🔢 mathematics

Completely Positive and Trace Preserving Schemes with Tensor Train Compression for the Lindblad Equation

यह शोध पत्र डेंसिटी मैट्रिक्स के टू-लेवल फैक्टराइजेशन को टेंसर ट्रेन कंप्रेशन के साथ जोड़कर लिंडब्लाड समीकरण को हल करने के लिए एक अत्यधिक कुशल, लो-रैंक संख्यात्मक योजना प्रस्तुत करता है, जो पूर्ण धनात्मकता (complete positivity) और ट्रेस को संरक्षित करते हुए $10^{19}$ डिग्री ऑफ फ्रीडम वाले ओपन क्वांटम सिस्टम्स के सिमुलेशन को सक्षम बनाता है।

मूल लेखक: Peter DelMastro, Daniel Appelö, Yingda Cheng

प्रकाशित 2026-05-05

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Peter DelMastro, Daniel Appelö, Yingda Cheng

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

यहाँ इस शोध पत्र का सरल भाषा और रचनात्मक उपमाओं (analogies) के साथ विवरण दिया गया है।

बड़ी समस्या: "अव्यवस्थित पुस्तकालय" (The Unmanageable Library)

कल्पना कीजिए कि आप एक क्वांटम कंप्यूटर को सिम्युलेट (simulate) करने की कोशिश कर रहे हैं। वास्तविक दुनिया में, एक क्वांटम सिस्टम एक पुस्तकालय की तरह है जहाँ हर किताब सिस्टम की एक संभावित अवस्था (state) का प्रतिनिधित्व करती है।

एक छोटे सिस्टम के लिए, यह पुस्तकालय प्रबंधनीय होता है। लेकिन जैसे-जैसे आप इसमें अधिक भाग (जैसे क्वबिट्स या स्पिन्स) जोड़ते हैं, पुस्तकालय विस्फोटक रूप से बढ़ता जाता है। यदि आपके पास केवल 64 भाग हैं, तो संभावित अवस्थाओं (किताबों) की संख्या $2^{64}$ होगी—एक ऐसी संख्या जो इतनी विशाल है कि यह 10 क्विंटिलियन से भी अधिक है।

ऐसे सिस्टम की पूरी "अवस्था" को एक कंप्यूटर पर लिखना असंभव है। इसके लिए पृथ्वी पर मौजूद कुल मेमोरी से भी अधिक मेमोरी की आवश्यकता होगी। वैज्ञानिक इसे "डायमेंशनलिटी का अभिशाप" (curse of dimensionality) कहते हैं।

इसके अलावा, ये सिस्टम पूर्ण नहीं होते; वे वातावरण (गर्मी, शोर, आदि) के साथ परस्पर क्रिया करते हैं। इसे लिंडब्लाड समीकरण (Lindblad equation) कहा जाता है। इसे सिम्युलेट करना और भी कठिन है क्योंकि सिस्टम केवल एक अवस्था में नहीं रहता; यह "अव्यवस्थित" (mixed state) हो जाता है, जिससे डेटा को ट्रैक करना और भी कठिन हो जाता है।

समाधान: दो-स्तरीय संपीड़न तकनीक (A Two-Level Compression Trick)

इस शोध पत्र के लेखक इस विशाल पुस्तकालय को छोटा करने का एक चतुर तरीका प्रस्तावित करते हैं ताकि एक सामान्य कंप्यूटर इसे संभाल सके। वे "दो-स्तरीय संपीड़न" रणनीति का उपयोग करते हैं, जिसे वे लो-रैंक स्कीम (low-rank scheme) कहते हैं।

इसे फोटो के एक विशाल संग्रह को व्यवस्थित करने जैसा समझें:

स्तर 1: "लंबा-पतला" फोल्डर (The Density Matrix)
पूरे फोटो एल्बम (पूर्ण डेंसिटी मैट्रिक्स) को संग्रहीत करने के बजाय, वे महसूस करते हैं कि एल्बम ज्यादातर खाली या दोहराव वाला है। वे इसे एक "लंबे-पतले" मैट्रिक्स में विभाजित करते हैं।

उपमा: कल्पना कीजिए कि आपके पास 10 अरब पंक्तियों वाली एक विशाल स्प्रेडशीट है। आप महसूस करते हैं कि वे सभी पंक्तियाँ केवल 50 अद्वितीय पैटर्न के संयोजन हैं। 10 अरब पंक्तियाँ संग्रहीत करने के बजाय, आप 50 पैटर्न की एक छोटी "चाबी" (key) और उन्हें मिलाने का एक तरीका संग्रहीत करते हैं। यह संपीड़न की पहली परत है।

स्तर 2: "मोतियों की माला" (Tensor Train / MPS)
अब, वे 50 पैटर्न व्यक्तिगत रूप से संग्रहीत करने के लिए भी बहुत बड़े हैं क्योंकि प्रत्येक पैटर्न संख्याओं की एक विशाल सूची है। यहीं दूसरा स्तर आता है: टेन्सर ट्रेन (TT), जिसे मैट्रिक्स प्रोडक्ट स्टेट्स (MPS) भी कहा जाता है।

उपमा: कल्पना कीजिए कि उन 50 पैटर्न में से प्रत्येक 64 मोतियों वाली एक लंबी माला है। पूरी माला को संग्रहीत करना कठिन है। लेकिन, आप महसूस करते हैं कि वह माला मोतियों की एक ऐसी स्ट्रिंग है जहाँ प्रत्येक मोती केवल अपने निकटतम पड़ोसियों पर निर्भर करता है।
पूरी माला को संग्रहीत करने के बजाय, आप केवल मोतियों के बीच के "लिंक" (links) को संग्रहीत करते हैं। आप माला को छोटे खंडों (cores) में तोड़ देते हैं। यदि आप मोती 1 और 2 के बीच का लिंक, और मोती 2 और 3 के बीच का लिंक जानते हैं, तो आप पूरी माला को एक साथ पकड़े बिना उसे पुनर्गठित कर सकते हैं। यही टेन्सर ट्रेन फॉर्मेट है।

"क्रॉस इस किंग" विधि (The "Kraus is King" Method)

यह शोध पत्र उनके द्वारा विकसित एक पिछले तरीके पर आधारित है जिसे "क्रॉस इस किंग" (Kraus is King) कहा जाता है।

रूपक: क्वांटम सिस्टम को एक कमरे में उछलती हुई गेंद के रूप में सोचें। कभी-कभी यह दीवार (हैमिल्टनियन) से टकराती है, और कभी-कभी इसे किसी रैंडम व्यक्ति द्वारा लात मारी जाती है (जंप ऑपरेटर्स/शोर)।
"क्रॉस" विधि अगली स्थिति की गणना करने का एक नुस्खा (recipe) है। इसमें वर्तमान अवस्था को लेना, "धक्के" (kick) को लागू करना और फिर उसे पुन: सामान्य बनाना (re-normalize करना - यह सुनिश्चित करना कि कुल प्रायिकता 100% बनी रहे) शामिल है।
लेखकों का नवाचार इस नुस्खे को लेने और हर चरण को "मोतियों की माला" (टेन्सर ट्रेन) प्रारूप के भीतर होने के लिए मजबूर करने में है।

कठिन हिस्सा: इसे साफ रखना (Truncation)

इस पद्धति में सबसे बड़ी चुनौती ट्रंकेशन (Truncation) है।

समस्या: जब भी आप कोई गणितीय ऑपरेशन करते हैं (जैसे दो मालाओं को जोड़ना), तो मोतियों के बीच के "लिंक" बड़े और अधिक जटिल होते जाते हैं। यदि आप इसे जारी रखते हैं, तो माला अंततः इतनी भारी हो जाएगी कि उसे उठाना असंभव होगा।
समाधान: लेखकों ने माला को "छाँटने" (prune) का एक स्मार्ट तरीका विकसित किया है। वे लिंक को देखते हैं और कहते हैं, "यह छोटा सा लिंक इतना कमजोर है कि इसका वास्तव में कोई महत्व नहीं है; चलो इसे काट देते हैं।"
गारंटी: इस शोध पत्र का सबसे महत्वपूर्ण दावा यह है कि वे इस छंटाई को इस तरह से करते हैं जो गारंटी देता है कि भौतिकी (physics) सही रहेगी। वे सुनिश्चित करते हैं कि सिस्टम पूर्णतः धनात्मक और ट्रेस-संरक्षण (Completely Positive and Trace Preserving - CPTP) बना रहे।
- सरल अनुवाद: वे वादा करते हैं कि उनका गणित कभी भी "ऋणात्मक प्रायिकता" (जो भौतिकी में असंभव है) उत्पन्न नहीं करेगा और कुल प्रायिकता हमेशा 100% बनी रहेगी।

उन्होंने क्या परीक्षण किया?

उन्होंने यह सिद्ध करने के लिए कि यह तरीका काम करता है, तीन अलग-अलग परिदृश्यों में इसका परीक्षण किया:

स्पिन्स की एक श्रृंखला (Condensed Matter): उन्होंने 64 चुंबकीय स्पिन्स की एक श्रृंखला का अनुकरण (simulate) किया।
- परिणाम: उन्होंने एक मानक कंप्यूटर क्लस्टर का उपयोग करके एक ऐसे सिस्टम का अनुकरण किया जिसमें 10 क्विंटिलियन संभावित अवस्थाएँ थीं। "माला" (बॉन्ड डायमेंशन) बहुत छोटी रही (कभी भी 5 लिंक से अधिक नहीं हुई), जिससे सिद्ध हुआ कि संपीड़न ने पूरी तरह से काम किया।
एक मॉक क्वांटम सर्किट (Quantum Computing): उन्होंने एक 25-क्यूबिट सर्किट (एक छोटे क्वांटम कंप्यूटर की तरह) का अनुकरण किया जो लॉजिक गेट्स (SWAP ऑपरेशन्स) का प्रदर्शन कर रहा था।
- परिणाम: उन्होंने सर्किट के माध्यम से "उत्तेजनाओं" (excitations/ऊर्जा) के कैसे घूमने का पता लगाया। शोर और त्रुटियों के बावजूद, इस विधि ने सिमुलेशन को सटीक और कुशल बनाए रखा।
एक कुडिट-रेज़ोनेटर चेन (Qudit-Resonator Chain): उन्होंने एक अधिक जटिल सिस्टम का अनुकरण किया जिसमें 6 "कुडिट्स" (बहु-स्तरीय क्वांटम बिट्स) और 5 रेज़ोनेटर (ऊर्जा भंडारण इकाइयाँ) थे।
- परिणाम: उन्होंने सफलतापूर्वक 400 मिलियन अवस्थाओं वाले सिस्टम का अनुकरण किया, और ट्रैक किया कि सिस्टम लॉजिक गेट्स (CNOT गेट्स) के माध्यम से कैसे विकसित होता है।

निष्कर्ष

लेखकों ने क्वांटम सिमुलेशन के लिए एक नया गणितीय "कंप्रेसर" बनाया है। दो प्रकार के संपीड़न (मैट्रिक्स को विभाजित करना और इसे मोतियों की माला में तोड़ना) को मिलाकर, वे उन ओपन क्वांटम सिस्टम का अनुकरण कर सकते हैं जो किसी भी अन्य विधि के लिए बहुत बड़े हैं।

उनका दावा है कि यह उन्हें $10^{19}$ डिग्री ऑफ फ्रीडम (जैसे 64-स्पिन श्रृंखला) वाले सिस्टम का अनुकरण करने की अनुमति देता है, जबकि पिछले तरीकों के लिए असंभव मात्रा में मेमोरी की आवश्यकता होती। उन्होंने यह सब क्वांटम मैकेनिक्स के मौलिक नियमों (धनात्मकता और प्रायिकता संरक्षण) को तोड़े बिना हासिल किया है।

तकनीकी सारांश: टेंसर ट्रेन संपीड़न के साथ लिंडब्लाड समीकरण के लिए पूर्णतः धनात्मक और ट्रेस संरक्षित स्कीम्स (Completely Positive and Trace Preserving Schemes)

समस्या विवरण
खुली क्वांटम प्रणालियों (open quantum systems) का संख्यात्मक अनुकरण "आयाम के अभिशाप" (curse of dimensionality) से बाधित है। ऐसी प्रणाली की अवस्था को एक घन मैट्रिक्स (density matrix) $\rho \in \mathbb{C}^{N \times N}$ द्वारा वर्णित किया जाता है, जहाँ $N$ उप-प्रणालियों (जैसे क्वबिट्स) की संख्या के साथ तेजी से बढ़ता है। जबकि घन मैट्रिक्स अक्सर महत्वपूर्ण अवधियों के लिए निम्न-रैंक (low-rank) बना रहता है, विशेष रूप से जब जंप ऑपरेटर्स (jump operators) हैमिल्टोनियन की तुलना में छोटे होते हैं, तब भी कारक मैट्रिक्स (factor matrix) $V$ (जहाँ $\rho = VV^\dagger$ ) के एकल कॉलम का प्रतिनिधित्व करना बड़े सिस्टमों ( $N \sim 10^{19}$ ) के लिए गणनात्मक रूप से अव्यवहार्य हो जाता है। टेंसर ट्रेन (TT) या मैट्रिक्स प्रोडक्ट स्टेट्स (MPS) का उपयोग करने वाले मौजूदा तरीके अक्सर पूर्ण धनात्मकता (complete positivity - CP) को बनाए रखने में विफल रहते हैं, जबकि LPDO जैसे धनात्मकता-संरक्षण विधियाँ प्रत्येक टाइमस्टेप पर महंगे अनुकूलन ओवरहेड (disentangling) को पेश करती हैं।

कार्यप्रणाली
लेखक लिंडब्लाड समीकरण के लिए निम्न-रैंक, पूर्णतः धनात्मक और ट्रेस संरक्षित (CPTP) स्कीम्स के एक परिवार का प्रस्ताव करते हैं जो दो-स्तरीय निम्न-रैंक प्रतिनिधित्व का उपयोग करते हैं:

स्तर 1 (मैट्रिक्स गुणनखंड): घन मैट्रिक्स को $\rho = VV^\dagger$ के रूप में गुणनखंडित किया जाता है, जहाँ $V \in \mathbb{C}^{N \times r}$ एक लंबा-पतला (tall-skinny) मैट्रिक्स है ( $r \ll N$ )। यह लेखकों की पिछली "क्रास इज किंग" (Kraus is King) योजना [1] का विस्तार है, जो लिंडब्लाड समीकरण में गैर-क्रास (non-Kraus) पदों को संभालने के लिए एक इंटीग्रेटिंग फैक्टर का उपयोग करती है।
स्तर 2 (टेंसर ट्रेन संपीड़न): $V$ के कॉलमों को व्यक्तिगत रूप से टेंसर ट्रेन (TT) / मैट्रिक्स प्रोडक्ट स्टेट (MPS) प्रारूप में दर्शाया जाता है। यह LPDO प्रारूपों के लिए आवश्यक महंगे 'डिसेन्टैंगलिंग' (disentangling) कार्यों से बचता है।

मुख्य विधि "क्रास इज किंग" टाइम-इंटीग्रेटर (एल्गोरिदम 3.1) को सीधे TT/MPS कॉलमों पर संचालित करने के लिए अनुकूलित करने में शामिल है। यह योजना TT प्रारूप में तीन प्राथमिक संचालन करती है:

श्रोडिंगर समीकरण को हल करना: फ्लो ऑपरेटर $U_h = \exp(-ihH_{\text{eff}})$ के MPO (मैट्रिक्स प्रोडक्ट ऑपरेटर) निरूपणों का उपयोग करके, जहाँ $H_{\text{eff}}$ प्रभावी हैमिल्टोनियन है।
जंप ऑपरेटर्स को लागू करना: जंप ऑपरेटर्स की स्थानीय संरचना (जो एकल उप-प्रणालियों पर कार्य करते हैं) का लाभ उठाते हुए, उन्हें विशिष्ट TT कोर्स के साथ संकुचित (contract) करना, जिसके बाद कुशल ट्रंकेशन (truncation) किया जाता है।
घन मैट्रिक्स रैंक ट्रंकेशन (TT-Compress): यह प्राथमिक गणनात्मक बाधा (bottleneck) है। लेखक मानक SVD-आधारित संपीड़न के स्थान पर एक TT-नेटिव दृष्टिकोण का उपयोग करते हैं। पूर्ण QR अपघटन (जो TT में महंगा है) के बजाय, वे सिंगुलर मानों और राइट सिंगुलर वेक्टर्स को प्राप्त करने के लिए आंतरिक उत्पाद मैट्रिक्स $X^\dagger X$ (जहाँ $X$ में TT कॉलम शामिल हैं) की गणना करते हैं। मूल कॉलमों के रैखिक संयोजन के रूप में ट्रंकेटेड मैट्रिक्स $\tilde{X}$ के कॉलमों को रैंडमाइज्ड TT राउंडिंग का उपयोग करके बनाया जाता है ताकि बड़े मध्यवर्ती टेंसरों के निर्माण से बचा जा सके।

प्रमुख योगदान

TT प्रारूप में CPTP संरक्षण: लेखकों ने प्रदर्शित किया है कि ट्रंकेशन प्रक्रिया, भले ही इसे अनिश्चित (inexact) TT अंकगणित और रैंडमाइज्ड राउंडिंग के माध्यम से किया गया हो, एक पूर्णतः धनात्मक (CP) मानचित्र बनी रहती है। यह इस तथ्य से सिद्ध होता है कि ट्रंकेशन को क्रास रूप (Kraus form) में व्यक्त किया जा सकता है।
कुशल ट्रंकेशन एल्गोरिदम: लेखक ट्रंकेशन चरण के लिए विशिष्ट अनुकूलन पेश करते हैं:
- नॉर्म स्क्रीनिंग (Norm Screening): आवश्यक आंतरिक उत्पादों की संख्या को कम करने के लिए कम नॉर्म वाले कॉलमों को हटाना।
- एरर बजट पार्टीशनिंग (Error Budget Partitioning): घन मैट्रिक्स के SVD ट्रंकेशन और रैखिक संयोजनों के अनिश्चित TT अंकगणित के बीच त्रुटि सहनशीलता (error tolerance) को अनुमानित रूप से आवंटित करना।
- शेयर्ड-कोर एक्सप्लोइटेशन (Shared-Core Exploitation): कई साइटों पर कार्य करने वाले जंप ऑपरेटर्स के लिए, एल्गोरिदम युग्मवार आंतरिक उत्पादों और रैखिक संयोजनों की गणना करने के लिए आंशिक संकुचन (partial contractions) का पुन: उपयोग करता है, जिससे यह $O(d^3)$ के बजाय $O(d^2)$ समय में होता है।
स्केलेबिलिटी: इस विधि को मध्यम कंप्यूटिंग संसाधनों का उपयोग करके $10^{19}$ तक की हिल्बर्ट स्पेस डाइमेंशन वाले सिस्टम को संभालने के लिए डिज़ाइन किया गया है, जो TT प्रतिनिधित्व में निम्न बॉन्ड डाइमेंशन बनाए रखता है।

संख्यात्मक परिणाम
लेखक अपने तंत्र को तीन संख्यात्मक प्रयोगों के माध्यम से मान्य करते हैं:

डिसिपेटिव 1D हाइजेनबर्ग स्पिन चेन:
- छोटा सिस्टम ( $d=6$ ): एक संदर्भ समाधान के विरुद्ध 2nd और 4th ऑर्डर स्कीम्स की अभिसरण दर (convergence rates) प्रदर्शित की गई।
- बड़ा सिस्टम ( $d=64$ ): $N > 10^{19}$ वाले सिस्टम का अनुकरण किया गया। घन मैट्रिक्स का रैंक निम्न रहा (छोटे मामले में कभी 8 से अधिक नहीं हुआ, और बड़े मामले में भी प्रबंधनीय रहा), और अधिकतम TT बॉन्ड डाइमेंशन 5 से नीचे रहा। विधि ने वेवफ्रंट के प्रसार और क्षय को सफलतापूर्वक ट्रैक किया।
मॉक क्वांटम सर्किट (25 क्वबिट्स):
- जेनेस-कमिंग्स कपलिंग और SWAP गेट्स के साथ एक 25-क्वबिट हेवी-हेक्स लैटिस का अनुकरण किया गया।
- इसमें क्षय (decay) और डीफेजिंग (dephasing) शामिल थे। योजना ने क्वबिट्स के बीच जनसंख्या हस्तांतरण (population transfer) को ट्रैक किया, जो कपलिंग और शोर के कारण गेट फिडेलिटी में होने वाली गिरावट को दर्शाता है।
- रनटाइम विश्लेषण से पता चला कि हालांकि ट्रंकेशन मुख्य लागत है, फिर भी विधि व्यवहार्य है क्योंकि बॉड डाइमेंशन अपेक्षाकृत कम रहे।
क्वाडिट-रेसोनेटर चेन:
- 6 क्वाडिट्स (4-लेवल सिस्टम) और 5 रेसोनेटर्स (10-लेवल सिस्टम) की एक श्रृंखला का मॉडल, जिसकी कुल हिल्बर्ट स्पेस डाइमेंशन $\approx 4 \times 10^8$ है।
- सिस्टम ने एक साथ CNOT गेट्स का प्रदर्शन किया। घन मैट्रिक्स का रैंक 30 से नीचे रहा और बॉड डाइमेंशन आम तौर पर 25 से नीचे रहा, जिससे डेंस रिप्रेजेंटेशन की तुलना में $10^4$ से $3000\times$ तक मेमोरी संपीड़न प्राप्त हुआ।

महत्व और दावे
यह शोध पत्र दावा करता है कि यह उन पहले CPTP स्कीम्स में से एक प्रदान करता है जो कारक मैट्रिक्स $V$ के लिए TT/MPS प्रारूप का उपयोग करते हैं। LPDO प्रारूपों के डिसेंटैंगलिंग ओवरहेड से बचकर और "क्रास इज किंग" ढांचे की धनात्मकता गारंटी को बनाए रखकर, यह विधि उन ओपन क्वांटम सिस्टम के अनुकरण को सक्षम बनाती है जो पहले अव्यवहार्य माने जाते थे। लेखक इस बात पर जोर देते हैं कि यह दृष्टिकोण विशेष रूप से उन प्रणालियों के लिए प्रभावी है जहाँ घन मैट्रिक्स निम्न-रैंक बना रहता है, जिससे मध्यम कंप्यूटिंग संसाधनों का उपयोग करके बड़े पैमाने के क्वांटम उपकरणों और कंडेंस्ड मैटर सिस्टम का कुशल अनुकरण संभव हो पाता है। यह कार्य उनके पूर्ववर्ती निम्न-रंक CPTP कार्य के एक प्रत्यक्ष विस्तार के रूप में प्रस्तुत किया गया है, जिसे विशेष रूप से कारक मैट्रिक्स के कॉलमों के लिए टेंसर नेटवर्क संपीड़न का लाभ उठाने हेतु अनुकूलित किया गया है।