⚛️ quantum physics

Monte Carlo sampling from a projected entangled-pair state in simulations of quantum annealing in the three dimensional random Ising model

यह शोध पत्र एक प्रोजेक्टेड एंटैंगल्ड-पेयर स्टेट (PEPS) टेंसर नेटवर्क का उपयोग करके त्रि-आयामी रैंडम आइसिंग मॉडल में क्वांटम एनीलिंग का अनुकरण करता है, जो यह प्रदर्शित करता है कि अवशिष्ट ऊर्जा (residual energy), क्रमशः नियतात्मक (deterministic) और मोंटे कार्लो सैंपलिंग विधियों को नियोजित करके, अनंत और परिमित दोनों जाली (lattices) के लिए किब्ल-ज़ुरेक पावर लॉ का पालन करती है।

मूल लेखक: Jacek Dziarmaga

प्रकाशित 2026-03-18

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Jacek Dziarmaga

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: समय के विरुद्ध एक दौड़

कल्पना कीजिए कि आप एक अस्त-व्यस्त कमरे (एक क्वांटम सिस्टम) को एक पूरी तरह से व्यवस्थित अवस्था (ग्राउंड स्टेट) में व्यवस्थित करने की कोशिश कर रहे हैं। आपके पास नियमों का एक सेट (भौतिकी के नियम) है जो आपको बताते हैं कि फर्नीचर को कैसे व्यवस्थित करना है।

इस शोध पत्र में, लेखक, जैक डज़ियारगा (Jacek Dziarmaga), इस बात का अध्ययन कर रहे हैं कि क्या होता है जब आप इस कमरे को बहुत तेज़ी से व्यवस्थित करने की कोशिश करते हैं।

सेटअप: कमरा पूर्ण अराजकता (पैरामैग्नेटिक फेज) की स्थिति से शुरू होता है, जहाँ सब कुछ बिखरा हुआ है।
लक्ष्य: आप पूर्ण व्यवस्था (स्पिन-ग्लास फेज) की स्थिति तक पहुँचना चाहते हैं, जहाँ फर्नीचर का हर टुकड़ा अपनी विशिष्ट और सही जगह पर हो।
समस्या: यदि आप बहुत धीरे चलते हैं, तो आप इसे पूरी तरह से कर सकते हैं। लेकिन यदि आप जल्दबाजी करते हैं (जैसा कि "क्वांटम एनीलिंग" करती है), तो आप अनिवार्य रूप से कुछ कुर्सियों को गिरा देते हैं या किसी किताब को फर्श पर छोड़ देते हैं। इन गलतियों को डिफेक्ट्स (defects) या अवशिष्ट ऊर्जा (residual energy) कहा जाता है।

यह शोध पत्र पूछता है: "यदि हम अलग-अलग गति से जल्दबाजी करते हैं, तो हम कितनी गलतियाँ करेंगे?"

पात्रों का परिचय

क्वांटम एनीलर (D-Wave मशीन): इसे एक सुपर-फास्ट, हाई-टेक रोबोटिक हाथ के रूप में समझें जो कमरे को व्यवस्थित करने की कोशिश कर रहा है। यह वास्तविक हार्डवेयर है जो लैब में मौजूद है।
सिमुलेशन (वर्चुअल ट्विन): रोबोट पर भरोसा करने से पहले, हम सुपरकंप्यूटर पर इस प्रक्रिया का सिमुलेशन करना चाहते हैं ताकि यह देखा जा सके कि क्या होना चाहिए। यहीं पर गणित कठिन हो जाता है।
PEPS (3D पहेली): कमरे को सिम्युलेट करने के लिए, लेखक एक गणितीय उपकरण का उपयोग करते हैं जिसे प्रोजेक्टेड एंटैंगल्ड-पेयर स्टेट (PEPS) कहा जाता है।
- उपमा: कल्पना कीजिए कि कमरा एक विशाल 3D जिग्सॉ पहेली है। पहेली का प्रत्येक टुकड़ा अपने पड़ोसियों से जुड़ा हुआ है। पूरे कमरे को समझने के लिए, आपको यह देखना होगा कि ये सभी टुकड़े एक साथ कैसे फिट होते हैं।
- चुनौती: 2D (एक सपाट फर्श) में, यह पहेली प्रबंधनीय है। लेकिन 3D (ऊंचाई के साथ एक पूरा कमरा) में, कनेक्शन स्पैगेटी के उलझे हुए जाल की तरह हो जाते हैं। इस 3D पहेली की अंतिम अवस्था की गणना करना कंप्यूटरों के लिए अविश्वसनीय रूप से कठिन है।

दो मुख्य समस्याएँ

यह शोध पत्र इस 3D पहेली को सिम्युलेट करने में दो विशिष्ट बाधाओं पर प्रहार करता है:

1. "डबल-लेयर" बाधा (पुराना तरीका)

यह जाँचने के लिए कि क्या रोबोट ने अच्छा काम किया, पुराने तरीके में दो समान 3D पहेलियों को अगल-बगल बनाना आवश्यक था: एक "वास्तविक" अवस्था का प्रतिनिधित्व करता था और दूसरा "दर्पण छवि" (संभावनाओं की गणना करने के लिए) का।

उपमा: कल्पना कीजिए कि आप सोने की ईंटों से बने दो समान बक्सों का निर्माण करके और उनकी तुलना करके एक भारी बॉक्स का वजन करने की कोशिश कर रहे हैं। यह सटीक है, लेकिन यह अविश्वसनीय रूप से महंगा और धीमा है।
परिणाम: यह तरीका छोटे, अनंत ग्रिडों के लिए काम करता था, लेकिन विभिन्न गति परीक्षण करने के लिए बहुत धीमा था।

2. "मोंटे कार्लो" समाधान (नया तरीका)

लेखक काम की जाँच करने के लिए मोंटे कार्लो सैंपलिंग (Monte Carlo sampling) का उपयोग करके एक नया, स्मार्ट तरीका पेश करते हैं।

उपमा: पूरे दूसरे सोने के बॉक्स को बनाने के बजाय, कल्पना कीजिए कि आप एक जासूस हैं। आप कमरे में हर एक ईंट की जाँच नहीं करते हैं। इसके बजाय, आप यादृच्छिक रूप से कुछ स्थानों को चुनते हैं, उन्हें देखते हैं, और पूरे कमरे की स्थिति का अनुमान लगाने के लिए सांख्यिकी (statistics) का उपयोग करते हैं।
यह कैसे काम करता है: कंप्यूटर परत-दर-परत 3D पहेली का "सैंपल" लेता है। वह एक अनुमान लगाता है, जाँचता है कि क्या वह संभावित है, और आगे बढ़ जाता है। ऐसा हजारों बार करके, वह पूरे 3D वेब की असंभव गणित को हल किए बिना, अंतिम ऊर्जा की एक बहुत ही सटीक तस्वीर बनाता है।
लाभ: यह पूरे बॉक्स को तौलने के बजाय एक त्वरित, स्मार्ट सैंपल लेने जैसा है। यह बहुत तेज़ है और कंप्यूटर को कई अलग-अलग गतियों का परीक्षण करने की अनुमति देता है।

खोज: "किब्बल-ज़ुरेक" (Kibble-Zurek) नियम

लेखक ने किब्बल-ज़ुरेक (KZ) तंत्र नामक एक प्रसिद्ध सिद्धांत का परीक्षण करने के लिए इन सिमुलेशन को चलाया।

सिद्धांत: यह सिद्धांत गति और गलतियों के बीच एक विशिष्ट संबंध की भविष्यवाणी करता है। यह कहता है: "यदि आप अपनी एनीलिंग समय को एक निश्चित कारक से धीमा करते हैं, तो गलतियों (अवशिष्ट ऊर्जा) की संख्या एक अनुमानित पावर द्वारा गिर जाएगी।"
उपमा: एक ऊबड़-खाबड़ सड़क पर कार चलाने के बारे में सोचें। यदि आप 100 मील प्रति घंटे की रफ्तार से चलते हैं, तो आप बहुत अधिक उछलते हैं (कई डिफेक्ट्स)। यदि आप 50 मील प्रति घंटे की रफ्तार से चलते हैं, तो आप कम उछलते हैं। KZ कानून आपको सटीक सूत्र देता है कि जैसे-जैसे आप धीमे होते हैं, सवारी कितनी सुगम होती जाती है।

परिणाम

अनंत लैटिस (एक आदर्श दुनिया): पुराने "डिटरमिनिस्टिक" तरीके का उपयोग करके, लेखक ने पुष्टि की कि एक अनंत ग्रिड के लिए, परिणाम पूरी तरह से KZ कानून का पालन करते हैं।
परिमित लैटिस (वास्तविक दुनिया): नए "मोंटे कार्लो" तरीके का उपयोग करके, लेखक ने एक परिमित ग्रिड (दीवारों वाले कमरे) का सिमुलेशन किया। भले ही इस तरीके में कुछ यादृच्छिकता (सैंपलिंग) शामिल है, फिर भी परिणाम अभी भी KZ कानून से मेल खाते थे।
निष्कर्ष: जैसे-जैसे एनीलिंग समय लंबा होता जाता है (रोबोट धीमा चलता है), "अवशिष्ट ऊर्जा" (पीछे छूटी हुई गंदगी) ठीक उसी तरह गिरती है जैसा कि सिद्धांत ने भविष्यवाणी की थी।

यह क्यों महत्वपूर्ण है

यह शोध पत्र कम्प्यूटेशनल दक्षता (computational efficiency) की एक जीत है।

इससे पहले, 3D क्वांटम सिस्टम को सिम्युलेट करना एक सामान्य रूबिक क्यूब से 1,000 गुना बड़े रूबिक क्यूब को हल करने जैसा था।
मोंटे कार्लो सैंपलिंग ट्रिक का उपयोग करके, लेखक ने दिखाया कि हम इन 3D पहेलियों को बहुत तेज़ी से हल कर सकते हैं।
यह वैज्ञानिकों को वास्तविक क्वांटम कंप्यूटरों (जैसे D-Wave) को क्लासिकल सिमुलेशन के विरुद्ध प्रभावी ढंग से बेंचमार्क करने की अनुमति देता है। यह साबित करता है कि क्वांटम कंप्यूटर "क्वांटम रूप से" व्यवहार कर रहा है और भौतिकी के नियमों का पालन कर रहा है, न कि केवल एक शोर वाले क्लासिकल मशीन की तरह काम कर रहा है।

संक्षेप में: लेखक ने 3D क्वांटम पहेली को सिम्युलेट करने का एक तेज़, स्मार्ट तरीका खोजा है। "ब्रूट फोर्स" गणना के बजाय "सैंपलिंग" तकनीक का उपयोग करके, उन्होंने सिद्ध किया कि क्वांटम स्पीड लिमिट्स (किब्बल-ज़ुरेक) के नियम जटिल 3D वातावरण में भी सत्य हैं। यह हमें अगली पीढ़ी के क्वांटम कंप्यूटरों पर भरोसा करने और उन्हें समझने में मदद करता है।

यहाँ जेक डज़ियार्मागा (Jacek Dziarmaga) के शोध पत्र "Monte Carlo sampling from a projected entangled-pair state in simulations of quantum annealing in the three dimensional random Ising model" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र 3D रैंडम आइसिंग मॉडल (3D random Ising model) के लिए क्वांटम एनीलिंग (QA) के अनुकरण (simulation) में प्रोजेक्टेड एंटैंगल्ड-पेयर स्टेट्स (PEPS) का उपयोग करते समय आने वाली कम्प्यूटेशनल बाधा को संबोधित करता है।

संदर्भ: क्वांटम एनीलिंग उपकरणों (जैसे D-Wave) का उपयोग किबल-ज़ुरेक तंत्र (Kibble-Zurek Mechanism - KZM) का अध्ययन करने के लिए किया जाता है, जो यह भविष्यवाणी करता है कि जब कोई सिस्टम क्वांटम क्रिटिकल पॉइंट को पार करता है, तो टोपोलॉजिकल डिफेक्ट्स (या अवशिष्ट ऊर्जा) क्वेंच रेट (quench rate) के साथ कैसे स्केल करते हैं।
चुनौती: जबकि PEPS उच्च आयामों (higher dimensions) के लिए उपयुक्त एक टेंसर नेटवर्क एंसेट (ansatz) है और 3D क्वांटम अवस्थाओं का कुशलतापूर्वक प्रतिनिधित्व कर सकता है, इन नेटवर्कों पर एक्सपेक्टेशन वैल्यूज (expectation values) (विशेष रूप से अवशिष्ट उत्तेजना ऊर्जा) का मूल्यांकन करना कम्प्यूटेशनल रूप से बहुत महंगा है।
- पिछले कार्य (Ref. 101) में, डबल-लेयर (double-layer) टेंसर नेटवर्क (निश्चित एक्सपेक्टेशन वैल्यूज के लिए आवश्यक) पर ऑब्जर्वेबल्स के मूल्यांकन को मुख्य बाधा के रूप में पहचाना गया था।
- इस सीमा ने लंबे एनीलिंग समय का अनुकरण करने और व्यापक पैरामीटर रेंज में KZ पावर लॉ स्केलिंग ( $Q \propto t_a^{-0.965}$ ) का परीक्षण करने की क्षमता को प्रतिबंधित कर दिया था।

2. कार्यप्रणाली (Methodology)

लेखक एक क्यूबिक लैटिस आइसिंग मॉडल के समय विकास (time evolution) का अनुकरण करने के लिए 3D टेंसर नेटवर्क का उपयोग करते हैं, जिसे एक क्वांटम फेज ट्रांजिशन (पैरामैग्नेटिक से स्पिन-ग्लास) के माध्यम से संचालित किया जाता है। कार्यप्रणाली को 'टाइम इवोल्यूशन' और ऑब्जर्वेबल्स के मूल्यांकन के लिए दो अलग-अलग दृष्टिकोणों में विभाजित किया गया है:

A. समय विकास (Time Evolution)

मॉडल: रैंडम नियर-नेबर कपलिंग्स ( $J_{ij} \in [-1, 1]$ ) वाला एक 3D ट्रांसवर्स-फील्ड आइसिंग मॉडल।
एल्गोरिदम: समय विकास को सेकंड-ऑर्डर सुज़ुकी-ट्रोटर अपघटन (second-order Suzuki-Trotter decomposition) का उपयोग करके लागू किया गया है।
ट्रंकेशन (Truncation): विकास के दौरान बॉन्ड डायमेंशन ( $D$ $D$ ) के घातीय विकास (exponential growth) को रोकने के लिए, नेबरहुड टेंसर अपडेट (NTU) विधि का उपयोग किया जाता है।
- 3D में, क्लोज्ड लूप वाले नेबरहुड्स को SVD ट्रंकेशन (विशेष रूप से केवल अग्रणी सिंगुलर वैल्यू, SVD1 को बनाए रखना) का उपयोग करके अनुमानित किया जाता है ताकि कम्प्यूटेशनल लागत को प्रबंधित किया जा सके और एक स्थिर, गैर-ऋणात्मक मेट्रिक टेंसर बनाए रखा जा सके।

B. ऑब्जर्वेबल मूल्यांकन: दो दृष्टिकोण (Observable Evaluation: Two Approaches)

यह शोध पत्र एनीलिंग रैंप के अंत में अवशिष्ट ऊर्जा $Q$ की गणना करने के लिए दो विधियों की तुलना करता है:

निश्चित विधि (Deterministic Method - Periodic Boundary Conditions - PBC):
- आवधिक विकार (periodic disorder) वाले अनंत लैटिस (यूनिट सेल $L^3$ ) के लिए उपयोग किया जाता है।
- यह एक डबल-लेयर PEPS नेटवर्क (स्टेट $\times$ कॉन्जुगेट) को कॉन्ट्रैक्ट करने पर निर्भर करता है।
- प्रभावी 2D बाउंड्री नेटवर्क्स को कॉन्ट्रैक्ट करने के लिए कॉर्नर ट्रांसफर मैट्रिक्स रेनोर्मलाइजेशन ग्रुप (CTMRG) का उपयोग करता है।
- सीमा: डबल-लेयर संरचना के लिए आवश्यक बड़े सिंगुलर वैल्यू डिकंपोजिशन के कारण यह अत्यधिक भारी (heavy) है।
मोंटे कार्लो (MC) सैंपलिंग विधि (Monte Carlo Sampling Method - Open Boundary Conditions - OBC):
- मुख्य नवाचार: पूर्ण डबल-लेयर नेटवर्क को कॉन्ट्रैक्ट करने के बजाय, यह एल्गोरिदम एक प्रोजेक्टेड PEPS पर कार्य करता है जहाँ फिजिकल इंडेक्स को विशिष्ट मानों पर फिक्स कर दिया जाता है।
- सैंपलिंग: फिजिकल इंडेक्स ( $\sigma^z$ बेसिस) के कॉन्फ़िगरेशन को सैंपल करने के लिए मेट्रोपोलिस-हैस्टिंग्स एल्गोरिदम का उपयोग किया जाता है।
- दक्षता:
  - यह डबल-लेयर नेटवर्क की आवश्यकता को समाप्त करता है, जिससे समस्या सिंगल-लेयर कॉन्ट्रैक्शन तक सीमित हो जाती है।
  - यह 2D PEPS बाउंड्रीज और 1D मैट्रिक्स प्रोडक्ट स्टेट (MPS) बाउंड्रीज का उपयोग करता है, जिन्हें एक "ज़िपर" प्रक्रिया (लैटिस के माध्यम से ऑर्थोगोनैलिटी सेंटर को आगे बढ़ाना) द्वारा अपडेट किया जाता है।
  - बाउंड्रीज का बॉन्ड डायमेंशन $d$ , निश्चित डबल-लेयर केस की तुलना में काफी छोटा चुना जा सकता है, जिससे कॉन्ट्रैक्शन लागत नाटकीय रूप से कम हो जाती है।
- समझौता (Trade-off): सांख्यिकीय सटीकता के साथ ऑब्जर्वेबल्स का अनुमान लगाने के लिए कई सैंपलिंग स्वीप्स (sweeps) की आवश्यकता होती है, लेकिन प्रति-स्वीप लागत बहुत कम होती है।

3. मुख्य योगदान (Key Contributions)

एल्गोरिद्मिक सफलता: PEPS के लिए एक 3D मोंटे कार्लो सैंपलिंग स्कीम का परिचय, जो डबल-लेयर कॉन्ट्रैक्शन की बाधा को दूर करता है। यह कम्प्यूटेशनल बाधा को "ऑब्जर्वेबल मूल्यांकन" से वापस "टाइम इवोल्यूशन" पर ले आता है, जिससे पैरामीटर स्पेस का व्यापक अन्वेषण संभव होता है।
3D में KZM का सत्यापन: 3D रैंडम आइसिंग मॉडल में किबल-ज़ुरेक स्केलिंग ( $Q \propto t_a^{-0.965}$ , जो क्रिटिकल एक्सपोनेंट्स $\nu=1.55, z=1.3, d=3$ से प्राप्त हुआ है) को सफलतापूर्वक सिम्युलेट करना।
बेंचमार्किंग: क्लासिकल सिमुलेशन के सुलभ रेंज को बढ़ाकर क्वांटम एनीलर्स (D-Wave Advantage) के लिए एक कठोर क्लासिकल बेंचमार्क प्रदान करना।

4. परिणाम (Results)

स्केलिंग सत्यापन:
- निश्चित (PBC): अनंत लैटिस $L^3=8^3$ के लिए, अवशिष्ट ऊर्जा एनीलिंग समय $t_a$ बढ़ने के साथ (लगभग 3 ns तक) KZ पावर लॉ स्लोप के करीब पहुँच जाती है।
- मोंटे कार्लो (OBC): ओपन बाउंड्रीज वाले परिमित लैटिस ( $L=8$ ) के लिए, MC विधि लंबे एनीलिंग समय (लगभग 5 ns तक) के लिए KZ स्केलिंग को सफलतापूर्वक पुनरुत्पादित करती है।
प्रदर्शन:
- MC विधि लंबे क्वेंच समय के पूरे रेंज में अवशिष्ट ऊर्जा का अनुमान लगाने की अनुमति देती है जो क्लासिकल सिमुलेशन के लिए सुलभ है।
- हालांकि, सापेक्ष त्रुटि $\delta Q/Q = 0.01$ बनाए रखने के लिए MC विधि को कई स्वीप्स की आवश्यकता होती है (धीमी रैंप के लिए $16 \times 6$ से बढ़कर $420 \times 6$ स्वीप्स), लेकिन सिंगल-लेयर संरचना से होने वाला कम्प्यूटेशनल लाभ सैंपलिंग की लागत से अधिक है।
त्रुटि विश्लेषण: ऑटोकोरिलेशन समय कम है (कुछ स्वीप्स) और सांख्यिकीय त्रुटियों का अनुमान ब्लॉक एवरेजिंग (block averaging) का उपयोग करके लगाया गया है।

5. महत्व (Significance)

आयामी सीमाओं को पार करना: यह कार्य प्रदर्शित करता है कि यदि कुशल सैंपलिंग तकनीकों का उपयोग किया जाए, तो PEPS सिमुलेशन केवल छोटे सिस्टम या कम समय तक ही सीमित नहीं हैं। यह क्लासिकल टेंसर नेटवर्क सिमुलेशन की पहुंच को प्रभावी ढंग से बढ़ाता है।
हार्डवेयर सत्यापन: एनीलिंग समय की रेंज को बढ़ाकर, यह अध्ययन D-Wave हार्डवेयर के "क्वांटमनेस" के लिए एक अधिक मजबूत परीक्षण प्रदान करता है। यदि क्वांटम डिवाइस इन उन्नत क्लासिकल सिमुलेशन द्वारा अनुमानित KZ स्केलिंग से विचलित होता है, तो यह नॉन-एडियाबेटिक प्रभावों या थर्मल नॉइज़ को इंगित करता है।
सामान्य प्रयोज्यता: मोंटे कार्लो सैंपलिंग स्कीम केवल एनीलिंग तक सीमित नहीं है; इसे PEPS से जुड़ी अन्य समस्याओं, जैसे ग्राउंड स्टेट प्रॉपर्टीज या थर्मल स्टेट्स की गणना करने के लिए भी उपयोग किया जा सकता है, विशेष रूप से जहाँ ओपन बाउंड्री कंडीशंस प्रासंगिक हों।
भविष्य की दिशा: पेपर यह सुझाव देता है कि शेष बाधा स्वयं 'टाइम इवोल्यूशन' है, जिसका अर्थ है कि भविष्य के सुधारों को 3D सिस्टम के लिए ट्रोटर स्टेप्स (Trotter steps) या NTU ट्रंकेशन को अनुकूलित करने पर ध्यान केंद्रित करना चाहिए।

संक्षेप में, यह शोध पत्र महंगे डिटरमिनिस्टिक कॉन्ट्रैक्शन को कुशल मोंटे कार्लो सैंपलिंग से बदलकर एक महत्वपूर्ण पद्धतिगत प्रगति प्रस्तुत करता है, जिससे तीन आयामों में उच्च-परिशुद्धता परीक्षण संभव हो सका है।