⚛️ quantum physics

Quantum Error Mitigation at the pre-processing stage

यह शोध पत्र एक प्री-प्रोसेसिंग क्वांटम एरर मिटिगेशन विधि प्रस्तावित करता है जो टेंसर नेटवर्क का उपयोग करके एक सरोगेट ऑब्जर्वेबल $Y$ खोजने के लिए है जिसका एक्सपेक्टेशन वैल्यू नॉइज़ी स्टेट पर, नोइलेस स्टेट पर टारगेट ऑब्जर्वेबल $X$ के बराबर होता है, जिससे टेंसर एरर मिटिगेशन जैसी मानक पोस्ट-प्रोसेसिंग तकनीकों की तुलना में काफी कम मेजरमेंट ओवरहेड और क्लासिकल कम्प्यूटेशनल कॉम्प्लेक्सिटी (लगभग $\sim 10^6$ के कारक से) प्राप्त होती है।

मूल लेखक: Juan F. Martin, Giuseppe Cocco, Javier Fonollosa

प्रकाशित 2026-02-06

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Juan F. Martin, Giuseppe Cocco, Javier Fonollosa

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 वायलिन पर बज रही एक बहुत ही धीमी, सुंदर धुन को सुनने की कोशिश कर रहे हैं। हालाँकि, कमरा अविश्वसनीय रूप से शोर-शराबे वाला है (स्टैटिक, ट्रैफिक, लोगों की बातें)। क्वांटम कंप्यूटरों की वर्तमान स्थिति यही है: वे शक्तिशाली हैं, लेकिन मशीन का "शोर" परिणामों को विकृत कर देता है, जिससे "संगीत" (गणना) अस्पष्ट सुनाई देने लगता है।

लंबे समय तक, वैज्ञानिकों ने इसे ठीक करने के लिए इस प्रयास को किया कि वे उस अस्पष्ट संगीत को सुनें और फिर यह अनुमान लगाने के लिए जटिल गणित का उपयोग करें कि मूल धुन वास्तव में कैसी होनी चाहिए थी। इसे "पोस्ट-प्रोसेसिंग" (post-processing) कहा जाता है। यह एक धुंधली फोटो को खींचने के बाद उसे साफ करने जैसा है।

यह शोध पत्र एक चतुर नए विचार का प्रस्ताव करता है: शोर को सुनने से पहले ही ठीक कर दें।

यहाँ लेखकों की विधि कैसे काम करती है, इसे सरल अवधारणाओं में विभाजित किया गया है:

1. मूल विचार: एक "सरोगेट" (Surrogate) कान

शोर को होने के बाद साफ करने की कोशिश करने के बजाय, लेखक पूछते हैं: "क्या वायलिन को सुनने का कोई अलग तरीका है जो स्वाभाविक रूप से कमरे के शोर को रद्द कर दे?"

वे एक "सरोगेट ऑब्जर्वेबल" (मान लीजिए Y) खोजने का प्रस्ताव देते हैं।

लक्ष्य: आप एक विशिष्ट लक्ष्य का मान जानना चाहते हैं (मान लीजिए X)।
समस्या: यदि आप शोर वाली मशीन पर X को मापते हैं, तो आपको गलत उत्तर मिलता है।
समाधान: लेखक एक विशेष, थोड़े अलग माप उपकरण (Y) की गणना करते हैं। जब आप शोर वाली मशीन पर Y का उपयोग करते हैं, तो यह जादुई रूप से आपको वही सटीक उत्तर देता है जो X ने एक पूर्ण, शोर रहित मशीन पर दिया होता।

यह विशेष शोर-रद्द करने वाले (noise-canceling) हेडफ़ोन पहनने जैसा है जो न केवल पृष्ठभूमि को शांत करते हैं, बल्कि ध्वनि को फिर से ट्यून भी करते हैं ताकि "शोर" उस सिग्नल का हिस्सा बन जाए जिसे आप चाहते हैं।

2. पुराना तरीका बनाम नया तरीका

यह शोध पत्र एक पिछली तकनीक की तुलना करता है जिसे टेन्सर एरर मिटिगेशन (TEM) कहा जाता है।

पुराना तरीका (TEM): कल्पना कीजिए कि आप एक छिपी हुई वस्तु का आकार जानना चाहते हैं। इसे समझने के लिए, आपको हर संभव कोण से उस पर टॉर्च की रोशनी डालनी होगी (हजारों कोण), प्रत्येक की एक तस्वीर लेनी होगी, और फिर उस वस्तु को पुनर्गठित करने के लिए एक सुपर-कंप्यूटर का उपयोग करके उन सभी तस्वीरों को जोड़ने के लिए होगा। यह धीमा है, इसके लिए भारी कंप्यूटिंग शक्ति की आवश्यकता है, और इसके लिए बहुत अधिक "शॉट्स" (माप) की आवश्यकता होती है।
नया तरीका (यह शोध पत्र): लेखकों ने महसूस किया कि कई सामान्य आकृतियों के लिए, आपको हर कोण से देखने की आवश्यकता नहीं है। आपको बस मुख्य, प्रमुख विशेषता को देखने की आवश्यकता है।
- उन्होंने पाया कि इन क्वांटम मशीनों में "शोर" आमतौर पर सिग्नल के मुख्य भाग को छोटे, जटिल विवरणों की तुलना में बहुत अधिक प्रभावित करता है।
- इसलिए, पूरी तस्वीर को फिर से बनाने के लिए हजारों जटिल गणनाएँ करने के बजाय, वे केवल मुख्य भाग को मापते हैं और उसे ठीक करने के लिए एक साधारण "वॉल्यूम नॉब" (स्केलिंग फैक्टर) लागू करते हैं।

3. "मिडल-आउट" (Middle-Out) ट्रिक (टेन्सर नेटवर्क)

उन्होंने बिना किसी गणितीय दुःस्वप्न में फंसे इस "वॉल्यूम नॉब" को कैसे निर्धारित किया?

उन्होंने टेन्सर नेटवर्क नामक एक गणितीय उपकरण का उपयोग किया। इसे आप एक कंप्रेशन एल्गोरिदम (जैसे गणित के लिए ZIP फ़ाइल) के रूप में सोच सकते हैं।

क्वांटम शोर आमतौर पर एक अस्त-व्यस्त, घातांकीय (exponential) तरीके से फैलता है।
लेखकों ने महसूस किया कि यदि वे प्रक्रिया के "मध्य" से देखना शुरू करें और बाहर की ओर बढ़ें (जैसे प्याज को केंद्र से छीलना), तो गणित सरल और प्रबंधनीय रहता है।
इसने उन्हें बहुत तेज़ी से, बिना किसी सुपर-कंप्यूटर पावर की आवश्यकता के, पूर्ण "सरोगेट ऑब्जर्वेबल" (वॉल्यूम नॉब) की गणना करने की अनुमति दी।

4. परिणाम: गति और सटीकता

लेखकों ने एक क्वांटम सिस्टम (चुंबकीय स्पिन का एक मॉडल) के सिमुलेशन पर अपनी विधि का परीक्षण किया। यहाँ उन्हें क्या मिला:

गति: उनकी विधि पिछले सर्वोत्तम तरीके (TEM) की तुलना में क्लासिकल कंप्यूटर प्रोसेसिंग के मामले में लगभग 10 लाख गुना तेज़ थी।
सटीकता: यह शोर को हटाने में उतना ही अच्छा, या थोड़ा बेहतर था।
दक्षता: एक विश्वसनीय परिणाम प्राप्त करने के लिए उन्हें बहुत कम मापों (शॉट्स) की आवश्यकता पड़ी।

बड़ी तस्वीर

यह शोध पत्र यह दावा नहीं करता है कि यह कल बीमारियों का इलाज करेगा या उड़ने वाली कारें बनाएगा। यह दावा करता है कि हमारे पास जो क्वांटम कंप्यूटर अभी मौजूद हैं (जो शोर वाले हैं), उनके लिए यह स्वच्छ उत्तर प्राप्त करने का एक बहुत अधिक कुशल तरीका है।

यह "होने के बाद गड़बड़ी को ठीक करने" से "मापन को इस तरह डिजाइन करने की ओर एक बदलाव है कि गड़बड़ी मायने ही न रखे।" एक "डोमिनेंट कंपोनेंट एप्रोक्सिमेशन" (बड़ी तस्वीर पर ध्यान केंद्रित करना, न कि हर सूक्ष्म विवरण पर) का उपयोग करके, उन्होंने एक ऐसा परिणाम प्राप्त किया जो सैद्धांतिक रूप से इष्टतम है और जो पहले संभव था उससे बहुत अधिक व्यावहारिक रूप से तेज़ है।

तकनीकी सारांश: प्री-प्रोसेसिंग चरण में क्वांटम एरर मिटिगेशन (Quantum Error Mitigation)

समस्या विवरण
फॉल्ट-टोलरेंट क्वांटम कंप्यूटरों का साकार होना एक महत्वपूर्ण चुनौती बना हुआ है क्योंकि क्वांटम एरर करेक्शन (QEC) के लिए आवश्यक क्वबिट्स की संख्या बहुत अधिक होती है। फलस्वरूप, वर्तमान नोइज़ी इंटरमीडिएट-स्केल क्वांटम (NISQ) उपकरण मध्यम-गहराई वाले सर्किटों में शोर (noise) को कम करने के लिए क्वांटम एरर मिटिगेशन (QEM) तकनीकों पर निर्भर करते हैं। मानक QEM दृष्टिकोण आमतौर पर पोस्ट-प्रोसेसिंग चरण में कार्य करते हैं, जिसमें सर्किट के बार-बार निष्पादन और मापन डेटा का सांख्यिकीय विश्लेषण (जैसे, ज़ीरो नॉइज़ एक्सट्रैपोलेशन, प्रोबेबिलिस्टिक एरर कैंसिलेशन) आवश्यक होता है। प्रभावी होने के बावजूद, इन विधियों में उच्च सैंपलिंग ओवरहेड होता है या शोर वाली अवस्था (noisy state) को पुनर्गठित करने के लिए जटिल टोमोग्राफिक रणनीतियों (जैसे, इन्फॉर्मेशनली कंप्लीट पॉजिटिव ऑपरेटर-वैल्यूड मेजरमेंट्स - IC-POVM) की आवश्यकता होती है।

लेखक मिटिगेशन प्रतिमान (paradigm) को प्री-प्रोसेसिंग चरण में स्थानांतरित करने का प्रस्ताव देते हैं। मुख्य समस्या एक "सरोगेट ऑब्जर्वेबल" (surrogate observable) $Y$ खोजने की है, जिसका एक्सपेक्टेशन वैल्यू एक शोर वाले क्वांटम स्टेट $E(\rho)$ पर, आदर्श, शोर-रहित स्टेट $\rho$ के लक्षित ऑब्जर्वेबल $X$ के एक्सपेक्टेशन वैल्यू के बिल्कुल समान हो। गणितीय रूप से, इसके लिए $E^\dagger(Y) = X$ को हल करना आवश्यक है, जहाँ $E^\dagger$ नॉइज़ चैनल का एडजॉइंट (adjoint) है। हालांकि वतनबे (Watanabe) आदि द्वारा इसे सैद्धांतिक रूप से खोजा गया है, लेकिन इस दृष्टिकोण को अव्यवहारिक माना गया है क्योंकि $Y$ का निर्माण करने के लिए आमतौर पर घातांकीय (exponential) संख्या में पदों को ट्रैक करने या बड़े मैट्रिसेस को उलटने (invert) की आवश्यकता होती है, जो इसे गणनात्मक रूप से कठिन (computationally intractable) बना देता है।

कार्यप्रणाली (Methodology)
यह शोध पत्र टेन्सर नेटवर्क (TN) और पॉली-लिंडब्लाड (Pauli-Lindblad) नॉइज़ मॉडल का उपयोग करके सरोगेट ऑब्जर्वेबल $\hat{Y}$ को कंप्यूट करने और लागू करने के लिए एक स्केलेबल फ्रेमवर्क प्रस्तुत करता है।

सैद्धांतिक ढांचा: लेखक शोर वाले सर्किट को यूनिटरी लेयर्स और नॉइज़ चैनल्स के संयोजन के रूप में मॉडल करते हैं। वे लक्षित ऑब्जर्वेबल $X$ और सरोगेट $\hat{Y}$ के बीच के संबंध को पॉली ट्रांसफर मैट्रिक्स (PTM) प्रतिनिधित्व में व्यक्त करते हैं। समाधान में एडजॉइंट चैनल $E^\dagger$ को उलटना शामिल है।
टेन्सर नेटवर्क प्रतिनिधित्व: घातांकीय जटिलता को संभालने के लिए, लेखक क्वांटम चैनल और ऑब्जर्वेबल्स को मैट्रिक्स प्रोडक्ट ऑपरेटर्स (MPO) और मैट्रिक्स प्रोडक्ट स्टेट्स (MPS) का उपयोग करके दर्शाते हैं। वे एक "मिडल-आउट" (middle-out) कॉन्ट्रैक्शन रणनीति का उपयोग करते हैं, जो सर्किट के केंद्र (जहाँ शोर वाला फॉरवर्ड इवोल्यूशन, इनवर्टेड आइडियल इवोल्यूशन से मिलता है) से शुरू होकर बाहर की ओर संकुचित (contract) होती है।
संपीड़न (Compression): गणनात्मक व्यवहार्यता बनाए रखने के लिए, इनवर्टेड चैनल को दर्शाने वाले MPO को प्रत्येक इटरेशन के बाद रैंडमाइज्ड सिंगुलर वैल्यू डिकंपोजिशन (RSVD) का उपयोग करके एक निश्चित बॉन्ड डायमेंशन तक संकुचित किया जाता है।
डोमिनेंट कंपोनेंट एप्रोक्सिमेशन (DCA): एक प्रमुख निष्कर्ष यह है कि उस विशिष्ट मामले में जहाँ लक्षित ऑब्जर्वेबल एक सिंगल पॉली स्ट्रिंग ( $X = P_i$ ) है, परिणामी सरोगेट ऑब्जर्वेबल $\hat{Y}$ , इनवर्टेड कॉन्ट्रैक्शन मैट्रिक्स के डायगोनल एलिमेंट द्वारा डोमिनेट होता है। ऑफ-डायगोनल टर्म्स डायगोनल टर्म की तुलना में नगण्य हैं। फलस्वरूप, लेखक $\hat{Y}$ को केवल मूल पॉली ऑपरेटर के एक रीस्केल्ड वर्जन के रूप में अनुमानित करने का प्रस्ताव देते हैं: $\hat{Y} \approx [M^\dagger_L]^{-1}_{i,i} P_i$ । यह पूर्ण पॉली घटकों को मापने या जटिल प्रोबेबिलिस्टिक सैंपलिंग करने की आवश्यकता को समाप्त कर देता है।

प्रमुख योगदान

प्री-प्रोसेसिंग दृष्टिकोण: यह कार्य प्रदर्शित करता है कि व्यावहारिक सेटअप में एक सरोगेट ऑब्जर्वेबल $\hat{Y}$ खोजना संभव है, जिससे मिटिगेशन पोस्ट-प्रोसेसिंग से मापन चरण (measurement stage) में स्थानांतरित हो जाता है।
इष्टतमता (Optimality): प्राप्त एस्टिमेटर $\hat{Y}$ यह सिद्ध करता है कि वह क्वांटम क्रैमर-राओ बाउंड (QCRB) को संतृप्त (saturate) करता है, जो न्यूनतम वेरिएंस के साथ एक इष्टतम एस्टिमेटर प्रदान करता है।
DCA एप्रोक्सिमेशन: डोमिनेंट कंपोनेंट एप्रोक्सिमेशन (DCA) का परिचय मूल ऑब्जर्वेबल को मापने और परिणाम को रीस्केल करने द्वारा एक्सपेक्टेशन वैल्यू के अनुमान की अनुमति देता है, जिससे पूर्ण टोमोग्राफी या प्रोबेबिलिस्टिक एरर कैंसिलेशन से जुड़े घातांकीय मापन ओवरहेड से बचा जा सकता है।
गणना दक्षता: यह विधि IC-POVMs और टेन्सर एरर मिटिगेशन (TEM) द्वारा आवश्यक "ड्यूल ऑपरेटर्स" के निर्माण की आवश्यकता को समाप्त करती है।

परिणाम
लेखकों ने स्पार्स पॉली-लिंडब्लाड नॉइज़ के साथ एक 10-क्विबिट ट्रांसवर्स-फील्ड आइसिंग मॉडल का उपयोग करके अपने मेथड का प्रोबेबिलिस्टिक एरर कैंसिलेशन (PEC) और टेन्सर एरर मिटिगेशन (TEM) के विरुद्ध बेंचमार्किंग किया।

सटीकता (Accuracy): DCA मेथड TEM के समान सटीकता प्राप्त करता है, दोनों विधियाँ कुछ कॉन्फ़िगरेशन में आइडियल वैल्यू से समान विचलन बिंदु (divergence points) दिखाती हैं। हालाँकि, कुछ गहरी सर्किट डेप्थ पर DCA, TEM की तुलना में कम बायस (bias) प्रदर्शित करता है।
सैंपलिंग ओवरहेड: DCA मेथड का मापन ओवरहेड ( $\gamma$ ) सैद्धांतिक निचले स्तर के करीब पहुँच जाता है, जो विभिन्न सर्किट डेप्थ में TEM से थोड़ा बेहतर और PEC से काफी बेहतर प्रदर्शन करता है।
कंप्यूटेशनल जटिलता: सबसे महत्वपूर्ण परिणाम क्लासिकल कंप्यूटेशनल लागत में कमी है। जबकि TEM के लिए पोस्ट-प्रोसेसिंग चरण में प्रत्येक सर्किट निष्पादन के लिए बड़ी संख्या में टेन्सर कॉन्ट्रैक्शंस करने की आवश्यकता होती है, DCA को रीस्केलिंग फैक्टर निर्धारित करने के लिए केवल एक टेन्सर कॉन्ट्रैक्शन की आवश्यकता होती है।
- व्यावहारिक सिमुलेशन में, लेखक TEM की तुलना में लगभग $10^6$ गुना की गति वृद्धि (speed-up) की रिपोर्ट करते हैं। 20-स्टेप इवोल्यूशन के लिए, TEM को कंप्यूट करने में 10 दिन लगे, जबकि प्रस्तावित विधि ने समान हार्डवेयर पर 5 सेकंड से भी कम समय में वही कार्य पूरा कर लिया।

महत्व और दावे
यह शोध पत्र दावा करता है कि यह दृष्टिकोण सैंपलिंग ओवरहेड और क्लासिकल कंप्यूटेशनल बोझ दोनों को काफी कम करके वर्तमान क्वांटम हार्डवेयर का लाभ उठाने का एक व्यवहार्य मार्ग प्रदान करता है। सूचनात्मक रूप से पूर्ण मापन और जटिल पोस्ट-प्रोसेसिंग की आवश्यकता को समाप्त करके, यह विधि उच्च-परिशुद्धता (high-precision) एरर मिटिगेशन को निकट-अवधि (near-term) उपकरणों के लिए अधिक सुलभ बनाती है।

लेखक QEM को एक क्षणिक समाधान के रूप में नहीं देखते जिसे QEC द्वारा प्रतिस्थापित किया जाना है, बल्कि एक पूरक पद्धति के रूप में देखते हैं। उनका तर्क है कि QEC और QEM का एकीकरण क्वांटम प्रदर्शन को बढ़ाने के लिए एक आशाजनक मार्ग है, और इस तरह की नवीन रणनीतियाँ फॉल्ट-टोलरेंस की ओर संक्रमण को तेज करने के लिए आवश्यक हैं। यह कार्य विशेष रूप से इस बात पर प्रकाश डालता है कि नॉइज़ की संरचना (स्पार्स पॉली-लिंडब्लाड) और टेन्सर नेटवर्क की दक्षता का लाभ उठाकर, सरोगेट ऑब्जर्वेबल खोजने की "असाध्य" (intractable) समस्या को प्रबंधनीय संसाधनों के साथ हल किया जा सकता है।