HAMMR-L: Noise Reduction in Quantum Outcomes Using a Richardson-Lucy Deconvolution Algorithm for Quantum State Graphs
यह शोध पत्र HAMMR-L को प्रस्तुत करता है, जो एक सर्किट- और हार्डवेयर-अज्ञेय (agnostic) पोस्ट-प्रोसेसिंग तकनीक है जो शोर को कम करने और NISQ-युग के क्वांटम कंप्यूटरों पर आउटपुट वितरण की निष्ठा (fidelity) में सुधार करने के लिए हैमिंग डिस्टेंस स्टेट ग्राफ पर मापन परिणामों पर रिचर्डसन-लूसी डीकनवल्शन (Richardson-Lucy deconvolution) लागू करता है, जो QBEEP जैसी मौजूदा विधियों से बेहतर प्रदर्शन करता है।
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 बहुत ही शोर वाले फोन कॉल पर अपने दोस्त की आवाज़ सुनने की कोशिश कर रहे हैं। सिग्नल मौजूद है, लेकिन स्टैटिक (static), कड़कड़ाहट और बैकग्राउंड में होने वाली बातचीत शब्दों को दबा रही है। आप जानते हैं कि आपका दोस्त कुछ विशिष्ट कह रहा है, लेकिन शोर के कारण वह सब बड़बड़ाहट जैसा लग रहा है।
यही वह समस्या है जिसका सामना आज वैज्ञानिक क्वांटम कंप्यूटर्स (Quantum Computers) के साथ करते हैं। ये मशीनें अविश्वसनीय रूप से शक्तिशाली हैं, लेकिन वे बहुत अधिक "शोरभरी" (noisy) भी हैं। जब वे कोई समस्या हल करने की कोशिश करती हैं, तो उनके द्वारा दिया गया उत्तर अक्सर सही उत्तर और कई गलत उत्तरों का एक मिला-जुला ढेर होता है, जो त्रुटियों (errors) के कारण आपस में मिल जाते हैं।
यह शोध पत्र HAMMR-L नामक एक नए टूल को पेश करता है जो उस शोर को साफ करता है। यह कैसे काम करता है, यहाँ सरल भाषा में समझाया गया है:
1. समस्या: एक धुंधली तस्वीर
क्वांटम कंप्यूटर के आउटपुट को केवल संख्याओं की एक सूची के रूप में नहीं, बल्कि एक धुंधली तस्वीर (blurry photograph) के रूप में सोचें।
- सही उत्तर तस्वीर का स्पष्ट और तीक्ष्ण विषय है (जैसे किसी व्यक्ति का चेहरा)।
- शोर (Noise) एक धब्बे या धुंध की तरह है जो उस चेहरे से प्रकाश को आसपास के पिक्सल पर फैला देता है, जिससे ऐसा लगता है जैसे वह व्यक्ति वास्तव में वहां मौजूद न होने वाले कई अन्य लोगों के पास खड़ा है।
क्वांटम दुनिया में, यह "धुंध" हैमिंग डिस्टेंस (Hamming Distance) नामक चीज़ के कारण होती है। यदि सही उत्तर 111 है, तो कंप्यूटर गलती से आपको 110 या 101 दे सकता है (जहाँ केवल एक बिट बदल गया है)। ये गलत उत्तर, सही उत्तर के "पड़ोसी" हैं, और शोर सही उत्तर की संभावना (probability) को इन पड़ोसियों में फैला देता है।
2. पुराना तरीका: पड़ोस का अनुमान लगाना
पिछले तरीकों (जैसे कि QBEEP नामक एक विधि) ने इसे "पड़ोस" को देखकर ठीक करने की कोशिश की। वे कहते थे, "हे, 110, 111 के करीब है, इसलिए शायद 111 ही असली उत्तर है।" उन्होंने यह अनुमान लगाने के लिए एक निश्चित नियम (जैसे पॉइसन डिस्ट्रीब्यूशन) का उपयोग किया कि शोर कैसे फैलता है। यह ठीक-ठाक काम करता था, लेकिन यह एक धुंधली फोटो को एक सामान्य, 'एक ही आकार सबके लिए' (one-size-fits-all) वाले फिल्टर का उपयोग करके साफ करने जैसा था।
3. नया तरीका: HAMMR-L (एक स्मार्ट डी-ब्लर)
इस शोध पत्र के लेखकों ने महसूस किया कि शोर का पैटर्न एक धुंधली छवि की तरह दिखता है। इसलिए, उन्होंने फोटोग्राफी से एक टूल उधार लिया जिसे रिचर्डसन-लूसी डीकनवोल्यूशन (Richardson-Lucy Deconvolution) कहा जाता है।
- उपमा (Analogy): कल्पना कीजिए कि आपके पास एक तारे की धुंधली तस्वीर है। आप जानते हैं कि तारे प्रकाश के चमकीले बिंदु होते हैं, लेकिन कैमरा लेंस ने प्रकाश को फैला दिया है। यदि आप सटीक रूप से जानते हैं कि लेंस प्रकाश को कैसे फैलाता है (जिसे "पॉइंट स्प्रेड फंक्शन" कहा जाता है), तो आप उस प्रक्रिया को गणितीय रूप से उलटने के लिए गणित का उपयोग कर सकते हैं ताकि तारा फिर से स्पष्ट हो सके।
- नवाचार (Innovation): HAMMR-L क्वांटम कंप्यूटर की उलझी हुई उत्तरों की सूची को उस धुंधली फोटो की तरह मानता है। यह मान लेता है कि "फैलाव" (smear) बिट-फ्लिप (0 को 1 में या इसके विपरीत बदलना) के कारण हुआ है। इसके बाद यह एक गणितीय एल्गोरिदम का उपयोग करता है ताकि डेटा को "अन-स्मियर" (un-smear) किया जा सके, जिससे संभावना को गलत पड़ोसियों से वापस खींचकर सही उत्तर पर केंद्रित किया जा सके।
4. उन्होंने इसका परीक्षण कैसे किया
इसका परीक्षण करने के लिए, उन्होंने बर्नस्टीन-वज़िराती एल्गोरिदम (Bernstein-Vazirani algorithm) नामक एक मानक क्वांटम पहेली का उपयोग किया।
- एक गुप्त कोड की कल्पना करें (जैसे
111111111)। - उन्होंने इस कोड को वास्तविक IBM क्वांटम कंप्यूटरों पर चलाया। क्योंकि कंप्यूटर शोरभरे होते हैं, परिणाम एक गड़बड़ी जैसा था। सही कोड शायद 4वें या 5वें स्थान पर हो सकता था, जो गलत उत्तरों के नीचे दब गया था।
- उन्होंने इस बिखरे हुए परिणामों पर HAMMR-L एल्गोरिदम चलाया।
परिणाम:
कई मामलों में, HAMMR-L ने सही उत्तर को सूची में गहराई में दबे होने (जैसे रैंक 4) से उठाकर सबसे ऊपर (रैंक 1) पहुँचा दिया। इसने पिछले सबसे अच्छे तरीके (QBEEP) की तुलना में बेहतर प्रदर्शन किया, विशेष रूप से तब जब शोर बहुत अधिक था।
5. यह क्यों महत्वपूर्ण है
- यह एग्नोस्टिक (Agnostic) है: अन्य उपकरणों के विपरीत जिन्हें काम करने के लिए कंप्यूटर के हार्डवेयर के विशिष्ट विवरणों को जानने की आवश्यकता होती है, HAMMR-L एक यूनिवर्सल लेंस क्लीनर की तरह है। यह बिना किसी मैनुअल के विभिन्न प्रकार के क्वांटम कंप्यूटरों पर काम करता है।
- यह एक फ्रेमवर्क (Framework) है: लेखक स्वीकार करते हैं कि उनका वर्तमान "लेंस" (गणित जिसका वे धुंध को समझाने के लिए उपयोग करते हैं) थोड़ा सरल है। वे सुझाव देते हैं कि भविष्य में, हम इसे AI या ब्लाइंड डीकनवोल्यूशन (Blind Deconvolution) (जहाँ कंप्यूटर बिना बताए खुद धुंध के पैटर्न को समझ लेता है) का उपयोग करके और भी स्मार्ट बना सकते हैं।
निष्कर्ष (The Bottom Line)
HAMMR-L पुराने ज़माने के इमेज प्रोसेसिंग गणित का उपयोग करके नए ज़माने के क्वांटम कंप्यूटर एरर्स को ठीक करने का एक चतुर तरीका है। यह आज की शोरभरी मशीनों से प्राप्त "धुंधले" परिणामों को गणितीय रूप से स्पष्ट करता है, जिससे हमें बिना पूर्ण, त्रुटि-मुक्त क्वांटम कंप्यूटरों के निर्माण का इंतज़ार किए, अधिक बार सही उत्तर प्राप्त करने में मदद मिलती है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।