Overlapped groupings for quantum energy estimation: Maximal variance reduction and deterministic algorithms for reducing variance

यहाँ Rowland et al. के शोध पत्र "Overlapped groupings for quantum energy estimation: Maximal variance reduction and deterministic algorithms for reducing variance" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

निकट-अवधि (near-term) क्वांटम एल्गोरिदम में, विशेष रूप से वेरिएशनल क्वांटम आइजनसॉल्वर (VQE) में, मापन जटिलता (measurement complexity) एक प्रमुख बाधा है। एक हैमिल्टनियन $H = \sum c_i P_i$ की ऊर्जा का अनुमान लगाने के लिए कई पाउली पदों (Pauli terms) को मापने की आवश्यकता होती है। आवश्यक मापन शॉट्स (measurement shots) की संख्या को कम करने के लिए, मानक रणनीतियाँ परस्पर संचार करने वाले (mutually commuting) पाउली ऑपरेटरों को विजातीय सेटों (disjoint sets/groups) में समूहीकृत करती हैं जिन्हें एक साझा आधार (shared basis) में एक साथ मापा जा सकता है।

हालाँकि, मानक विजातीय समूहीकरण (disjoint grouping) यह सुनिश्चित करता है कि प्रत्येक पाउली पद ठीक एक समूह में दिखाई दे। यह शोध पत्र ओवरलैप्ड ग्रुपिंग (overlapped grouping) या गुणांक विभाजन (coefficient splitting) की क्षमता को संबोधित करता है, जहाँ एक एकल पाउली ऑपरेटर कई संगत समूहों में दिखाई दे सकता है। जबकि पिछले कार्यों ने सुझाव दिया था कि इससे विचरण (variance) कम हो सकता है, इस कमी की सैद्धांतिक सीमाएँ और इसे प्राप्त करने के लिए नियतात्मक एल्गोरिदम (deterministic algorithms) का अस्तित्व खुले प्रश्न थे। लेखक निम्नलिखित लक्ष्यों पर काम करते हैं:

1. इष्टतम विजातीय समूहीकरण की तुलना में ओवरलैप्ड ग्रुपिंग के माध्यम से संभव अधिकतम विचरण न्यूनीकरण (maximal variance reduction) को निर्धारित करना।
2. मौजूदा विजातीय समूहीकरणों को ऐसे ओवरलैप्ड समूहों में बदलने के लिए नियतात्मक एल्गोरिदम (deterministic algorithms) विकसित करना जो सख्ती से विचरण को कम करते हों।
3. बड़े पैमाने की व्यावहारिक समस्याओं (44 क्विबिट और $5.75 \times 10^5$ पदों तक) पर इन विधियों को मान्य करना, जो पिछले संख्यात्मक बेंचमार्क से कहीं अधिक है।

2. कार्यप्रणाली (Methodology)

A. ओवरलैप्ड ग्रुपिंग और एस्टिमेटर (Overlapped Grouping and Estimators)

लेखक ओवरलैप्ड ग्रुपिंग को संचार करने वाले सेटों के एक संग्रह के रूप में परिभाषित करते हैं जिनका संघ (union) सभी हैमिल्टनियन पदों को कवर करता है, जिससे ओवरलैप की अनुमति मिलती है।

• एस्टिमेटर निर्माण (Estimator Construction): एक पाउली ऑपरेटर $P_i$ जो कई समूहों में दिखाई देता है, उसके अपेक्षित मान (expectation value) का अनुमान प्रत्येक समूह से प्राप्त अनुभवजन्य अनुमानों (empirical estimates) के शॉट-वेटेड औसत (shot-weighted average) का उपयोग करके लगाया जाता है।
• विचरण मॉडल (Variance Model): विश्लेषण एक स्टेट-इंडिपेंडेंट वेरिएंस मॉडल और शून्य सहप्रसरण (zero covariance) को मानता है जो एक साथ मापे गए विभिन्न पाउली ऑपरेटरों के बीच होता है। यह एक मानक ह्यूरिस्टिक धारणा है जो आवंटन समस्या को सरल बनाती है और दिखाया गया है कि यह कई इलेक्ट्रॉनिक संरचना समस्याओं के लिए मान्य है।

B. रिपैकिंग एल्गोरिदम (Repacking Algorithms)

मुख्य कार्यप्रणाली योगदान रिपैकिंग (Repacking) का परिचय है, जो एक विजातीय समूहीकरण $\mathcal{G}$ को एक ओवरलैप्ड समूहीकरण $\mathcal{R}$ में बदलने की एक प्रक्रिया है बिना नए समूह बनाए (अर्थात, मापन सर्किटों की संख्या स्थिर रहती है)। दो विशिष्ट एल्गोरिदम प्रस्तावित किए गए हैं:

1. पोस्ट-हॉक रिपैकिंग (Post-hoc Repacking):

   • तंत्र (Mechanism): यह एक मौजूदा विजातीय समूहीकरण और उससे जुड़े मापन आधारों (विकेन्द्रीकरण यूनिटरीज) को लेता है। यह जाँचता है कि क्या हैमिल्टनियन के अन्य पाउली पद भी इन मौजूदा आधारों में विकेंद्रीकृत (diagonal) हैं। यदि ऐसा है, तो यह उन्हें समूह में जोड़ देता है।
   • लाभ (Advantage): इसके लिए नए क्वांटम सर्किटों की आवश्यकता नहीं होती है। यह पहले से एकत्र किए गए डेटा से अतिरिक्त जानकारी निकालता है, जो विचरण न्यूनीकरण के मामले में प्रभावी रूप से एक "फ्री लंच" (मुफ्त उपहार) प्रदान करता है।
   • जटिलता (Complexity): $O(m|V|)$, जहाँ $m$ समूहों की संख्या है और $|V|$ पदों की संख्या है।

2. एड-हॉक रिपैकिंग (Ad-hoc Repacking):

   • तंत्र (Mechanism): यह एक ग्रीडी एल्गोरिदम है जो सर्किट संश्लेषण से पहले समूहीकरण को संशोधित करता है। यह एक स्कोरिंग फंक्शन $C(P_i) = c_i^2 / \mu_i$ के आधार पर मौजूदा समूहों में संगत पाउली ऑपरेटरों को पुनरावृत्ति से सम्मिलित करता है, जहाँ $c_i$ गुणांक है और $\mu_i$ वह संख्या है जिसमें पद वर्तमान में दिखाई देता है।
   • लाभ (Advantage): यह संगत पदों के ओवरलैप को अधिकतम करने के लिए मापन आधार को बदलने की अनुमति देता है, जिससे पोस्ट-हॉक विधियों की तुलना में अधिक विचरण न्यूनीकरण प्राप्त हो सकता है।
   • प्रतिबंध (Constraint): यह कभी भी पदों को हटाता नहीं है या नए समूह नहीं बनाता है, जिससे यह सुनिश्चित होता है कि सर्किटों की संख्या स्थिर रहे।

C. सैद्धांतिक ढांचा (Theoretical Framework)

लेखक सिद्ध करते हैं कि रिपैकिंग समूहीकरणों पर एक आंशिक क्रम (partial order) बनाता है। यदि $\mathcal{R}$, $\mathcal{G}$ का एक रिपैकिंग है, तो $\mathcal{G} \subseteq \mathcal{R}$ ($\mathcal{G}$ ऑपरेटर समावेशन के संदर्भ में)। शून्य-सहप्रसरण धारणा के तहत, यह समावेशन गारंटी देता है कि $\mathcal{R}$ के लिए ऊर्जा एस्टिमेटर का विचरण $\mathcal{G}$ के विचरण से कम या उसके बराबर है।

3. मुख्य योगदान और सैद्धांतिक परिणाम (Key Contributions and Theoretical Results)

प्रमेय 1: अधिकतम विचरण न्यूनीकरण (Maximal Variance Reduction)

लेखक यह सिद्ध करने के लिए (अंतर्संबंधित पूर्ण ग्राफों पर आधारित) हैमिल्टोनियन के एक परिवार का निर्माण करते हैं कि सर्वश्रेष्ठ विजातीय समूहीकरण (जो "सॉर्टेड इंसर्शन" ह्यूरिस्टिक द्वारा पाया जाता है) की तुलना में ओवरलैप्ड ग्रुपिंग का विचरण न्यूनीकरण समूहों की संख्या ($m$) के रैखिक (linear) हो सकता है।

• परिणाम: $\text{Var}_{\text{disjoint}} / \text{Var}_{\text{overlapped}} = \Theta(m)$।
• महत्व: यह लाभ की सैद्धांतिक ऊपरी सीमा स्थापित करता है, यह दर्शाता है कि ओवरलैप्ड ग्रुपिंग केवल एक मामूली अनुकूलन नहीं है बल्कि यह समस्या की जटिलता के साथ रैखिक रूप से स्केल कर सकता है।

प्रमेय 2: नियतात्मक विचरण न्यूनीकरण (Deterministic Variance Reduction)

यह शोध पत्र सिद्ध करता है कि शून्य सहप्रसरण और शॉट-वेटेड एवरेजिंग की धारणा के तहत रिपैकिंग हमेशा विचरण को कम करता है (या उसके बराबर रखता है)।

• परिणाम: यदि कम से कम एक परिशोधन चरण (refinement step) एक गैर-शून्य विचरण वाला पाउली ऑपरेटर जोड़ता है, तो विचरण सख्ती से घटता है: $\text{Var}(\mathcal{R}) < \text{Var}(\mathcal{G})$।
• महत्व: यह एक नियतात्मक गारंटी (deterministic guarantee) प्रदान करता है कि प्रस्तावित एल्गोरिदम प्रदर्शन को खराब नहीं करेंगे, जैसा कि कुछ ह्यूरिस्टिक विधियों के मामले में हो सकता है।

4. संख्यात्मक परिणाम (Numerical Results)

लेखकों ने निम्नलिखित पर व्यापक सिमुलेशन किए:

1. आणविक हैमिल्टोनियन (Molecular Hamiltonians): जिसमें $H_2, LiH, BeH_2, NH_3, CH_4, H_6, H_2O$ और एक बड़ा मेटाफॉस्फेट (OWP) मॉडल (44 क्विबिट, $575 \times 10^5$ पद) शामिल हैं।
2. रैंडम हैमिल्टोनियन (Random Hamiltonians): स्केलिंग व्यवहार का अध्ययन करने के लिए 12 क्विबिट तक स्केल किए गए।

मुख्य निष्कर्ष:

• विचरण न्यूनीकरण (Variance Reduction): ओवरलैप्ड ग्रुपिंग ने मानक सॉर्टेड इंसर्शन की तुलना में लगातार विचरण को कम किया।
• परिमाण (Magnitude): सबसे बड़े आणविक बेंचमार्क (OWP) के लिए, विचरण में $\sim 2.35\times$ की कमी आई।
• स्केलिंग (Scaling): विचरण न्यूनीकरण कारक समस्या के आकार (क्विबिट/समूहों की संख्या) के साथ रैखिक रूप से (या रैंडम मॉडल के लिए सुपर-लीनियर रूप से) बढ़ता है।
• पोस्ट-हॉक बनाम एड-हॉक (Post-hoc vs. Ad-hoc): हालांकि एड-हॉक रिपैकिंग (आधार बदलना) आम तौर पर अधिक कमी देता है, फिर भी पोस्ट-हॉक रिपैकिंग (मौजूदा डेटा का पुन: उपयोग करना) सख्त विचरण न्यूनीकरण प्रदान करता है, जो "मुफ्त" सुधार के रूप में इसकी उपयोगिता को प्रमाणित करता है।
• सहप्रसरण धारणा (Covariance Assumption): फर्मी-हबार्ड मॉडल पर संख्यात्मक जांच ने पुष्टि की कि विशिष्ट इलेक्ट्रॉनिक संरचना समस्याओं के लिए, विकर्ण विचरण पद (diagonal variance term) सहप्रसरण पद के वर्चस्व को सिद्ध करता है, जो सिद्धांत में उपयोग की गई शून्य-सहप्रसरण धारणा को न्यायसंगत बनाता है।

5. महत्व और प्रभाव (Significance and Impact)

• मेगाक्वोप कंप्यूटरों के लिए स्केलेबिलिटी (Scalability for Megaquop Computers): परिणाम बताते हैं कि ओवरलैप्ड ग्रुपिंग भविष्य के क्वांटम कंप्यूटरों (मेगाक्वोप स्केल, $10^2$–$10^3$ क्विबिट) के लिए एक महत्वपूर्ण रणनीति है। जैसे-जैसे समस्या का आकार बढ़ता है, रैखिक विचरण न्यूनीकरण का अर्थ है कि कुल मापन लागत (शॉट्स) को काफी कम किया जा सकता है, जिससे बड़े पैमाने पर ऊर्जा अनुमान संभव हो जाता है।
• नियतात्मक सुधार (Deterministic Improvement): कई क्वांटम एल्गोरिदम अनुकूलन के विपरीत जो संभाव्य लाभों या विशिष्ट अवस्था गुणों पर निर्भर करते हैं, रिपैकिंग किसी भी हैमिल्टोनियन के लिए कम विचरण के लिए एक नियतात्मक (deterministic) मार्ग प्रदान करता है, बशर्ते शून्य-सहप्रसरण धारणा बनी रहे (जो कि रसायन विज्ञान के लिए अनुभवजन्य रूप से सत्य है)।
• पूर्वव्यापी अनुकूलन (Retroactive Optimization): पोस्ट-हॉक रिपैकिंग विधि विशेष रूप से निकट-अवधि प्रयोगों के लिए महत्वपूर्ण है। यह शोधकर्ताओं को विजातीय समूहीकरण प्रयोगों से एकत्र किए गए डेटा का पुन: विश्लेषण करने और बिना नए सर्किट चलाए अधिक जानकारी निकालने की अनुमति देता है, जिससे मौजूदा प्रयोगात्मक संसाधनों की उपयोगिता प्रभावी रूप से बढ़ जाती है।
• सैद्धांतिक पूर्णता (Theoretical Closure): यह शोध पत्र ओवरलैप्ड ग्रुपिंग के संभावित लाभों के बारे में खुले प्रश्नों को हल करता है, यह सिद्ध करते हुए कि लाभ केवल एक स्थिरांक (constant) द्वारा सीमित नहीं है बल्कि समस्या के आकार के साथ स्केल करता है।

संक्षेप में, यह कार्य दोनों सैद्धांतिक प्रमाण और व्यावहारिक एल्गोरिदम प्रदान करता है जो यह प्रदर्शित करते हैं कि रिपैकिंग के माध्यम से ओवरलैप्ड ग्रुपिंग क्वांटम ऊर्जा अनुमान में मापन जटिलता को कम करने के लिए एक शक्तिशाली, स्केलेबल और नियतात्मक विधि है।