⚛️ quantum physics

Scaling of Quantum Resources for Simulating a Long-Range System

यह शोध पत्र यह प्रदर्शित करता है कि VQE का उपयोग करके एक लॉन्ग-रेंज एक्सटेंडेड आइसिंग मॉडल को सिम्युलेट करने के लिए, लंबे-रेंज वाले एंटैंगलिंग ब्लॉक्स को शामिल करने वाले स्ट्रक्चर-अवेयर एन्सैट्ज़, नियरएस्ट-नेबर दृष्टिकोणों की तुलना में आवश्यक सर्किट डेप्थ को काफी कम कर देते हैं, जिसमें गेट स्केलिंग इंटरेक्शन रेंज और फेज के आधार पर लीनियर से क्वाड्रेटिक में परिवर्तित हो जाती है, जबकि ऊर्जा फिडेलिटी के बजाय पेयरवाइज लॉगरिदमिक नेगेटिविटी को एक अधिक विश्वसनीय कन्वर्जेंस मेट्रिक के रूप में स्थापित करती है।

मूल लेखक: Tanya Keshari, Debasis Sadhukhan

प्रकाशित 2026-04-21

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Tanya Keshari, Debasis Sadhukhan

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

एक बड़ी तस्वीर: एक क्वांटम दुनिया का अनुकरण (Simulating a Quantum World)

कल्पना कीजिए कि आप पूरे ग्रह के लिए मौसम की भविष्यवाणी करने की कोशिश कर रहे हैं। इसे पूरी तरह से करने के लिए, आपको हवा के हर एक अणु (molecule) को ट्रैक करने की आवश्यकता होगी। एक सामान्य कंप्यूटर पर, यह असंभव है क्योंकि संयोजनों (combinations) की संख्या बहुत अधिक है।

क्वांटम दुनिया में, वैज्ञानिक जटिल प्रणालियों (जैसे चुंबक या परमाणु) को समझने के लिए उनका अनुकरण (simulate) करना चाहते हैं। लेकिन मौसम की तरह ही, संभावनाओं की संख्या इतनी तेजी से बढ़ती है कि दुनिया के सबसे शक्तिशाली सुपरकंप्यूटर भी लगभग 30 परमाणुओं के बाद हार मान लेते हैं।

यह शोध पत्र नए, प्रयोगात्मक क्वांटम कंप्यूटरों (जिन्हें NISQ डिवाइस कहा जाता है) का उपयोग करके इस समस्या को हल करने के बारे में है। हालाँकि, ये नए कंप्यूटर "शोर वाले" (noisy) और नाजुक होते हैं। वे गलतियाँ किए बिना लंबे प्रोग्राम नहीं चला सकते। इसलिए, चुनौती यह है: हम एक छोटा, सरल प्रोग्राम कैसे बनाएं जो सही उत्तर भी दे सके?

समस्या: "गलत" प्रकार का संबंध

शोधकर्ता एक विशिष्ट प्रकार की चुंबकीय श्रृंखला का अध्ययन कर रहे थे जिसे लॉन्ग-रेंज आइसिंग मॉडल (Long-Range Ising Model) कहा जाता है।

उपमा (Analogy): कल्पना कीजिए कि हाथ पकड़े हुए लोगों की एक पंक्ति है।
- एक सामान्य (शॉर्ट-रेंज) प्रणाली में, व्यक्ति A केवल व्यक्ति B से बात कर सकता है, जो C से बात करता है, और इसी तरह। जानकारी धीरे-धीरे चलती है, जैसे एक कतार में फुसफुसाहट।
- एक लॉन्ग-रेंज प्रणाली में, व्यक्ति A सीधे पंक्ति के अंत में खड़े व्यक्ति Z को चिल्लाकर बता सकता है, बीच के सभी लोगों को छोड़कर। हर कोई हर किसी से तुरंत जुड़ा हुआ है।

शोधकर्ता इस "कमरे के आर-पार चिल्लाने" वाले व्यवहार को क्वांटम कंप्यूटर का उपयोग करके सिम्युलेट करना चाहते थे।

समाधान: एक बेहतर ब्लूप्रिंट बनाना (The Ansatz)

क्वांटम कंप्यूटर पर इसका अनुकरण करने के लिए, वैज्ञानिक एक "ब्लूप्रिंट" का उपयोग करते हैं जिसे एन्सात्ज़ (Ansatz) कहा जाता है। एन्सात्ज़ को केक (क्वांटम स्टेट) बनाने की रेसिपी की तरह समझें।

पुरानी रेसिपी (NN): मानक रेसिपी केवल आपको उन सामग्रियों को मिलाने की अनुमति देती है जो एक-दूसरे के ठीक बगल में हैं। पहली और आखिरी सामग्री को मिलाने के लिए, आपको कटोरे को लाइन में एक-एक करके आगे बढ़ाना होगा। इसमें बहुत सारे कदम (layers) लगते हैं और काम पूरा होने से पहले ही केक गड़बड़ (noisy) हो जाता है।
नई रेसिपी (NNN और NNNN): शोधकर्ताओं ने तीन नई रेसिपी डिज़ाइन कीं।
- NNN: यह आपको दो स्थान दूर की सामग्रियों को मिलाने की अनुमति देती है।
- NNNN: यह आपको तीन स्थान दूर की सामग्रियों को मिलाने की अनुमति देती है।

ये नई रेसिपीज़ उस "चिल्लाने" वाले स्वभाव की नकल करती हैं जो लॉन्ग-रेंज सिस्टम में होता है। लाइन में कटोरा पास करने के बजाय, आप बस हाथ बढ़ाकर वह सामग्री ले सकते हैं जिसकी आपको आवश्यकता है।

बड़ी खोज: केवल 'फिडेलिटी' काफी नहीं है

आमतौर पर, जब वैज्ञानिक यह देखते हैं कि उनका सिमुलेशन सफल रहा या नहीं, तो वे पूछते हैं: "क्या हमारे सिम्युलेटेड केक की ऊर्जा वास्तविक केक के करीब है?" यदि ऊर्जा 99% सही है, तो वे कहते हैं, "बहुत बढ़िया!"

शोधकर्ताओं ने एक जाल खोजा:
उन्होंने पाया कि आपके पास एक ऐसा केक हो सकता है जिसका स्वाद 99% सही है (उच्च ऊर्जा फिडेलिटी), लेकिन उसकी बनावट (texture) गलत है (गलत क्वांटम एंटैंगलमेंट)।

उपमा: कल्पना कीजिए कि एक नकली हीरा जो बिल्कुल असली हीरे जैसा दिखता है और उसका वजन भी समान है (उच्च ऊर्जा)। लेकिन अगर आप उसे खरोंचते हैं, तो पता चलता है कि वह कांच है (गलत एंटैंगलमेंट)।
समाधान: उन्होंने एक नया परीक्षण पेश किया जिसे लॉगैरिद्मिक नेगेटिविटी (Logarithmic Negativity) कहा जाता है। केवल हीरे को तौलने के बजाय, वे इसकी आंतरिक संरचना की जांच करते हैं कि क्या यह वास्तव में एक हीरा है। उन्होंने पाया कि कई सिमुलेशन जो ऊर्जा के मामले में "अच्छे" दिखते थे, वे लॉन्ग-रेंज कनेक्शन के मामले में वास्तव में "कांच" थे।

परिणाम: कौन जीता?

शोधकर्ताओं ने तीन अलग-अलग स्थितियों के तहत अपनी तीन रेसिपीज़ (NN, NNN, NNNN) का परीक्षण किया:

"लॉन्ग-रेंज" शासन (जब हर कोई हर किसी को चिल्लाकर बताता है):
- विजेता: NNN और NNNN रेसिपी।
- कारण: क्योंकि सिस्टम में लंबी दूरी के कनेक्शन भरे हुए हैं, इसलिए "आर-पार पहुँचने" वाली रेसिपी बहुत समय बचाती है।
- गणित: मानक रेसिपी (NN) को सिस्टम बड़ा होने के साथ अपने स्टेप्स को रैखिक रूप से (linearly) बढ़ाना पड़ता था। नई रेसिपीज़ बहुत धीमी गति से बढ़ीं। एक बड़े सिस्टम के लिए, नई रेसिपीज़ पुरानी रेसिपी की तुलना में 2.5 से 3.8 गुना तेज़ (कम लेयर्स) थीं।
- आश्चर्य: इससे कोई फर्क नहीं पड़ा कि सिस्टम "क्रिटिकल" अवस्था (अराजक/chaotic) में था या शांत अवस्था में। जब तक कनेक्शन लॉन्ग-रेंज थे, नई रेसिपी जीत गईं।
"क्वासी-लोकल" शासन (ज्यादातर पड़ोसी, कुछ चिल्लाना):
- विजेता: नई रेसिपी अभी भी जीतीं, लेकिन मुख्य रूप से तब जब सिस्टम अराजक, क्रिटिकल अवस्था में था। जब चीजें शांत थीं, तो पुरानी रेसिपी ठीक थी।
"शॉर्ट-रेंज" शासन (केवल पड़ोसियों से फुसफुसाना):
- विजेता: पुरानी रेसिपी (NN)।
- कारण: यदि हर कोई केवल अपने पड़ोसी से बात करता है, तो कमरे के आर-पार पहुँचने वाली रेसिपी का उपयोग करना केवल अतिरिक्त काम है। जटिल रेसिपीज़ बिना किसी मदद के अनावश्यक स्टेप्स जोड़ रही थीं।

भविष्य के लिए सीख

यह शोध पत्र क्वांटम कंप्यूटर बनाने के लिए हमें तीन मुख्य सबक सिखाता है:

केवल ऊर्जा को न देखें: यदि आप लॉन्ग-रेंज सिस्टम का अनुकरण कर रहे हैं, तो केवल ऊर्जा की जांच करना पर्याप्त नहीं है। आपको "बनावट" (एंटैंगलमेंट) की जांच करनी चाहिए ताकि यह सुनिश्चित हो सके कि सिमुलेशन वास्तविक है।
काम के अनुसार उपकरण चुनें: यदि समस्या का भौतिक विज्ञान (physics) लंबी दूरी के कनेक्शनों से जुड़ा है, तो आपके क्वांटम कंप्यूटर प्रोग्राम को लंबी दूरी के कनेक्शनों को संभालने के लिए डिज़ाइन किया जाना चाहिए। "केवल पड़ोसी" वाला प्रोग्राम उपयोग करना अक्षम और बर्बादी है।
"इंटरेक्शन रेंज" ही बॉस है: सिमुलेशन चलाना कितना कठिन है, इसका सबसे महत्वपूर्ण कारक यह नहीं है कि सिस्टम कितना अराजक (chaotic) है; बल्कि यह है कि कण एक-दूसरे से कितनी दूर तक बात कर सकते हैं।

संक्षेप में: ऐसी दुनिया का अनुकरण करने के लिए जहाँ हर कोई हर किसी से जुड़ा हुआ है, आपको एक ऐसे ब्लूप्रिंट की आवश्यकता है जो कमरे के आर-पार पहुँचने की अनुमति दे। यदि आप इसे लाइन में संदेश पास करके करने की कोशिश करेंगे, तो काम पूरा करने से पहले ही आपका समय और बैटरी खत्म हो जाएगी। शोधकर्ताओं ने हमें दिखाया कि उस "आर-पार पहुँचने" वाले ब्लूप्रिंट को कुशलतापूर्वक कैसे बनाया जाए।

तन्या केशरी और देबासिस साधुखान के शोध पत्र "Scaling of Quantum Resources for Simulating a Long-Range System" का विस्तृत तकनीकी सारांश यहाँ दिया गया है।

1. समस्या विवरण (Problem Statement)

दीर्घ-परासी अंतःक्रियाओं (long-range interactions) वाले क्वांटम अनेक-निकाय प्रणालियों (many-body systems) का अनुकरण करना शास्त्रीय (classical) और निकट-अवधि (near-term) क्वांटम कंप्यूटरों दोनों के लिए एक महत्वपूर्ण चुनौती है।

शास्त्रीय सीमाएँ (Classical Limitations): जबकि टेंसर नेटवर्क विधियाँ (जैसे DMRG) स्थानीय प्रणालियों के लिए अच्छा काम करती हैं क्योंकि वे एंटैंगलमेंट के "एरिया लॉ" (area law) का पालन करती हैं, वे दीर्घ-परासी प्रणालियों के लिए विफल हो जाती हैं जहाँ एंटैंगलमेंट एंट्रॉपी लघुगणकीय (logarithmically) या उससे अधिक तेजी से बढ़ती है, जिसके लिए घातीय रूप से बड़े बॉन्ड आयामों (bond dimensions) की आवश्यकता होती है।
क्वांटम सीमाएँ (Quantum Limitations): वेरिएशनल क्वांटम इगेनवैल्यू सॉल्वर (VQE) NISQ उपकरणों के लिए आशाजनक हैं, लेकिन उनकी सफलता काफी हद तक एन्साटज़ (ansatz - पैरामीटराइज्ड क्वांटम सर्किट) के चयन पर निर्भर करती है।
- अवरोध (The Bottleneck): सामान्य "हार्डवेयर-एफिशिएंट" एन्साटज़ में जटिल दीर्घ-परासी एंटैंगलमेंट को पकड़ने की अभिव्यक्ति (expressibility) की कमी होती है या गहरे सर्किट डेप्थ पर वे "बैरन प्लेटो" (vanishing gradients) से ग्रस्त होते हैं।
- वैधीकरण अंतराल (The Validation Gap): VQE की सफलता को अक्सर ऊर्जा निष्ठा (energy fidelity - ग्राउंड स्टेट ऊर्जा के करीब होना) द्वारा मापा जाता है। हालाँकि, लेखक तर्क देते हैं कि उच्च ऊर्जा निष्ठा दीर्घ-परासी क्वांटम सहसंबंधों (correlations) को सही ढंग से पुनरुत्पादित करने की गारंटी नहीं देती है, जो इन प्रणालियों की परिभाषित विशेषता हैं।
मुख्य प्रश्न: दीर्घ-परासी मॉडल का अनुकरण करते समय क्वांटम संसाधन (सर्किट डेप्थ, गेट काउंट, क्लासिकल ऑप्टिमाइजेशन कॉस्ट) सिस्टम साइज ( $N$ ) और इंटरेक्शन रेंज ( $\alpha$ ) के साथ कैसे स्केल करते हैं, और अभिसरण (convergence) के लिए सबसे विश्वसनीय मीट्रिक क्या है?

2. कार्यप्रणाली (Methodology)

A. मॉडल: लॉन्ग-रेंज एक्सटेंडेड आइसिंग मॉडल

लेखक एक 1D स्पिन-1/2 चेन का अनुकरण करते हैं जिसमें एक हैमिल्टनियन है जिसमें अंतःक्रियाओं का बीजगणितीय क्षय ( $J_r \sim r^{-\alpha}$ ) होता है।

प्रमुख विशेषता: इस मॉडल में विशिष्ट $\sigma^z$ -स्ट्रिंग ऑपरेटर्स शामिल हैं जो जॉर्डन-विग्नर ट्रांसफॉर्मेशन के बाद गैर-स्थानीय चरणों (non-local phases) को रद्द कर देते हैं, जिससे इस मॉडल को फ्री फर्मियन मैपिंग के माध्यम से सटीक रूप से हल किया जा सकता है। यह VQE प्रदर्शन के लिए एक आदर्श बेंचमार्क प्रदान करता है।
अध्ययन किए गए क्षेत्र (Regimes):
- लॉन्ग-रेंज (Long-range): $\alpha = 0.5$ (गैर-स्थानीय सहसंबंध पूरे सिस्टम में फैले हुए हैं)।
- क्वासी-लोकल (Quasi-local): $\alpha = 1.5$ (मध्यवर्ती सहसंबंध)।
- शॉर्ट-रेंज (Short-range): $\alpha = 10.0$ (प्रभावी रूप से निकटतम पड़ोसी/nearest-neighbor)।
फेज (Phases): सिमुलेशन पैरामैग्नेटिक ( $\lambda < 1$ ), क्रिटिकल ( $\lambda = 1$ ), और फेरोमैग्नेटिक ( $\lambda > 1$ ) चरणों को कवर करते हैं।

B. एन्साटज़ (The Ansatz): स्ट्रक्चर-अवेयर सर्किट्स

सामान्य हार्डवेयर-एफिशिएंट सर्किट्स के बजाय, लेखकों ने तीन स्ट्रक्चर-अवेयर एन्साटज़ डिज़ाइन किए जो हैमिल्टनियन के स्ट्रिंग ऑपरेटर्स की नकल करते हैं:

NN (Nearest-Neighbor): मानक 2-बॉडी एंटैंगलिंग ब्लॉक्स ( $e^{-i\theta \sigma^x_j \sigma^x_{j+1}}$ )।
NNN (Next-Nearest-Neighbor): 3-बॉडी ब्लॉक्स ( $e^{-i\theta \sigma^x_j \sigma^z_{j+1} \sigma^x_{j+2}}$ ) जोड़ता है ताकि 2-बॉडी स्ट्रिंग ऑपरेटर्स की नकल की जा सके।
NNNN (Next-Next-Nearest-Neighbor): 4-बॉडी ब्लॉक्स ( $e^{-i\theta \sigma^x_j \sigma^z_{j+1} \sigma^z_{j+2} \sigma^x_{j+3}}$ ) जोड़ता है ताकि लंबे स्ट्रिंग ऑपरेटर्स की नकल की जा सके।

C. सफलता के मानदंड: ऊर्जा निष्ठा से परे

लेखक एक महत्वपूर्ण पद्धतिगत बदलाव पेश करते हैं:

प्राथमिक मीट्रिक: पेयरवाइज लॉगरिदमिक नेगेटिविटी ( $E_N$ )। यह किसी भी दो साइटों के बीच क्वांटम सहसंबंधों की ताकत को मापता है।
अभिसरण थ्रेशोल्ड (Convergence Threshold): सिमुलेशन को तभी सफल माना जाता है जब कुल एब्सोल्यूट एंटैंगलमेंट एरर $E(p) = \sum |E_N^{ED}(r) - E_N^{VQE}(r)|$ घटकर $10^{-3}$ से नीचे आ जाए।
तर्क: वे प्रदर्शित करते हैं कि $>0.99$ ऊर्जा निष्ठा वाले स्टेट्स अभी भी सही दीर्घ-परासी एंटैंगलमेंट प्रोफाइल को प्रस्तुत करने में विफल हो सकते हैं।

D. रिसोर्स मेट्रिक्स (Resource Metrics)

$p^*$ : एंटैंगलमेंट थ्रेशोल्ड को पूरा करने के लिए आवश्यक न्यूनतम एन्साटज़ लेयर्स की संख्या।
$R_Q$ : कुल क्वांटम रिसोर्स कॉस्ट (कुल CNOT गेट्स = $p^* \times$ प्रति लेयर गेट्स)।
$R_C$ : कुल क्लासिकल रिसोर्स कॉस्ट (ऑप्टिमाइजेशन बोझ = $p^* \times$ प्रति लेयर पैरामीटर्स $\times$ ऑप्टिमाइज़र इटरेशन)।

3. प्रमुख योगदान और परिणाम

A. एंटैंगलमेंट फिडेलिटी बनाम ऊर्जा फिडेलिटी

अध्ययन पुष्टि करता है कि ऊर्जा निष्फा (energy fidelity) दीर्घ-परासी प्रणालियों के लिए अपर्याप्त है। उच्च ऊर्जा ओवरलैप वाले स्टेट्स में भी गलत दीर्घ-परासी सहसंबंध संरचनाएं हो सकती हैं। लॉगरिदमिक नेगेटिविटी को गैर-स्थानीय (non-local) व्यवस्थाओं में VQE के लिए एक आवश्यक, अधिक संवेदनशील डायग्नोस्टिक के रूप में स्थापित किया गया है।

B. एन्साटज़ लेयर्स ( $p^*$ ) का स्केलिंग

लॉन्ग-रेंज रिजीम ( $\alpha = 0.5$ ):
- NN एन्साटज़ को लेयर्स की रैखिक संख्या ( $p^* \propto N$ ) की आवश्यकता होती है क्योंकि इसे चेन के माध्यम से चरण-दर-चरण सहसंबंधों को प्रसारित करना होता है।
- NNN और NNNN एन्साटज़ लेयर स्केलिंग दर को काफी कम कर देते हैं।
  - NNN लेयर के ढलान (slope) को 2.6 $\times$ कम करता है।
  - NNNN लेयर के ढलान को 3.8 $\times$ कम करता है।
- महत्वपूर्ण निष्कर्ष: आवश्यक लेयर्स की संख्या मुख्य रूप से इंटरेक्शन रेंज पैरामीटर $\alpha$ द्वारा नियंत्रित होती है, न कि क्वांटम क्रिटिकल पॉइंट की निकटता द्वारा। लॉन्ग-रेंज रिजीम में, सहसंबंध पूरे फेज डायग्राम में मौजूद होते हैं, जिससे क्रिटिकल पॉइंट सिमुलेशन की कठिनाई के लिए विशेष नहीं रह जाता है।
क्वासी-लोकल रिजीम ( $\alpha = 1.5$ ):
- मल्टीपार्टाइट (multipartite) एन्साटज़ का लाभ क्वांटम क्रिटिकल पॉइंट (जहाँ सहसंबंध बढ़ते हैं) के पास सबसे अधिक होता है और फेरोमैग्नेटिक फेज (जहाँ सहसंबंध शॉर्ट-रेंज होते हैं) में कम हो जाता है।
शॉर्ट-रेंज रिजीम ( $\alpha = 10.0$ ):
- तीनों एन्साटज़ समान प्रदर्शन करते हैं। सरल NN सर्किट सबसे कुशल है, क्योंकि NNN/NNNN ब्लॉक्स की अतिरिक्त जटिलता लेयर रिडक्शन का कोई लाभ नहीं देती है।

C. रिसोर्स कॉस्ट स्केलिंग

क्वांटम कॉस्ट ( $R_Q$ ):
- लॉन्ग-रेंज रिजीम में, सभी एन्साटज़ के लिए कुल CNOT काउंट $O(N^2)$ के रूप में स्केल करता है। यह सैद्धांतिक भविष्यवाणी के अनुरूप है कि हैमिल्टनियन में गैर-स्थानीय पदों की संख्या सिस्टम साइज के साथ द्विघातीय (quadratically) रूप से बढ़ती है।
- हालांकि NNN/NNNN में प्रति लेयर अधिक गेट्स होते हैं, लेकिन लेयर्स में भारी कमी ( $p^*$ ) के कारण, उनका कुल गेट काउंट NN के लगभग बराबर या केवल थोड़ा अधिक होता है, जबकि वे बहुत कम डेप्थ वाले सर्किट प्रदान करते हैं (जो NISQ कोहेरेंस के लिए महत्वपूर्ण है)।
क्लासिकल कॉस्ट ( $R_C$ ):
- लॉन्ग-रेंज रिजीम में, NNN और NNNN क्लासिकल ऑप्टिमाइजेशन लागत में भारी बचत (NN की तुलना में 10 $\times$ तक की कमी) प्रदान करते हैं।
- ऐसा इसलिए है क्योंकि सर्किट और हैमिल्टनियन के बीच "स्ट्रक्चरल अलाइनमेंट" से स्मूथ ऑप्टिमाइजेशन लैंडस्केप मिलता है, जिससे कन्वर्ज होने के लिए कम इटरेशन ( $n_I$ ) की आवश्यकता होती है।

4. महत्व और निहितार्थ

VQE वैलिडेशन को फिर से परिभाषित करना: यह पेपर स्थापित करता है कि दीर्घ-परासी प्रणालियों के लिए, भौतिक शुद्धता सुनिश्चित करने के लिए एंटैंगलमेंट-आधारित मेट्रिक्स (जैसे लॉगरिदमिक नेगेटिविटी) को ऊर्जा निष्फा के साथ पूरक किया जाना चाहिए।
NISQ के लिए डिज़ाइन सिद्धांत: इंटरेक्शन रेंज $\alpha$ , सिस्टम के फेज (क्रिटिकल बनाम नॉन-क्रिटिकल) की तुलना में सर्किट डेप्थ आवश्यकताओं के लिए एक अधिक विश्वसनीय भविष्यवक्ता है।
इष्टतम एन्साटज़ चयन:
- नॉन-लोकल सिस्टम ( $\alpha \le 1$ ) के लिए, स्ट्रक्चर-अवेयर एन्साटज़ (NNN/NNNN) आवश्यक हैं। वे प्रति-लेयर गेट काउंट में मामूली वृद्धि के बदले सर्किट डेप्थ और क्लासिकल ऑप्टिमाइजेशन समय में भारी कमी का सौदा करते हैं।
- NNN एन्साटज़ को NISQ हार्डवेयर के लिए सबसे व्यावहारिक विकल्प के रूप में पहचाना गया है, जो लेयर रिडक्शन और गेट ओवरहेड के बीच सबसे अच्छा संतुलन प्रदान करता है।
स्केलेबिलिटी: परिणाम बताते हैं कि हालांकि दीर्घ-परासी प्रणालियों का अनुकरण संसाधन-गहन ( $O(N^2)$ ) है, लेकिन भौतिक रूप से प्रेरित एन्साटज़ का उपयोग करने से यह समस्या जेनेरिक दृष्टिकोण की तुलना में बड़े सिस्टम साइज के लिए भी सुलभ हो जाती है।

निष्कर्ष

लेखक प्रदर्शित करते हैं कि VQE एन्साटज़ के भीतर दीर्घ-रेंज स्ट्रिंग ऑपरेटर्स की नकल करना कुशल सिमुलेशन के लिए महत्वपूर्ण है। केवल ऊर्जा अभिसरण के बजाय दीर्घ-रेंज एंटैंगलमेंट को पुनरुत्पादित करने को प्राथमिकता देकर, वे दिखाते हैं कि स्ट्रक्चर-अवेयर सर्किट रिसोर्स कॉस्ट को 2.5 से 10 गुना तक कम कर सकते हैं, जो शोर वाले हार्डवेयर (noisy hardware) पर गैर-स्थानीय क्वांटम सिस्टमों के अनुकरण के लिए एक स्पष्ट रोडमैप प्रदान करता है।