तत्वों की संख्या को ट्रैक करता है।
बिटवाइज़ कॉन्ट्रैक्शन एल्गोरिदम: एक क्वांटम गेट (जो एक टेंसर $\hat{U}$ $\hat{U}$ द्वारा दर्शाया गया है) को लागू करने के लिए, एल्गोरिदम एक बिटवाइज़ सॉर्टिंग रणनीति का उपयोग करता है जो कंप्रेस्ड स्पार्स रो (CSR) मैट्रिक्स गुणन से प्रेरित है:
1. एक बिटमास्क (bitmask) को परिभाषित किया जाता है जो गेट द्वारा युग्मित (coupled) क्वबिट्स का चयन करता है।
2. अवस्था सरणी को "अनकप्ल्ड" (uncoupled) बिट्स (मास्क का पूरक) के आधार पर सॉर्ट किया जाता है। यह आधार अवस्थाओं को कम्प्यूटेशनल रूप से स्वतंत्र सब-एरेज़ में समूहित करता है जहाँ गेट समान रूप से कार्य करता है।
3. गेट को प्रत्येक सब-एरे के लिए स्वतंत्र $4\times4$ मैट्रिक्स कॉन्ट्रैक्शन के माध्यम से लागू किया जाता है।
4. यह प्रक्रिया प्रत्येक गेट अनुप्रयोग के बाद गैर-शून्य पदों (nnz) की संख्या को चार के कारक तक बढ़ा सकती है।
ट्रंकेशन (Truncation): nnz के घातीय विकास (exponential growth) को रोकने के लिए, एल्गोरिदम प्रत्येक गेट के बाद अवस्था को आकार $k$ $k$ तक ट्रंकेट करता है। लेखक दो ट्रंकेशन रणनीतियों की तुलना करते हैं:
- Top-k: उन $k$ पदों को रखता है जिनमें सबसे बड़े संभाव्यता आयाम होते हैं।
- Random-k: $k$ पदों को रखता है जिन्हें यादृच्छिक रूप से चुना गया है।
- ट्रंकेशन के दौरान खोई हुई संभाव्यता द्रव्यमान (probability mass) की भरपाई के लिए $|\phi\rangle$ पर एक रेनोर्मलाइजेशन कारक $\gamma$ लागू किया जाता है।

मुख्य योगदान और सैद्धांतिक व्युत्पत्ति
लेखक रेनोर्मलाइजेशन पैरामीटर $\gamma$ और सिमुलेशन फिडेलिटी (fidelity) $f = |\langle \psi | \phi \rangle|^2$ के बीच संबंधों को व्युत्पन्न करते हैं।

फिडेलिटी बाउंड्स: वे स्थापित करते हैं कि रैंडम क्वांटम सर्किटों के लिए, अपेक्षित फिडेलिटी $\bar{f}$ लगभग $\gamma^2$ (रिटेंड संभाव्यता द्रव्यमान) होती है, जिसमें इंटरफेरेंस टर्म्स के कारण थोड़ा सकारात्मक विचलन होता है।
ऊपरी और निचली सीमाएँ:
- एक निचली सीमा $\bar{f}_{min} \approx 1/2^N$ एक एकल रैंडम आधार अवस्था तक अवस्था को ट्रंकेट करने के मामले में व्युत्पन्न की गई है।
- एक ऊपरी सीमा $f_{max}$ मानकर व्युत्पन्न की गई है कि आउटपुट वितरण पोर्टर-थॉमस (Porter-Thomas) वितरण का पालन करता है। यह सीमा उस सर्वोत्तम फिडेलिटी का प्रतिनिधित्व करती है जो संभव है यदि सर्किट निष्पादन के बाद $k$ सबसे संभावित बिटस्ट्रिंग्स की पहचान की जा सके और उन्हें रखा जा सके, न कि मिड-सर्किट ट्रंकेशन किया जाए। शोध पत्र नोट करता है कि $f_{max} \approx d(1 - \ln d)$ , जहाँ $d = k/2^N$ ट्रंकेशन अंश है।

परिणाम
लेखकों ने परतों में व्यवस्थित Haar-रैंडम टू-क्विबिट यूनिटरीज वाले रैंडम क्वांटम सर्किटों पर TruSTS का बेंचमार्किंग किया।

फिडेलिटी बनाम ट्रंकेशन: $N=24$ क्वबिट्स पर सिमुलेशन दिखाते हैं कि अनुमानित अवस्था की फिडेलिटी लगभग वर्ग रेनोर्मलाइजेशन कारक $\gamma^2$ के साथ स्केल करती है। Top-k ट्रंकेशन लगातार random-k ट्रंकेशन से बेहतर प्रदर्शन करता है क्योंकि यह रिटेंड टर्म्स में संभाव्यता को केंद्रित करता है।
रनटाइम स्केलिंग:
- $k$ के विरुद्ध: प्रति गेट रनटाइम रखे गए पदों की संख्या $k$ के साथ रैखिक रूप से स्केल करता है।
- $N$ के विरुद्ध: $k \ll 2^N$ के लिए, प्रति गेट रनटाइम क्वबिट्स की संख्या $N$ के संबंध में लगभग स्थिर रहता है ( $N=64$ तक परीक्षित)। यह इंगित करता है कि एल्गोरिदम पूर्ण हिल्बर्ट स्पेस के आकार पर निर्भर ओवरहेड पेश नहीं करता है, बशर्ते अवस्था स्पार्स बनी रहे।
- मेमोरी: यह विधि पूर्ण $2^N$ मेमोरी आवंटित करने से बचती है, केवल $k$ पदों को संग्रहीत करती है।
MPS के साथ तुलना: quimb लाइब्रेरी का उपयोग करके $N=24$ क्वबिट्स (5 परतें) पर मैट्रिक्स प्रोडक्ट स्टेट्स (MPS) के साथ एक प्रारंभिक तुलना से पता चलता है कि परीक्षण किए गए मापदंडों के लिए, MPS अधिकांश डेटा रेंज में अधिक फिडेलिटी बनाए रखते हुए, रनटाइम-फिडेलिटी ट्रेड-ऑफ के लिए अधिक अनुकूल ऑफर करता है। हालाँकि, TruSTs फिडेलिटी में एक स्थिर, अनुमानित गिरावट प्रदर्शित करता है, जो $f \sim 10^{-8}$ के पास एक निचली सीमा तक पहुँचता है।

महत्व और दावे
यह शोध पत्र TruSTS को टेंसर नेटवर्क-आधारित सिम्युलेटर्स की क्षमताओं को बढ़ाने के लिए एक उपकरण के रूप में स्थापित करता है, विशेष रूप से उन परिदृश्यों के लिए जहाँ:

समरूपता अनुपस्थित है: विधि किसी अंतर्निहित समरूपता पर निर्भर नहीं करती है।
SVD से बचा जाता है: यह सिंगुलर वैल्यू डिकंपोजिशन (SVD) की कम्प्यूटेशनल लागत के बिना ट्रंकेशन प्राप्त करता है।
अंतर्निहित स्पर्सिटी मौजूद है: यह उन क्वांटम अवस्थाओं के लिए आकर्षक है जो स्वाभाविक रूप से स्पार्स हैं।

लेखक दावा करते हैं कि TruSTS फिडेलिटी और रनटाइम के बीच एक उपयोगी ट्रेड-ऑफ प्रदान करता है, जो उन सर्किटों में तत्काल अनुप्रयोग पा सकता है जहाँ उच्च फिडेलिटी की सख्त आवश्यकता नहीं है। वे इस बात पर जोर देते हैं कि यह कार्य स्पार्स टेंसर नेटवर्क को अनुकूलित करने और जटिल क्वांटम सिस्टम के लिए क्लासिकल सिमुलेशन की सीमा को और आगे बढ़ाने के लिए TruSTS को टेंसर नेटवर्क कॉन्ट्रैक्शन ऑर्डर ऑप्टिमाइजेशन रणनीतियों के साथ संयोजित करने के भविष्य के अनुसंधान के लिए एक आधार के रूप में कार्य करता है। वे विनम्र रहते हुए नोट करते हैं कि वैकल्पिक तरीकों के साथ कठोर तुलना और मापने योग्य मात्राओं (जैसे क्रॉस-एन्ट्रॉपी फिडेलिटी) का उपयोग करके जांच भविष्य के कार्य के महत्वपूर्ण क्षेत्र हैं।