⚛️ quantum physics

Demonstrating and Benchmarking Classical Shadows for Lindblad Tomography

यह शोध पत्र प्रदर्शित करता है कि शैडो लिंडब्लाड टोमोग्राफी (shadow Lindblad tomography), रैंडमाइज्ड मेजरमेंट्स और लोकैलिटी धारणाओं का उपयोग करते हुए, पारंपरिक एक्सटेंसिबल लिंडब्लाड टोमोग्राफी की तुलना में तेजी से कम संसाधनों और काफी कम अधिग्रहण समय के साथ, एक पांच-क्यूबिट सुपरकंडक्टिंग प्रोसेसर में डिकोहेरेंस और स्प्यूरियस कपलिंग्स को कुशलतापूर्वक अभिलक्षणिक रूप से दर्शा सकती है।

मूल लेखक: Rune Thinggaard Birke, Johann Bock Severin, Malthe A. Marciniak, Emil Hogedal, Andreas Nylander, Irshad Ahmad, Amr Osman, Janka Biznárová, Marcus Rommel, Anita Fadavi Roudsari, Jonas Bylander, Giovann

प्रकाशित 2026-02-17

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Rune Thinggaard Birke, Johann Bock Severin, Malthe A. Marciniak, Emil Hogedal, Andreas Nylander, Irshad Ahmad, Amr Osman, Janka Biznárová, Marcus Rommel, Anita Fadavi Roudsari, Jonas Bylander, Giovanna Tancredi, Daniel Stilck França, Albert Werner, Christopher W. Warren, Jacob Hastrup, Svend Krøjer, Morten Kjaergaard

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 आपके पास एक बहुत ही जटिल, हाई-टेक किचन (एक क्वांटम कंप्यूटर) है जिसमें पाँच ओवन (क्यूबिट्स) हैं। आप यह जानना चाहते हैं कि जब आप उनमें कुछ भी नहीं पका रहे होते हैं, तो वे ओवन वास्तव में कैसे व्यवहार करते हैं—वे गर्मी कैसे खोते हैं, उनमें कंपन कैसे होता है, और वे अनजाने में एक-दूसरे को कैसे प्रभावित करते हैं। इसे प्रोसेसर की "आइडल" (idle) अवस्था का लक्षण वर्णन (characterizing) करना कहा जाता है।

यदि आप पारंपरिक तरीकों का उपयोग करके इन ओवन के बीच होने वाली हर संभावित अंतःक्रिया (interaction) को मापने की कोशिश करते हैं, तो एक स्पष्ट तस्वीर पाने के लिए आपको बिना रुके 58 घंटों तक परीक्षण करना होगा। यह समुद्र तट पर रेत के हर एक कण को एक-एक करके उठाने जैसा है।

यह पेपर एक नई, चतुर शॉर्टकट तकनीक पेश करता है जिसे शैडो लिंडब्लाड टोमोग्राफी (Shadow Lindblad Tomography - SLT) कहा जाता है। यह सरल भाषा में यहाँ समझाया गया है:

समस्या: "व्यापक खोज" (The Exhaustive Search)

पुराना तरीका (जिसे एक्सटेंसिबल लिंडब्लाड टोमोग्राफी या ELT कहा जाता है) एक ऐसे जासूस की तरह है जो यह पता लगाने के लिए कि किसने कुकी चुराई है, शहर के हर एक व्यक्ति से पूछताछ करने पर अड़ा रहता है।

विधि: वे ओवन को हर विशिष्ट, ज्ञात अवस्था (state) में तैयार करते हैं, थोड़ी देर प्रतीक्षा करते हैं, और फिर उन्हें मापते हैं। फिर वे ऐसा हर संभव संयोजन (combination) के लिए दोहराते हैं।
परिणाम: यह सटीक है, लेकिन इसमें बहुत समय लगता है। जैसे-जैसे आप अधिक ओवन (क्यूबिट्स) जोड़ते हैं, आवश्यक समय तेजी से (exponentially) बढ़ता जाता है। 5-ओवन वाले किचन के लिए, यह प्रबंधनीय है लेकिन धीमा है। 50-ओवन वाले किचन के लिए, इसमें 5 साल लग सकते हैं।

समाधान: "शैडो" जासूस (The "Shadow" Detective)

नया तरीका (SLT) एक ऐसे जासूस की तरह है जो रैंडम सैंपलिंग (random sampling) और स्मार्ट अनुमान का उपयोग करता है। हर किसी का इंटरव्यू लेने के बजाय, वे लोगों के एक रैंडम समूह का इंटरव्यू लेते हैं और पूरी कहानी को फिर से बनाने के लिए एक गणितीय ट्रिक का उपयोग करते हैं।

यहाँ इसका उदाहरण दिया गया है:

पुराना तरीका (ELT): आप किचन को हर एक कोण से एक-एक करके टॉर्च की रोशनी से देखते हैं ताकि हर छाया को देखा जा सके।
नया तरीका (SLT): आप एक स्ट्रोब लाइट जलाते हैं जो रैंडम तरीके से चमकती है। आप कुछ स्नैपशॉट लेते हैं। भले ही रोशनी रैंडम हो, यदि आप पर्याप्त स्नैपशॉट लेते हैं और एक कंप्यूटर एल्गोरिदम का उपयोग करके उन्हें आपस में "जोड़ते" (stitch) हैं, तो आप किचन के 3D आकार को पूरी तरह से फिर से बना सकते हैं।

उन्होंने इसे कैसे सिद्ध किया कि यह काम करता है

शोधकर्ताओं ने इसका परीक्षण एक वास्तविक क्वांटम चिप पर किया जिसमें 5 क्यूबिट्स थे:

छोटा परीक्षण (1 क्यूबिट): उन्होंने एक सिंगल क्यूबिट पर पुराने तरीके और नए तरीके की तुलना की। परिणाम बिल्कुल समान थे। नया तरीका उतना ही सटीक था, लेकिन उसने कम "स्नैपशॉट्स" का उपयोग किया।
मध्यम परीक्षण (3 क्यूबिट्स): उन्होंने तीन क्यूबिट्स के साथ भी ऐसा ही किया। फिर से, नए तरीके ने पुराने वाले से पूरी तरह मेल खाया, लेकिन इसके लिए काफी कम डेटा की आवश्यकता पड़ी।
बड़ा परीक्षण (5 क्यूबिट्स): यहीं पर असली जादू हुआ।
- उन्होंने पूरे 5-क्यूबिट प्रोसेसर को मैप करने के लिए नए "शैडो" तरीके का उपयोग किया।
- लिया गया समय: केवल 9 घंटे।
- बचाया गया समय: उन्होंने अनुमान लगाया कि पुराने तरीके में 58 घंटे लगते।
- एक शर्त: नया तरीका एक भौतिक धारणा (physical assumption) पर निर्भर करता है: कि ओवन मुख्य रूप से केवल अपने निकटतम पड़ोसियों को प्रभावित करते हैं (local interactions), न कि पूरे किचन को एक साथ। शोधकर्ताओं ने साबित किया कि उनके हार्डवेयर के लिए यह धारणा सही है।

यह क्यों महत्वपूर्ण है

"शैडो" तरीके को एक स्मार्ट फिल्टर के रूप में समझें।

अतीत में, क्वांटम कंप्यूटर के व्यवहार को जानने के लिए, आपको सब कुछ मापना पड़ता था।
अब, क्योंकि हम जानते हैं कि क्वांटम कंप्यूटरों का व्यवहार आमतौर पर "लोकल" (स्थानीय) होता है (क्यूबिट्स ज्यादातर अपने पड़ोसियों से बात करते हैं), शैडो विधि असंभव अंतःक्रियाओं को अनदेखा कर सकती है और केवल संभावित अंतःक्रियाओं पर ध्यान केंद्रित कर सकती है।
यह रैंडम डेटा को रीसायकल करता है। किसी माप को एक बार उपयोग करने के बाद उसे फेंकने के बजाय, एल्गोरिदम उसी रैंडम डेटा पॉइंट का उपयोग दर्जनों अलग-अलग गुणों का एक साथ अनुमान लगाने के लिए करता है।

निष्कर्ष (The Bottom Line)

यह पेपर सिद्ध करता है कि हमें क्वांटम कंप्यूटर को समझने के लिए सब कुछ मापने की आवश्यकता नहीं है। रैंडम मेजरमेंट्स और स्मार्ट मैथ (क्लासिकल शैडोज़) का उपयोग करके, हम एक क्वांटम प्रोसेसर के "व्यक्तित्व" को पहले की तुलना में 6 गुना तेजी से सीख सकते हैं।

यह एक बहुत बड़ा कदम है। इसका मतलब है कि जैसे-जैसे क्वांटम कंप्यूटर 5 क्यूबिट से बढ़कर 50 या 500 क्यूबिट तक बढ़ेंगे, हम उन्हें कैलिब्रेट करने के लिए वर्षों तक इंतजार करने के लिए मजबूर नहीं होंगे। हम उन्हें सुचारू रूप से चलाने के लिए इस "शैडो" तकनीक का उपयोग कर सकते हैं, जिससे शक्तिशाली क्वांटम कंप्यूटरों का सपना अधिक व्यावहारिक बनता है।

यहाँ शोध पत्र "Demonstrating and Benchmarking Classical Shadows for Lindblad Tomography" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

ठोस-अवस्था (solid-state) क्वांटम प्रोसेसर का प्रदर्शन अवांछित कपलिंग (spurious couplings) और डिकोहेरेंस (decoherence) के कारण कम हो जाता है। इन समस्याओं को कम करने के लिए, "इडलिंग" (idling) प्रोसेसर (जब कोई गेट लागू नहीं किया जाता है) के सटीक अंशांकन (calibration) और लक्षण वर्णन (characterization) के लिए सटीक कैलिब्रेशन आवश्यक है।

बाधा (The Bottleneck): समय-स्वतंत्र लिंडब्लाड डायनेमिक्स (जो हैमिल्टोनियन विकास और विसरण/dissipation दोनों का वर्णन करता है) के पारंपरिक टॉमोग्राफिक रिकवरी की लागत क्यूबिट्स की संख्या ( $n$ ) के साथ घातांकीय (exponentially) रूप से बढ़ती है। एक 5-क्यूबिट सिस्टम के लिए, एक पूर्ण, मॉडल-स्वतंत्र पुनर्निर्माण के लिए दस लाख से अधिक मापदंडों (parameters) का अनुमान लगाना आवश्यक है, जो इसे प्रयोगात्मक रूप से अव्यवहार्य बनाता है (जिसके लिए महीनों का डेटा अधिग्रहण आवश्यक होगा)।
चुनौती (The Challenge): बिना किसी विशिष्ट शोर मॉडल (noise model) को धारणा बनाए, जो महत्वपूर्ण भौतिकी को छोड़ सकता है, बड़े सिस्टम के लिए लिंडब्लाड जनरेटर (हैमिल्टोनियन $H$ और जंप ऑपरेटर्स $\{L_k\}$ ) को कुशलतापूर्वक कैसे सीखा जाए, जबकि मानक टॉमोग्राफी की घातांकीय संसाधन लागत से भी बचा जा सके।

2. कार्यप्रणाली (Methodology)

लेखकों ने एक सुपरकंडक्टिंग ट्रांसमोन प्रोसेसर पर दो प्रोटोकॉल का प्रयोगात्मक बेंचमार्किंग किया है: एक्सटेंसिबल लिंडब्लाड टॉमोग्राफी (ELT) और शैडो लिंडब्लाड टॉमोग्राफी (SLT)। दोनों का लक्ष्य सिस्टम द्वारा संचालित लिंडब्लाड मास्टर इक्वेशन (LME) को सीखना है।

A. सैद्धांतिक ढांचा (Theoretical Framework)

सिस्टम की गतिशीलता को LME द्वारा मॉडल किया गया है:
$\dot{\rho} = \mathcal{L}(\rho) = -i[H, \rho] + \sum_k \left( L_k \rho L_k^\dagger - \frac{1}{2}\{L_k^\dagger L_k, \rho\} \right)$
लक्ष्य पाउली आधार (Pauli basis) में विस्तारित हैमिल्टोनियन और डिसिपेटर्स के गुणांकों का अनुमान लगाना है। प्रोटोकॉल $t=0$ पर अपेक्षा मानों (expectation values) की तात्कालिक परिवर्तन दर को मापने पर निर्भर करता है:
$\frac{d}{dt}E_i(0) = \text{Tr}(B_i \mathcal{L}(A_i)) = \sum_j p_j \text{Tr}(B_i \mathcal{L}_j(A_i))$
जहाँ $p_j$ अज्ञात लिंडब्लाड पैरामीटर हैं।

B. प्रोटोकॉल 1: एक्सटेंसिबल लिंडब्लाड टॉमोग्राफी (ELT)

दृष्टिकोण: उत्पाद-अवस्था (product-state) तैयारियों (पाउली आइजनस्टेट्स) और पाउली मापन के एक पूर्ण सेट का उपयोग करके एक नियतात्मक (deterministic) योजना।
स्केलिंग: बिना धारणाओं के, यह घातांकीय रूप से स्केल करता है। हालांकि, $k$ -लोकेलिटी धारणाओं (जैसे, डिसिपेशन केवल ऑन-साइट है, इंटरैक्शन अधिकतम 2-बॉडी हैं) के तहत, आवश्यक कॉन्फ़िगरेशन की संख्या बहुपद (polynomially) रूप से स्केल होती है।
पेपर में भूमिका: इसे तुलना के लिए बेसलाइन के रूप में उपयोग किया गया है। यह छोटे उप-प्रणालियों (1 और 3 क्यूबिट) के लिए "ग्राउंड ट्रुथ" (प्रयोगात्मक अनिश्चितता के भीतर) प्रदान करता है।

C. प्रोटोकॉल 2: शैडो लिंडब्लाड टॉमोग्राफी (SLT)

दृष्टिकोण: क्लासिकल शैडोज़ (Classical Shadows) पर आधारित एक रैंडमाइज्ड योजना।
- निश्चित अवस्थाओं के बजाय, यह रैंडम पाउली तैयारियों और रैंडम पाउली मेजरमेंट बेसिस का उपयोग करता है।
- यह क्लासिकल पोस्ट-प्रोसेसिंग के माध्यम से कई पाउली ट्रांसफर मैट्रिक्स (PTM) तत्वों को एक साथ अनुमान लगाने के लिए रैंडमाइज्ड डेटा को पुनर्चक्रित (recycle) करता है।
मुख्य नवाचार: लेखक प्रदर्शित करते हैं कि लो-वेट पाउली ऑपरेटर्स (जो $k$ $k$ -लोकेलिटी धारणाओं के तहत प्रासंगिक हैं) के लिए, एस्टीमेटर हर सिंगल शॉट के लिए बाउंडेड (bounded) होता है।
- स्टैंडर्ड शैडो टॉमोग्राफी के विपरीत, जिसे भारी-पूंछ वाले वितरणों (heavy-tailed distributions) को संभालने के लिए अक्सर "median-of-means" एस्टीमेटर्स की आवश्यकता होती है, SLT मानक गॉसियन एरर प्रोपेगेशन और $\chi^2$ -फटिंग की अनुमति देता है।
- यह अनिश्चितता मात्रा निर्धारण (uncertainty quantification) को सरल बनाता है और इस प्रोटोकॉल को मानक रिग्रेशन टूल्स के अनुकूल बनाता है।
स्केलिंग: $k$ -लोकेलिटी के तहत, उच्च विश्वास के साथ मापदंडों का अनुमान लगाने के लिए आवश्यक रैंडमाइजेशन की संख्या ( $N_{SLT}$ ), सिस्टम साइज के साथ लॉगारिदमिक रूप से स्केल करती है ( $O(\log n)$ ), न कि बहुपद या घातांकीय रूप से।

3. मुख्य योगदान (Key Contributions)

प्रयोगात्मक बेंचमार्किंग: सुपरकंडक्टिंग प्रोसेसर पर लिंडब्लाड डायनेमिक्स के लिए SLT का पहला प्रयोगात्मक प्रदर्शन, जिसकी तुलना सीधे ELT बेसलाइन से की गई है।
लोकेलिटी धारणाओं का सत्यापन: 1 और 3-क्यूबिट उप-प्रणालियों पर सत्यापित किया गया कि डायनेमिक्स 1-लोकल और 2-लोकल टर्म्स द्वारा डोमिनेटेड है, जो बड़े सिस्टम के लिए SLT के उपयोग को न्यायसंगत बनाता है।
सांख्यिकीय सरलीकरण: सिद्ध किया और प्रदर्शित किया कि बाउंडेड- $k$ शासन (regimes) के लिए, SLT एस्टीमेटर्स में बाउंडेड वेरिएंस होता है, जिससे जटिल रोबस्ट एस्टीमेटर्स के बजाय मानक $\chi^2$ -रिग्रेशन और गॉसियन एरर प्रोपेगेशन का उपयोग संभव होता है।
स्केलेबिलिटी प्रदर्शन: एक प्रतिबंधित मॉडल (ऑन-साइट डिसिपेशन + पेयरवाइज कोहेरेंट इंटरैक्शन) का उपयोग करके पूरे 5-क्यूबिट प्रोसेसर पर सफलतापूर्वक SLT लागू किया गया, जिससे सभी सिंगल-क्यूबिट डिसिपेशन और टू-क्यूबिट कपलिंग पैरामीटर प्राप्त हुए, जबकि ELT अत्यधिक महंगा होता।

4. प्रयोगात्मक परिणाम (Experimental Results)

A. सिंगल-क्यूबिट सत्यापन

SLT और ELT के परिणाम अनिश्चितताओं के भीतर सहमत थे।
SLT लगभग 3,000 रैंडमाइजेशन के साथ ELT सटीकता तक पहुँच गया।
निकाले गए पैरामीटर (डिट्यूनिंग, डीफेजिंग, रिलैक्सेशन) ज्ञात डिवाइस फिजिक्स और मानक $T_1$ मापों से मेल खाते थे।

B. थ्री-क्यूबिट बेंचमार्क

लक्ष्य: संरचनात्मक धारणाओं के बिना 3-क्यूबिट LME के सभी 4,032 मापदंडों का पुनर्निर्माण करना।
परिणाम: SLT, ELT द्वारा आवश्यक शॉट्स के एक अंश का उपयोग करके ही कुछ kHz के भीतर ELT के साथ सहमत हुआ।
अवलोकन: पाया गया कि 3-लोकल (थ्री-बॉडी) इंटरैक्शन नगण्य थे (एरर बार के भीतर), जो पुष्टि करता है कि एक 2-लोकल मॉडल पर्याप्त है। अवशिष्ट मानक विचलन (residual standard deviation) 1-क्यूबिट की तुलना में 3-क्यूबिट के लिए कम सापेक्ष शॉट काउंट पर संतृप्त (saturated) हो गया, जो $k$ -लोकल स्केलिंग के अनुरूप है।

C. फाइव-क्यूबिट फुल रिकंस्ट्रक्शन

सेटअप: एक प्रतिबंधित मॉडल (ऑन-साइट डिसिपेशन + पेयरवाइज कोहेरेंट इंटरैक्शन) मानते हुए पूरे 5-क्यूबिट प्रोसेसर पर SLT लागू किया गया।
दक्षता:
- SLT: 25 मिलियन रैंडमाइजेशन का उपयोग करके 9 घंटे के अधिग्रहण समय में पूरा हुआ।
- ELT अनुमान: समकक्ष ELT प्रयोग (यहाँ तक कि 2-लोकल धारणाओं के साथ भी) के लिए ~160 मिलियन रन की आवश्यकता होती, जिसका अनुमान 58 घंटे था।
- अनरिस्ट्रिक्टेड (Unrestricted) ELT: इसके लिए ~162 दिन की आवश्यकता होती।
निष्कर्ष:
- सिंगल-क्यूबिट पैरामीटर टू-क्यूबिट इंटरैक्शन टर्म्स की तुलना में ~100x बड़े थे, जो कमजोर रूप से जुड़े (weakly coupled) ट्रांसमोन एरे के अनुरूप है।
- अवशिष्ट स्टेटिक कपलिंग न्यूनतम (कुछ kHz) थी।
- सभी निकाले गए पैरामीटर भौतिक रूप से व्याख्या योग्य थे और सिंगल-क्यूबिट ELT परिणामों के साथ सुसंगत थे।

5. महत्व और भविष्य की दृष्टि (Significance and Outlook)

व्यावहारिक स्केलेबिलिटी: यह कार्य प्रदर्शित करता है कि जैसे-जैसे क्यूबिट की संख्या बढ़ती है, क्वांटम प्रोसेसर की गतिशीलता को सीखने के लिए रैंडमाइज्ड शैडो प्रोटोकॉल को व्यावहारिक रूप से लागू किया जा सकता है, जो वास्तविक भौतिक धारणाओं के तहत घातांकीय संसाधन दक्षता से व्यवहार्य लॉगरिदमिक स्केलिंग की ओर ले जाता है।
मेट्रोलॉजी टूल: SLT डिवाइस-स्तर की मेट्रोलॉजी के लिए एक स्केलेबल टूल प्रदान करता है, जो व्याख्या योग्य पैरामीटर देता है जो फैब्रिकेशन और लेआउट से जुड़े होते हैं, जो शोर के निदान और नियंत्रण को अनुकूलित करने के लिए महत्वपूर्ण है।
सांख्यिकीय मजबूती: "Median-of-means" एस्टीमेटर्स से बचकर और मानक गॉसियन सांख्यिकी का उपयोग करके, यह विधि प्रयोगात्मक वैज्ञानिकों के लिए प्रवेश की बाधा को कम करती है और पारदर्शी अनिश्चितता मात्रा निर्धारण सुनिश्चित करती है।
भविष्य का प्रभाव: लेखक अनुमान लगाते हैं कि 50-क्यूबिट सिस्टम के लिए, ELT को आइडल नॉइज़ को कैरेक्टराइज करने में ~5 वर्ष लगेंगे, जबकि SLT इसे ~22 घंटों में कर सकता है। यह SLT को बड़े पैमाने के सुपरकंडक्टिंग प्रोसेसरों के लक्षण वर्णन के लिए एक महत्वपूर्ण सबरूटीन के रूप में स्थापित करता है।

निष्कर्ष (Conclusion)

यह पेपर सफलतापूर्वक शैडो लिंडब्लाड टॉमोग्राफी (SLT) को ओपन क्वांटम सिस्टम डायनेमिक्स के लक्षण वर्णन के लिए एक बेहतर विकल्प के रूप में मान्य करता है। रैंडमाइज्ड मेजरमेंट और भौतिक रूप से प्रेरित लोकेलिटी धारणाओं का लाभ उठाकर, SLT उच्च सटीकता और मानक सांख्यिकीय विश्लेषण उपकरणों के साथ अनुकूलता बनाए रखते हुए संसाधन दक्षता में घातांकीय गति (exponential speed-ups) प्राप्त करता है। यह दर्जनों से लेकर सैकड़ों क्यूबिट वाले क्वांटम प्रोसेसरों के लक्षण वर्णन का मार्ग प्रशस्त करता है।