⚛️ quantum physics

ADaPT: Adaptive-window Decoding for Practical fault-Tolerance

यह शोधपत्र ADaPT पेश करता है, जो एक एडेप्टिव-विंडो डिकोडिंग तकनीक है जो लॉजिकल एरर रेट से समझौता किए बिना फॉल्ट-टोलरेंट क्वांटम कंप्यूटेशन के लिए डिकोडिंग समय ओवरहेड और रिएक्शन टाइम को कम करने हेतु डिकोडर कॉन्फिडेंस का लाभ उठाकर विंडो साइज को गतिशील रूप से समायोजित करती है।

मूल लेखक: Tina Oberoi, Joshua Viszlai, Frederic T. Chong

प्रकाशित 2026-05-05

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Tina Oberoi, Joshua Viszlai, Frederic T. Chong

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 टूटी हुई मशीन को ठीक करने की कोशिश कर रहे हैं, लेकिन मशीन इतनी जटिल है कि आप एक बार में पूरी चीज़ नहीं देख सकते। आपको इसे छोटे टुकड़ों में, एक बार में एक हिस्सा करके देखना होगा। यह मूल रूप से वही है जिसे क्वांटम कंप्यूटर अपनी गलतियों को सुधारने के लिए करने की कोशिश करते हैं।

क्वांटम कंप्यूटिंग की दुनिया में, "मशीन" एक क्वांटम कंप्यूटर है, और "टूटे हुए हिस्से" छोटी गलतियाँ हैं जिन्हें त्रुटियाँ (errors) कहा जाता है, जो इसलिए होती हैं क्योंकि हार्डवेयर बहुत संवेदनशील होता है। इन्हें ठीक करने के लिए, वैज्ञानिक क्वांटटम एरर करेक्शन (QEC) नामक प्रणाली का उपयोग करते हैं। QEC को मशीन के हिस्सों की जाँच करने वाले निरीक्षकों की एक टीम के रूप में समझें।

पुराना तरीका: "एक ही आकार का" (One-Size-Fits-All) विंडो

वास्तविक समय में त्रुटियों को ठीक करने के लिए, निरीक्षक एक विधि का उपयोग करते हैं जिसे विंडो डिकोडिंग (Window Decoding) कहा जाता है। कल्पना कीजिए कि मशीन की जाँच का इतिहास एक लंबी मूवी रील है। निरीक्षक पूरी फिल्म एक साथ नहीं देख सकते; उन्हें इसे छोटे क्लिप्स (विंडोज़) में देखना पड़ता है।

लंबे समय तक, सभी ने एक निश्चित विंडो आकार (fixed window size) का उपयोग किया। चाहे कुछ भी हो, वे हमेशा एक ही लंबाई का क्लिप (मान लीजिए 10 मिनट) देखते थे।

समस्या: कभी-कभी, मशीन बिल्कुल ठीक काम कर रही होती है, और उस 10 मिनट के क्लिप में कोई त्रुटि नहीं होती है। लेकिन निरीक्षक फिर भी सुरक्षा के लिए पूरे 10 मिनट तक देखते रहते हैं। यह धूल के एक कण को देखने के लिए एक विशाल, भारी मैग्नीफाइंग ग्लास का उपयोग करने जैसा है जो वहां है ही नहीं। यह समय बर्बाद करता है और पूरी प्रक्रिया को धीमा कर देता है।
परिणाम: जैसे-जैसे मशीन बड़ी होती जाती है, इन निश्चित क्लिप्स को लंबा होना पड़ता है, और कंप्यूटर धीमा हो जाता है।

नया विचार: ADaPT (द "स्मार्ट ज़ूम")

इस शोध पत्र के लेखकों, टीना ओबेरॉय, जोशुआ विज़लाई और फ्रेडरिक टी. चोंग ने ADaPT (एडेप्टिव-विंडो डिकोडिंग) नामक एक स्मार्ट तरीका प्रस्तावित किया है।

एक निश्चित 10 मिनट के क्लिप का उपयोग करने के बजाय, ADaPT एक स्मार्ट कैमरे की तरह काम करता है जिसमें ऑटो-ज़ूम फीचर होता है।

छोटा शुरू करें: सिस्टम एक बहुत ही छोटे, त्वरित क्लिप (एक छोटा विंडो) से शुरुआत करता है।
विश्वास (Confidence) की जाँच करें: इस छोटे क्लिप को देखने के बाद, सिस्टम खुद से पूछता है, "मुझे कितना यकीन है कि मैंने सभी त्रुटियों को ढूंढ लिया है?"
- उच्च विश्वास (High Confidence): यदि सिस्टम आश्वस्त है (क्योंकि त्रुटियाँ कम थीं या मौजूद नहीं थीं), तो वह कहता है, "अच्छा काम किया!" और तुरंत आगे बढ़ जाता है। इससे बहुत समय बचता है।
- कम विश्वास (Low Confidence): यदि सिस्टम अनिश्चित है (शायद उसे त्रुटियों का एक उलझा हुआ समूह दिखता है), तो वह कहता है, "रुको, मुझे बेहतर नज़र चाहिए।" इसके बाद वह अधिक सावधानी से जांच करने के लिए एक बड़े विंडो (पूरे 10 मिनट) में ज़ूम आउट करता है।
गतिशील समायोजन (Dynamic Adjustment): सिस्टम के पास एक "कोच" भी है (जिसे डायनेमिक हाइपरट्यूनर कहा जाता है), जो यह देखता है कि सिस्टम को कितनी बार "ज़ूम आउट" करना पड़ता है और दोबारा जाँच करनी पड़ती है। यदि सिस्टम को बार-बार दोबारा जाँच करनी पड़ रही है, तो कोच नियमों को समायोजित करता है ताकि सिस्टम अधिक सावधान रहे। यदि यह बहुत कम बार दोबारा जाँच कर रहा है, तो कोच नियमों को ढीला कर देता है ताकि गति बनी रहे।

यह क्यों महत्वपूर्ण है

इस शोध पत्र का परीक्षण दो अलग-अलग प्रकार के क्वांटटम कोड (टोरिक कोड और बाइवेरिएट बाइसिकल कोड) और विभिन्न प्रकार के "शोर" (जैसे रेडियो पर अलग-अलग तरह का स्टैटिक) पर किया गया।

यहाँ उन्हें क्या मिला:

गति: छोटे से शुरू करके और केवल आवश्यकता होने पर ही ज़ूम आउट करके, सिस्टम बहुत तेज़ हो गया। कई मामलों में, इसने पुराने निश्चित आकार वाले तरीके की तुलना में त्रुटियों को डिकोड करने में लगने वाले समय को 40% से 60% तक कम कर दिया।
सटीकता: भले ही उन्होंने छोटे विंडो से शुरुआत की थी, लेकिन "ज़ूम-आउट" तंत्र ने यह सुनिश्चित किया कि वे कोई भी त्रुटि न छोड़ें। अंतिम त्रुटि दर उतनी ही कम थी जितनी कि यदि उन्होंने पूरे समय बड़े विंडो का उपयोग किया होता।
बहुमुखी प्रतिभा: यह तकनीक विभिन्न प्रकार के क्वांटम कोड पर अच्छी तरह से काम करती है और यहाँ तक कि जब "शोर" (त्रुटियों का प्रकार) बदल जाता है, तब भी प्रभावी रहती है।

मुख्य बात (The Bottom Line)

ADaPT को एक निश्चित टाइमर के बजाय एक स्मार्ट ट्रैफिक लाइट के रूप में समझें।

पुराना तरीका: लाइट 60 सेकंड तक लाल रहती है, भले ही कोई कार न आ रही हो। (समय की बर्बादी)।
ADaPT: लाइट कारों की जाँच करती है। यदि कोई कार नहीं है, तो यह तुरंत हरी हो जाती है। यदि इसे बड़ा जाम दिखता है, तो यह ट्रैफिक को साफ करने के लिए अधिक समय तक लाल रहती है।

शोध पत्र का दावा है कि यह दृष्टिकोण क्वांटम कंप्यूटरों को सुरक्षा से समझौता किए बिना बहुत तेज़ी से त्रुटियों को ठीक करने की अनुमति देता है, जिससे वे वास्तविक दुनिया के उपयोग के लिए अधिक व्यावहारिक बन जाते हैं। यह दावा नहीं करता कि यह हार्डवेयर को ही ठीक कर देता है, बल्कि यह बनाता है कि त्रुटियों को ठीक करने वाला "सॉफ्टवेयर मस्तिष्क" बहुत अधिक कुशल हो जाए।

तकनीकी सारांश: ADaPT - व्यावहारिक दोष-सहनशीलता (fault-Tolerance) के लिए अनुकूली-विंडो डिकोडिंग

समस्या विवरण (Problem Statement)

क्वांटम एरर करेक्शन (QEC) लचीले क्वांटम कंप्यूटर बनाने के लिए आवश्यक है, लेकिन सिंड्रोम मापन (syndrome measurements) की डिकोडिंग स्केलेबिलिटी और वास्तविक समय के संचालन के लिए एक महत्वपूर्ण बाधा प्रस्तुत करती है। हालांकि ओवरलैपिंग सेगमेंट में सिंड्रोम इतिहास को प्रोसेस करने के लिए विंडो डिकोडिंग (window decoding) का प्रस्ताव दिया गया है, पूर्ववर्ती दृष्टिकोण एक निश्चित विंडो आकार ( $W=d$ , जहाँ $d$ कोड दूरी है) पर निर्भर करते हैं।

यह निश्चित-आकार की रणनीति प्रत्येक विंडो के लिए एक समान डिकोडिंग समय ओवरहेड लागू करती है, चाहे वास्तविक त्रुटि घनत्व (error density) कुछ भी हो। लेखक तर्क देते हैं कि औसत मामले में, QEC त्रुटियां विरल (sparse) होती हैं; अतः, पूर्ण विंडो आकार $W=d$ का उपयोग करना अक्सर अनावश्यक होता है। इसके परिणामस्वरूप:

अनावश्यक विलंबता (Unnecessary Latency): डिकोडिंग समय विंडो आकार के साथ सुपरलीनियर रूप से बढ़ता है। जब $W=d$ के बजाय छोटा विंडो पर्याप्त हो, तो $W=d$ का उपयोग करने से प्रतिक्रिया समय (सिंड्रोम जनरेशन और लॉजिकल करेक्शन के बीच का समय) बढ़ जाता है।
अक्षमता (Inefficiency): जैसे-जैसे कोड दूरी $d$ बढ़ती है, एक निश्चित $W=d$ की कम्प्यूटेशनल लागत असमान रूप से बढ़ती है, जो वास्तविक समय के प्रदर्शन में बाधा डालती है।

इसके विपरीत, गति में सुधार के लिए केवल विंडो आकार को कम करने से तब उच्च लॉजिकल एरर रेट (LER) होता है जब त्रुटियां विरल नहीं होती हैं; यह गति और विश्वसनीयता के बीच एक ट्रेड-ऑफ पैदा करता है।

कार्यप्रणाली (Methodology)

यह शोध पत्र ADaPT (Adaptive-window Decoding for Practical fault-Tolerance) प्रस्तावित करता है, जो एक ऐसी तकनीक है जो अपने वर्तमान समाधान पर डिकोडर के आत्मविश्वास के आधार पर विंडो आकार को गतिशील रूप से समायोजित करती है। कार्यप्रणाली में तीन मुख्य घटक शामिल हैं:

1. क्लस्टर-आधारित विश्वास मीट्रिक ( $Q$ )

लॉजिकल गैप (जो कम्प्यूटेशनल रूप से महंगा और डिकोडर-विशिष्ट है) का उपयोग करने के बजाय, ADaPT आंतरिक डिकोडर (विशेष रूप से BP+LSD) द्वारा उत्पन्न सॉफ्ट सूचना (soft information) का उपयोग करता है। विश्वास मीट्रिक $Q$ को त्रुटि क्लस्टरों के $\alpha$ -नॉर्म के रूप में परिभाषित किया गया है:
$Q(C_i; E) = \frac{1}{\sum_{e \in E} w_e} \left( \sum_{i} \left( \sum_{e \in C_i} w_e \right)^\alpha \right)^{1/\alpha}$
जहाँ $w_e$ एक त्रुटि का लॉग-लाइक्लीहुड रेशियो (LLR) है।

व्याख्या: कम $Q$ मान उच्च विश्वास (स्थानीयकृत, छोटे त्रुटि क्लस्टर) को दर्शाता है, जबकि उच्च $Q$ कम विश्वास (बड़े, जटिल क्लस्टर) को दर्शाता है।
तंत्र: यदि $Q$ एक थ्रेशोल्ड $c$ से अधिक हो जाता है, तो डिकोडर यह मान लेता है कि वर्तमान छोटा विंडो अपर्याप्त है और एक बड़े विंडो के साथ पुन: प्रयास (retry) को ट्रिगर करता है।

2. डायनेमिक हाइपरट्यूनर (Dynamic Hypertuner)

स्थिर, कोड-विशिष्ट थ्रेशोल्ड ट्यूनिंग की आवश्यकता से बचने के लिए, लेखक एक डायनेमिक हाइपरट्यूनर पेश करते हैं जो वास्तविक समय में कॉन्फिडेंस कटऑफ $c$ को समायोजित करता है।

कंट्रोल लूप: सिस्टम देखे गए रिट्राई रेट ( $r_{obs}$ ) की निगरानी करता है, जो कुल प्रोसेस्ड विंडोज के अनुपात में रिट्राई की गई विंडोज का अनुपात है।
टारगेट बैंड: ट्यूनर का लक्ष्य $r_{obs}$ को एक लक्षित बैंड (जैसे, 20–30%) के भीतर रखना है।
समायोजन: यदि $r_{obs}$ ऊपरी सीमा से अधिक हो जाता है, तो थ्रेशोल्ड $c$ को बढ़ाया जाता है (सिस्टम को अधिक उदार बनाना, जिससे रिट्राई कम हो सके)। यदि $r_{obs}$ निचली सीमा से नीचे गिर जाता है, तो $c$ को कम किया जाता है (सिस्टम को अधिक सख्त बनाना, जिससे रिट्राई बढ़ सके)। यह सुनिश्चित करता है कि डिकोडिंग ओवरहेड बजट के भीतर रहे और LER प्रदर्शन भी बना रहे।

3. अनुकूली डिकोडिंग वर्कफ़्लो (Adaptive Decoding Workflow)

डिकोडिंग प्रक्रिया इस प्रकार कार्य करती है:

आरंभीकरण (Initialization): एक छोटे विंडो आकार के साथ शुरू करें (जैसे, $W = \lfloor d/2 \rfloor$ या $\lfloor d/3 \rfloor$ )।
डिकोडिंग और मूल्यांकन: विंडो को डिकोड करें और विश्वास मीट्रिक $Q$ की गणना करें।
निर्णय:
- उच्च विश्वास ( $Q \le c$ ): सुधार (correction) को लागू करें और अगले विंडो की ओर बढ़ें।
- कम विश्वास ( $Q > c$ ): विंडो का आकार बढ़ाएं (जैसे, $W=d$ तक) और पुनः डिकोड करें।
फीडबैक: हाइपरट्यूनर कुल रिट्राई रेट के आधार पर $c$ को अपडेट करता है।

प्रमुख योगदान (Key Contributions)

अनुकूली विंडो साइजिंग: यह शोध पत्र औसत-मामले की त्रुटियों की विरलता का लाभ उठाते हुए, छोटे विंडोज के साथ शुरू करने और आवश्यकता होने पर ही उन्हें विस्तारित करने की एक विधि पेश करता है, जिससे डिकोडिंग विलंबता कम होती है।
डिकोडर-एग्नोस्टिक विश्वास मीट्रिक: क्लस्टर-आधारित सॉफ्ट सूचना ( $Q$ ) का उपयोग इस तकनीक को विभिन्न डिकोडर्स (QLDPC कोड के लिए BP+LSD सहित) पर लागू करने की अनुमति देता है, बिना लॉजिकल गैप मीट्रिक की उच्च कम्प्यूटेशनल लागत या लॉजिकल क्लास बाधाओं के।
डायनेमिक थ्रेशोल्ड ट्यूनिंग: हाइपरट्यूनर मैन्युअल, ऑफलाइन थ्रेशोल्ड स्वीप की आवश्यकता को समाप्त करता है, जो विभिन्न शोर मॉडलों (noise models), कोड दूरियों और भौतिक त्रुटि दरों के अनुसार स्वचालित रूप से सिस्टम को अनुकूलित करता है।
विस्तार क्षमता (Extensibility): इस दृष्टिकोण को मौजूदा विंडो डिकोडिंग सुधारों, जैसे कि पैरेलल और स्पेक्युलेटिव डिकोडिंग के साथ संगत होने के लिए डिज़ाइन किया गया है।

परिणाम (Results)

लेखकों ने डिपोलराइजिंग (depolarizing) और हार्डवेयर-प्रेरित शोर मॉडलों (न्यूट्रल एटम और सुपरकंडक्टिंग) के तहत टोरिक कोड्स ( $d=7$ ) और बाइवैरिएट बाइसिकल (BB) कोड्स ( $[[72, 12, 6]]$ ) पर ADaPT का बेंचमार्किंग किया।

लॉजिकल एरर रेट (LER): अनुकूली तकनीक एक छोटे-विंडो बेसलाइन और एक बड़े-विंडो टारगेट के बीच के अंतर को सफलतापूर्वक पाट देती है। टोरिक कोड्स के लिए, अनुकूली विधि $W=d$ वाले टारगेट के लगभग समान LER प्राप्त करती है, जबकि इसकी शुरुआत $W=\lfloor d/2 \rfloor$ से होती है। BB कोड्स के लिए, यह विधि और भी छोटे विंडोज ( $W=\lfloor d/3 \rfloor$ ) से शुरू करने और $W=\lfloor d/2 \rfloor$ तक विस्तार करने की अनुमति देती है, जिससे लक्ष्य के करीब प्रदर्शन प्राप्त होता है।
डिकोडिंग समय: अनुकूली दृष्टिकोण औसत डिकोडिंग समय को निश्चित $W=d$ विंडो के समय के 0.4–0.6x तक कम कर देता है। यह रिएक्शन टाइम में महत्वपूर्ण कमी का प्रतिनिधित्व करता है।
मजबूती (Robustness): यह तकनीक विभिन्न भौतिक त्रुटि दरों और शोर मॉडलों में प्रदर्शन बनाए रखती है। डायनेमिक हाइपरट्यूनर सफलतापूर्वक रिट्राई रेट को लक्षित 20–30% रेंज के भीतर रखता है, जिससे यह सुनिश्चित होता है कि ओवरहेड नियंत्रित रहे।
कोड विशिष्टता: परिणाम संकेत देते हैं कि इष्टतम प्रारंभिक विंडो आकार कोड के अनुसार भिन्न होता है। BB कोड्स के लिए, $W=\lfloor d/2 \rfloor$ और $W=d$ के बीच का LER गैप नगण्य है, जो यह सुझाव देता है कि इन कोड्स के लिए "टारगेट" आकार मानक $d$ से छोटा हो सकता है, जो अनुकूलनशीलता की आवश्यकता को और पुख्ता करता है।

महत्व और दावे (Significance and Claims)

शोध पत्र का दावा है कि ADaPT वास्तविक समय के फॉल्ट-टोलरेंट क्वांटम कंप्यूटिंग में एक महत्वपूर्ण बाधा को संबोधित करता है: गति और सटीकता के बीच का ट्रेड-ऑफ। यह प्रदर्शित करके कि एक निश्चित विंडो आकार अक्सर व्यर्थ होता है, लेखक तर्क देते कि स्केलेबल सिस्टम के लिए अनुकूली साइजिंग आवश्यक है।

इस कार्य का महत्व इसकी क्षमता में निहित है:

रिएक्शन टाइम को कम करना: टेलीपोर्टेशन-आधारित गेट्स जैसे एल्गोरिदम के लिए, जिन्हें वास्तविक समय के फीडबैक की आवश्यकता होती है, लॉजिकल करेक्शन की विलंबता को कम करना अत्यंत महत्वपूर्ण है।
कोडों के बीच सामान्यीकरण: कोड-विशिष्ट गुणों के बजाय सॉफ्ट सूचना पर निर्भरता इस तकनीक को उभरते हुए QLDPC कोड सहित विभिन्न प्रकार के QEC कोड्स के लिए लागू करने योग्य बनाती है।
व्यावहारिक स्केलिंग को सक्षम करना: लक्षित LER को बनाए रखते हुए डिकोडिंग ओवरहेड को कम रखकर, ADaPT बड़े पैमाने पर, रिएक्शन-लिमिटेड क्वांटम कंप्यूटेशन की व्यवहार्यता का समर्थन करता है।

लेखक निष्कर्ष निकालते हैं कि हालांकि उनकी तकनीक को स्लाइडिंग विंडो डिकोडिंग पर प्रदर्शित किया गया था, यह पैरेलल और स्पेक्युलेटिव डिकोडिंग विधियों के पूरक है, जो भविष्य के बड़े पैमाने के क्वांटम प्रोसेसर के प्रदर्शन को बेहतर बनाने का एक मार्ग प्रदान करती है।