⚛️ quantum physics

Improving Feasibility in Quantum Approximate Optimization Algorithm for Vehicle Routing via Constraint-Aware Initialization and Hybrid XY-X Mixing

यह शोध पत्र वाहन रूटिंग समस्या (Vehicle Routing Problem) के लिए एक बाधा-जागरूक (constraint-aware) क्वांटम एप्रोक्सिमेट ऑप्टिमाइज़ेशन एल्गोरिदम (QAOA) ढांचे का प्रस्ताव करता है जो एक विशेष इनिशियलाइज़ेशन रणनीति को एक हाइब्रिड XY-X मिक्सर के साथ जोड़ता है ताकि मानक QAOA की तुलना में व्यवहार्य, कम लागत वाले समाधानों के निर्माण में महत्वपूर्ण सुधार किया जा सके, विशेष रूप से आदर्श और परिमित-शॉट (finite-shot) व्यवस्थाओं में, जिसमें क्वांटम हार्डवेयर फिडेलिटी बढ़ने के साथ प्रदर्शन लाभ की अपेक्षा की गई है।

मूल लेखक: Yuan-Zheng Lei, Yaobang Gong, Xianfeng Terry Yang, Nii Attoh-Okine

प्रकाशित 2026-04-09

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Yuan-Zheng Lei, Yaobang Gong, Xianfeng Terry Yang, Nii Attoh-Okine

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 डिलीवरी कंपनी के मैनेजर हैं। आपके पास ट्रकों का एक बेड़ा है और घरों की एक सूची है जिन्हें पैकेज पहुँचाने हैं। आपका लक्ष्य हर ट्रक के लिए सबसे कुशल मार्ग (route) पता लगाना है ताकि आप अधिक से अधिक ईंधन और समय बचा सकें। यह व्हीकल रूटिंग प्रॉब्लम (VRP) है। यह एक क्लासिक पहेली है जिसे हल करना अविश्वसनीय रूप से कठिन है, खासकर जैसे-जैसे घरों और ट्रकों की संख्या बढ़ती है।

अब, कल्पना कीजिए कि आपके पास एक सुपर-पॉवरफुल नया कंप्यूटर है जिसे क्वांटम कंप्यूटर कहा जाता है। यह केवल एक बार में एक रूट की गणना नहीं करता है; यह लाखों रूटों को एक साथ एक्सप्लोर कर सकता है। इस तरह की पहेलियों को हल करने के लिए इसका एक बेहतरीन टूल है जिसे QAOA (क्वांटम एप्रोक्सिमेट ऑप्टिमाइज़ेशन एल्गोरिदम) कहा जाता है।

हालाँकि, एक बड़ी समस्या है: जबकि QAOA शक्तिशाली है, यह वर्तमान में डिलीवरी रूट हल करने के मामले में बहुत "भुलक्कड़" या "अनाड़ी" (clumsy) है। यहाँ समस्या और उसका समाधान सरल शब्दों में समझाया गया है।

समस्या: "जंगल में खो जाने" की दुविधा

क्वांटम कंप्यूटर को एक हाइकर (हाइकर) के रूप में सोचें जो एक विशाल, धुंधले जंगल में सबसे निचली घाटी (सबसे अच्छा रूट) खोजने की कोशिश कर रहा है।

जंगल: यह सभी संभावित रूटों के संयोजनों (combinations) का प्रतिनिधित्व करता है। इनमें से अधिकांश संयोजन निरर्थक हैं (जैसे, एक ट्रक का गोल-गोल घूमना, एक ही घर को दो बार जाना, या बिना किसी ट्रक के डिपो छोड़ देना)। ये असंभव (infeasible) समाधान हैं।
घाटी: यह एकदम सही, कानूनी रूट है।
कैच (Catch): एक डिलीवरी समस्या में, "परफेक्ट रूट" पूरे संयुक्त राज्य अमेरिका के आकार के जंगल में एक बहुत ही छोटा सा बिंदु है। जंगल का 99.9% हिस्सा केवल डेड एंड (बंद रास्ते) और खाइयाँ हैं।

स्टैंडर्ड QAOA एक ऐसे हाइकर की तरह है जो जंगल में किसी भी रैंडम जगह से शुरू होता है और हर दिशा में समान रूप से कदम बढ़ाता है। क्योंकि जंगल का अधिकांश हिस्सा "खराब" इलाके वाला है, हाइकर अपना अधिकांश समय गलत जगहों पर भटकने में बिता देता है, और शायद ही कभी उस छोटी सी घाटी तक पहुँच पाता है। इससे भी बुरा यह है कि उनके चलने का तरीका (जिसे "मिक्सर" कहा जाता है) अक्सर खेल के नियमों को तोड़ देता है (जैसे, किसी ट्रक की दिशा को रैंडमली बदल देना), जिससे एक आंशिक रूप से अच्छा रूट पूरी तरह से खराब हो जाता है।

समाधान: एक स्मार्ट गाइड और एक विशेष कंपास

लेखकों ने हाइकर को तेजी से और अधिक विश्वसनीय रूप से घाटी खोजने में मदद करने के लिए एक दो-भाग वाली रणनीति प्रस्तावित की है।

1. स्मार्ट शुरुआत (Constraint-Aware Initialization)

हाइकर को जंगल के बीच में किसी रैंडम जगह से शुरू करने के बजाय, लेखक कहते हैं: "आइए हाइकर को एक ऐसे रास्ते पर शुरू करें जो पहले से ही 80% सही है।"

उपमा (Analogy): कल्पना कीजिए कि आप जानते हैं कि हर ट्रक को डिपो से निकलना ही होगा और हर घर का दौरा एक बार किया जाना चाहिए। कंप्यूटर को इन बुनियादी नियमों का अनुमान लगाने देने के बजाय, आप उसे एक ऐसी "सुपरपोजिशन" (संभावनाओं का मिश्रण) के साथ शुरू होने के लिए मजबूर करते हैं जो पहले से ही इन नियमों का पालन करती है।
परिणाम: अब आप पूरे जंगल की तलाश नहीं कर रहे हैं; आप एक बहुत छोटे, साफ-सुथरे बगीचे में खोज कर रहे हैं जहाँ नियम पहले से ही लागू हैं। आपने हाइकर के पहला कदम उठाने से पहले ही "खाइयों" को खत्म कर दिया है।

2. हाइब्रिड कंपास (Hybrid XY-X Mixer)

एक बार जब हाइकर इस "साफ बगीचे" में पहुँच जाता है, तो उन्हें सबसे अच्छी जगह खोजने के लिए इधर-उधर घूमने की आवश्यकता होती है।

पुराना कंपास (Standard Mixer): यह कंपास हाइकर को किसी भी दिशा में चलने की अनुमति देता है, भले ही इसका मतलब नियमों को तोड़ना हो (जैसे, किसी खाई में गिर जाना)। यह बहुत स्वतंत्र है, लेकिन यह अक्सर वापस खराब जंगल में ले जाता है।
नया कंपास (Hybrid Mixer): यह एक विशेष कंपास है जिसमें दो मोड हैं:
- मोड A (द गार्डियन): उन रास्तों पर जहाँ नियम सख्त हैं (जैसे, "ट्रक A को डिपो से निकलना ही होगा"), यह कंपास हाइकर को अपनी जगह पर लॉक कर देता है ताकि वे नियमों को तोड़ न सकें। यह उस अच्छे स्ट्रक्चर को बनाए रखता है जिसे आपने स्टेप 1 में बनाया था।
- मोड B (द एक्सप्लोरर): उन हिस्सों पर जहाँ नियम लचीले हैं, यह कंपास हाइकर को बेहतर शॉर्टकट खोजने के लिए स्वतंत्र रूप से घूमने देता है।

इन दोनों को मिलाकर, हाइकर "अच्छे रास्ते" पर बना रहता है लेकिन फिर भी उसे सबसे अच्छा रूट खोजने के लिए एक्सप्लोर करने की स्वतंत्रता मिलती है।

परिणाम: क्या यह काम करता है?

लेखकों ने इस नई पद्धति का तीन अलग-अलग परिदृश्यों में परीक्षण किया:

परफेक्ट वर्ल्ड (आइडियल सिमुलेशन): कोई त्रुटि नहीं, आदर्श स्थितियाँ।
रियलिस्टिक वर्ल्ड (सैंपलिंग): जैसे थोड़े हिलते हुए कैमरे के साथ फोटो लेना (सीमित डेटा)।
नॉइजी वर्ल्ड (हार्डवेयर): जैसे टूटे हुए कंपास के साथ तूफान में रास्ता खोजना (आज के वास्तविक क्वांटम कंप्यूटर)।

निष्कर्ष:

परफेक्ट वर्ल्ड में, नई पद्धति पुराने तरीके की तुलना में बहुत अधिक बार और बहुत तेजी से सबसे अच्छा रूट ढूंढ लेती है। यह एक अंधे पट्टी बनाम जीपीएस (GPS) होने जैसा है।
रियलिस्टिक वर्ल्ड में, यह अभी भी काफी बेहतर प्रदर्शन करती है।
नॉइजी वर्ल्ड में, इसका लाभ कम हो जाता है। क्यों? क्योंकि नया तरीका एक थोड़ा अधिक जटिल "कंपास" (सर्किट) का उपयोग करता है। आज के शोर वाले (noisy) क्वांटम कंप्यूटरों में, जटिल सर्किट के गलत होने की संभावना अधिक होती है।

मुख्य निष्कर्ष (The Big Takeaway)

यह पेपर हमें सिखाता है कि आप कैसे शुरू करते हैं और आप कैसे चलते हैं यह कंप्यूटर की शक्ति जितने ही महत्वपूर्ण हैं।

सबक: यदि आप एक जटिल लॉजिस्टिक्स समस्या को क्वांटम कंप्यूटर के साथ हल करने का प्रयास कर रहे हैं, तो आप बस पूरी समस्या उसके सामने नहीं फेंक सकते और उम्मीद नहीं कर सकते कि सब ठीक हो जाएगा। आपको कंप्यूटर को सड़क के बुनियादी नियम शुरू करने से पहले ही "सिखाना" होगा।
भविकी: हालांकि यह तरीका थ्योरी में और सिमुलेटर पर बहुत अच्छा काम करता है, इसे वास्तविक दुनिया में चमकने के लिए बेहतर हार्डवेयर (कम "शोर") की आवश्यकता है। जैसे-जैसे क्वांटम कंप्यूटर बेहतर और कम एरर-प्रोन होते जाएंगे, यह "स्मार्ट स्टार्ट + हाइब्रिड कंपास" रणनीति डिलीवरी, ट्रैफिक और सप्लाई चेन समस्याओं को हल करने का मानक बन जाएगी।

संक्षेप में: अपने क्वांटम कंप्यूटर को बुरे विचारों के जंगल में बिना सोचे-समझे मत भटकने दें। पहले उसे अच्छे रास्तों का नक्शा दें, और फिर उसे बाकी चीजों को एक्सप्लोर करने दें।

यहाँ शोध पत्र "Improving Feasibility in Quantum Approximate Optimization Algorithm for Vehicle Routing via Constraint-Aware Initialization and Hybrid XY-X Mixing" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

व्हीकल राउटिंग प्रॉब्लम (VRP) लॉजिस्टिक्स में एक मौलिक NP-hard कॉम्बिनेटोरियल ऑप्टिमाइज़ेशन समस्या है। जबकि क्वांटम एप्रोक्सिमेट ऑप्टिमाइज़ेशन एल्गोरिदम (QAOA) निकट-अवधि क्वांटम उपकरणों पर ऐसी समस्याओं को हल करने के लिए एक अग्रणी ढांचा है, यह VRP पर लागू होने पर एक महत्वपूर्ण फिजिबिलिटी बॉटलनेक (feasibility bottleneck) का सामना करता है:

विरल व्यवहार्य स्थान (Sparse Feasible Space): मानक QAOA में, एल्गोरिदम सभी $2^n$ बाइनरी स्ट्रिंग्स पर एक समान सुपरपोजिशन के साथ शुरू होता है। VRP के लिए, व्यवहार्य समाधान (डिग्री बैलेंस और सबटूर एलिमिनेशन जैसे बाधाओं को संतुष्ट करने वाले वैध रूट) इस खोज स्थान के केवल एक बहुत छोटे हिस्से में मौजूद होते हैं।
मिक्सर व्यवधान (Mixer Disruption): मानक QAOA मिक्सर ट्रांसवर्स-फील्ड पाउली-X ऑपरेटर्स ( $X$ ) का उपयोग करता है, जो स्वतंत्र बिट फ्लिप की अनुमति देते हैं। यह विकास (evolution) के दौरान स्थानीय बाधा संरचनाओं (जैसे, "ठीक एक आउटगोइंग लिंक" बाधा) को बाधित करता है, जिससे संभाव्यता द्रव्यमान (probability mass) व्यवहार्य अवस्थाओं से अ व्यवहार्य अवस्थाओं की ओर प्रवाहित होता है।
विकल्पों की सीमाएँ: शुद्ध बाधा-संरक्षण मिक्सर (जैसे, XY मिक्सर) हैमिंग वेट (Hamming weight) को बनाए रखते हैं लेकिन विभिन्न वेट सेक्टर्स के बीच संक्रमण नहीं कर सकते। यदि प्रारंभिक अवस्था में गलत हैमिंग वेट है, तो वह कभी भी व्यवहार्य सबस्पेस तक नहीं पहुँच सकती।

2. कार्यप्रणाली (Methodology)

लेखक एक कन्स्ट्रेंट-अवेयर QAOA फ्रेमवर्क (Constraint-Aware QAOA Framework) का प्रस्ताव करते हैं, जिसमें दो पूरक घटक शामिल हैं जिन्हें खोज की क्षमता से समझौता किए बिना वैध समाधानों की ओर मार्गदर्शन करने के लिए डिज़ाइन किया गया है।

A. कन्स्ट्रेंट-अवेयर इनिशियलाइजेशन (Constraint-Aware Initialization)

एक समान सुपरपोजिशन $|+\rangle^{\otimes n}$ के बजाय, लेखक एक ऐसी प्रारंभिक अवस्था का निर्माण करते हैं जो स्पष्ट रूप से स्थानीय, संरचनात्मक रूप से सूचनात्मक बाधाओं (विशेष रूप से, स्थानीय वन-हॉट बाधाओं जैसे $x_i + x_j = 1$ ) को एनकोड करती है।

तंत्र (Mechanism): इनिशियलाइजेशन सुपरपोजिशन को एक छोटे सबस्पेस तक सीमित करता है जहाँ ये स्थानीय बाधाएं पहले से ही संतुष्ट हैं।
लाभ: यह प्रारंभिक खोज स्थान के आकार को काफी कम कर देता है और VRP के प्रमुख संरचनात्मक गुणों को संतुष्ट करने वाली अवस्थाओं पर प्रारंभिक संभाव्यता द्रव्यमान को बढ़ाता है।
विभेद (Distinction): "ग्रोवर-मिक्सर" दृष्टिकोणों के विपरीत (जिनके लिए सभी व्यवहार्य अवस्थाओं पर सुपरपोजिशन तैयार करना आवश्यक है, जो कम्प्यूटेशनल रूप से कठिन है), यह विधि केवल सरल, स्थानीय बाधाओं को लागू करती है, जिससे यह हल्का और आसानी से लागू करने योग्य बन जाता है।

B. हाइब्रिड XY-X मिक्सर (Hybrid XY-X Mixer)

शुद्ध XY मिक्सर (जो हैमिंग वेट नहीं बदल सकते) और शुद्ध X मिक्सर (जो बाधाओं को नष्ट कर देते हैं) की सीमाओं को संबोधित करने के लिए, लेखक एक हाइब्रिड मिक्सर पेश करते हैं:
$H_{M}^{hyb} = H_{XY} + \lambda \sum_{k \in K} X_k$

$H_{XY}$ पद: विशिष्ट क्यूबिट जोड़ों पर $|01\rangle \leftrightarrow |10\rangle$ को स्वैप करके इनिशियलाइजेशन के दौरान लागू की गई बाधा संरचना को बनाए रखता है, जिससे स्थानीय व्यवहार्यता बनी रहती है।
$X$ पद: उन क्यूबिट्स पर मानक पाउली-X रोटेशन लागू करता है जो स्थानीय बाधाओं द्वारा सुरक्षित नहीं हैं। यह एल्गोरिदम को हैमिंग वेट बदलने और निश्चित-वेट सबस्पेस के बाहर कॉन्फ़िगरेशन का पता लगाने की अनुमति देता है।
पैरामीटर $\lambda$ : एक वेटिंग पैरामीटर जो बाधा संरक्षण (कम $\lambda$ ) और एक्सप्लोरेटरी फ्लेक्सिबिलिटी (उच्च $\lambda$ ) के बीच संतुलन बनाता है।

3. मुख्य योगदान (Key Contributions)

नूतन इनिशियलाइजेशन रणनीति: एक हल्का तरीका जो VRP की स्थानीय बाधाओं को सीधे प्रारंभिक क्वांटम अवस्था में एनकोड करता है, जिससे जटिल स्टेट प्रिपरेशन सर्किट की आवश्यकता के बिना प्रभावी खोज स्थान कम हो जाता है।
हाइब्रिड मिक्सर डिज़ाइन: एक नया मिक्सर आर्किटेक्चर जो अनुकूलतम समाधान खोजने के लिए आवश्यक वैश्विक अन्वेषण (global exploration) और स्थानीय संरचनात्मक बाधाओं के संरक्षण के बीच गतिशील रूप से संतुलन बनाता है।
व्यापक मूल्यांकन: इस फ्रेमवर्क का परीक्षण तीन प्रगतिशील यथार्थवादी व्यवस्थाओं (regimes) के तहत किया गया है:
- आदर्श स्टेटवेक्टर (Ideal Statevector): सटीक एक्सपेक्टेशन वैल्यूज।
- फाइनाइट-शॉट (Finite-Shot): सीमित मापन से उत्पन्न सैंपलिंग शोर।
- नॉइजी फाइनाइट-शॉट (Noisy Finite-Shot): इसमें प्रयोगशाला-स्तर की सर्वोत्तम हार्डवेयर फिडेलिटी के आधार पर गेट और रीडआउट त्रुटियां शामिल हैं।

4. प्रयोगात्मक परिणाम (Experimental Results)

प्रस्तावित विधि का मूल्यांकन मानक QAOA के विरुद्ध एक छोटे VRP इंस्टेंस (3 नोड्स, 2 वाहन) पर किया गया।

ऑप्टिमल-स्टेट प्रोबेबिलिटी: प्रस्तावित विधि ने लगातार अनुकूल व्यवहार्य समाधान को सैंपल करने की उच्च संभाव्यता प्राप्त की।
- आदर्श व्यवस्था (Ideal Regime): ~50.9% (मानक) से सुधरकर ~61.8% (प्रस्तावित) हुई।
- नॉइजी व्यवस्था (Noisy Regime): ~43.2% से सुधरकर ~51.4% हुई।
एक्सपेक्टेड एनर्जी गैप (Expected Energy Gap): प्रस्तावित विधि ने कम औसत ऊर्जा (अनुकूल लागत के करीब) प्रदान की, जो दर्शाता है कि अंतिम वितरण कम-लागत वाले समाधानों पर अधिक केंद्रित था।
- आदर्श व्यवस्था: गैप को 623.37 से घटाकर 539.14 कर दिया।
$\lambda$ के प्रति संवेदनशीलता: प्रदर्शन ने $\lambda$ के साथ एक गैर-मोनोटोनिक संबंध प्रदर्शित किया। मध्यम मान (लगभग 0.7–0.8) सबसे अच्छा ट्रेड-ऑफ प्रदान करते हैं, जो पुष्टि करता है कि अलग-अलग वेट सेक्टर्स से बाहर निकलने के लिए कुछ अन्वेषण आवश्यक है, लेकिन बहुत अधिक अन्वेषण संरचनात्मक लाभ को नष्ट कर देता है।
शोर का प्रभाव (Impact of Noise): हालांकि प्रस्तावित विधि सभी व्यवस्थाओं में मानक QAOA से बेहतर प्रदर्शन करती है, लेकिन नॉइजी व्यवस्था में सापेक्ष लाभ कम हो गया। यह सुझाव देता है कि हाइब्रिड मिक्सर की अतिरिक्त सर्किट जटिलता इसे हार्डवेयर त्रुटियों के प्रति थोड़ा अधिक संवेदनशील बनाती है, फिर भी यह शुद्ध लाभ बनाए रखती है।

5. महत्व और निष्कर्ष (Significance and Conclusion)

एल्गोरिद्मिक अंतर्दृष्टि: यह शोध पत्र प्रदर्शित करता है कि VRP जैसी बाधाओं वाली समस्याओं के लिए, लागत हैमिल्टोनियन में केवल पेनल्टी टर्म्स पर निर्भर रहने के बजाय, व्यवहार्यता (feasibility) को एक प्राथमिक एल्गोरिद्मिक मुद्दे के रूप में मानना अधिक प्रभावी है।
व्यावहारिक निहितार्थ: परिणाम NISQ युग में एक महत्वपूर्ण ट्रेड-ऑफ को उजागर करते हैं: जबकि संरचित अनसात्ज़ डिज़ाइन (जैसे, कन्स्ट्रेंट-अवेयर इनिशियलाइजेशन) महत्वपूर्ण एल्गोरिद्मिक लाभ प्रदान करते हैं, उनकी पूर्ण क्षमता वर्तमान में हार्डवेयर शोर द्वारा सीमित है।
भविष्य का दृष्टिकोण: लेखक निष्कर्ष निकालते हैं कि वास्तविक दुनिया के परिवहन अनुप्रयोगों में ऐसे 'फिजिबिलिटी-अवेयर' QAOA डिज़ाइनों की सफलता क्वांटम हार्डवेयर (विशेष रूप से गेट और रीडआउट फिडेलिटी) के समानांतर विकास पर निर्भर करती है। जैसे-जैसे हार्डवेयर में सुधार होगा, इन अधिक जटिल, संरचित सर्किटों के लाभ अधिक स्पष्ट होंगे।

संक्षेप में, यह कार्य लॉजिस्टिक्स समस्याओं के लिए QAOA व्यवहार्यता को बढ़ाने हेतु एक मजबूत ढांचा प्रदान करता है, जो पूरी तरह से बाधा-युक्त सबस्पेस की कठोरता और अनियंत्रित खोज के अराजक स्वभाव के बीच एक व्यावहारिक समझौता पेश करता है।