⚛️ quantum physics

Opportunities and challenges in scaling quantum error detection on hardware

यह शोध पत्र रिपिटिशन और ट्राइएंगुलर कलर कोड्स का उपयोग करके वास्तविक और सिम्युलेटेड हार्डवेयर पर क्वांटम एरर डिटेक्शन को स्केल करने के अवसरों और चुनौतियों का बेंचमार्किंग करता है, जो यह प्रदर्शित करता है कि सैंपलिंग और क्लासिकल प्रोसेसिंग में महत्वपूर्ण ओवरहेड्स के बावजूद, यह तकनीक कोड डिस्टेंस बढ़ने के साथ शोर-रहित (noiseless) परिणाम प्राप्त करने के लिए प्रबल संभावना रखती है।

मूल लेखक: Yanis Le Fur, Ethan Egger, Hong-Ye Hu, Vincent Russo, William J. Zeng, Ryan LaRose

प्रकाशित 2026-05-05

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Yanis Le Fur, Ethan Egger, Hong-Ye Hu, Vincent Russo, William J. Zeng, Ryan LaRose

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 शोर भरे कमरे में एक नाजुक संदेश भेजने की कोशिश कर रहे हैं। संदेश एक क्वांटम अवस्था (quantum state) है, और "शोर" लोगों के चिल्लाने, हवा चलने या रेडियो पर आने वाले स्टैटिक की तरह है। क्वांटम कंप्यूटिंग की दुनिया में, यह शोर ऐसी त्रुटियां (errors) पैदा करता है जो गणना को खराब कर देती हैं।

यह शोध पत्र इस बारे में है कि उन त्रुटियों को ठीक करने की एक विशिष्ट रणनीति क्या है, जिसे क्वांटम एरर डिटेक्शन (Quantum Error Detection) कहा जाता है। लेखकों का एक समूह, जो विभिन्न विश्वविद्यालयों और कंपनियों के शोधकर्ता हैं, यह देखना चाहता था कि क्या यह रणनीति वास्तव में काम करती है जब आप इसे वास्तविक, जटिल क्वांटम कंप्यूटरों पर बड़े पैमाने पर लागू करते हैं।

यहाँ उनके काम का सरल उपमाओं (analogies) का उपयोग करके विवरण दिया गया है:

मुख्य विचार: "बाउंसर" रणनीति

एक क्वांटम कंप्यूटर को एक क्लब की तरह समझें। आप क्लब से एक सटीक परिणाम (एक "कोडवर्ड") प्राप्त करना चाहते हैं। हालाँकि, सिस्टम में शोर एक बाउंसर की तरह है जो गलती से कई ढोंगी लोगों (त्रुटियों) को अंदर आने देता है।

मानक क्वांटम कंप्यूटिंग (Standard Quantum Computing): आप सभी को अंदर आने देते हैं, अपनी गणना करते हैं, और उम्मीद करते हैं कि परिणाम सही होगा। यदि शोर अधिक है, तो परिणाम बेकार हो जाएगा।
क्वांटम एरर डिटेक्शन (Quantum Error Detection): केवल सभी को अंदर आने देने के बजाय, आप एक विशेष नियम लागू करते हैं। आप केवल उन परिणामों को स्वीकार करते हैं जो एक विशिष्ट "आईडी चेक" (कोड) पास करते हैं। यदि किसी परिणाम के पास सही आईडी नहीं है (अर्थात एक त्रुटि हुई है), तो आप उसे बाहर फेंक देते हैं और फिर से प्रयास करते हैं।

यह शोध पत्र एक बड़ा लाभ बताता है: यह विधि आपको एक निष्पक्ष (unbiased) उत्तर देती है। यदि आप प्रयास जारी रखते हैं और केवल "वैध" परिणामों को ही गिनते हैं, तो आपका औसत उत्तर अंततः पूरी तरह से सही होगा, उन अन्य तरीकों के विपरीत जो केवल अनुमान लगाते हैं और उम्मीद करते हैं कि वे करीब होंगे।

दो बड़ी बाधाएं

लेखक बताते हैं कि यह अभी तक हर जगह क्यों उपयोग नहीं किया जाता है:

"लॉटरी टिकट" की समस्या (सैंपलिंग ओवरहेड):
चूंकि शोर बहुत अधिक है, इसलिए आपके अधिकांश प्रयास आईडी चेक में विफल हो जाएंगे। यह लॉटरी टिकट खरीदने जैसा है जहाँ 99.9% टिकट हारने वाले होते हैं। एक विजेता पाने के लिए, आपको भारी संख्या में टिकट खरीदने होंगे। जैसे-जैसे आपकी गणना अधिक गहरी (अधिक जटिल) होती जाती है, टिकटों की संख्या तेजी से बढ़ती जाती है। आपको कुछ अच्छे परिणाम प्राप्त करने के लिए अपने प्रयोग को लाखों बार चलाने की आवश्यकता हो सकती है।
"गणित के होमवर्क" की समस्या (क्लासिकल प्रोसेसिंग):
भले ही आपको वैध परिणाम मिल जाएं, डेटा को प्रोसेस करने के लिए समझना कठिन है। कंप्यूटर को डेटा को संसाधित करने के लिए एक नियमित कंप्यूटर पर भारी मात्रा में गणित करना पड़ता है। लेखकों ने पाया कि बड़े कोड के लिए, यह गणित इतना भारी हो जाता है कि डेटा को प्रोसेस करने में घंटों या दिनों का समय लग सकता है, और अंततः, आपके नियमित कंप्यूटर की मेमोरी खत्म हो जाती है।

प्रयोग: पानी की जांच करना

टीम ने केवल सिद्धांत की बात नहीं की; उन्होंने वास्तविक क्वांटम कंप्यूटरों (IBM मशीनों) और सिम्युलेटेड कंप्यूटरों पर वास्तविक प्रयोग किए। उन्होंने दो अलग-अलग "कोड" (आईडी चेक के नियम) का परीक्षण किया:

रिपिटिशन कोड (The Repetition Code - द सिंपल गार्ड):
यह एक समूह के दोस्तों द्वारा एक ही बात कहने जैसा है। यदि एक दोस्त "हाँ" कहता है और अन्य "नहीं" कहते हैं, तो आप जानते हैं कि वह एक गलती है।
- परिणाम: उन्होंने पाया कि जैसे-जैसे वे अधिक भौतिक क्यूबिट्स (qubits) जोड़ते हैं, सटीकता नाटकीय रूप से सुधरती है। परिणाम सटीक उत्तर के करीब आते गए, जैसा कि सिद्धांत ने भविष्यवाणी की थी।
ट्राइएंगुलर कलर कोड (The Triangular Color Code - द कॉम्प्लेक्स गार्ड):
यह एक बहुत ही परिष्कृत नियम सेट है, जो अधिक प्रकार की त्रुटियों को पकड़ने में सक्षम है (केवल साधारण "हाँ/नहीं" बदलाव ही नहीं)।
- परिणाम: उन्होंने इसे 74 भौतिक क्यूबिट्स तक टेस्ट किया।
- चुनौती: उन्होंने पाया कि एक "टिपिंग पॉइंट" (जिसे स्यूडोथ्रेशोल्ड कहा जाता है) है। यदि कमरे में शोर बहुत अधिक है, तो जटिल गार्ड वास्तव में चीजों को पहले से भी बदतर बना देता है, क्योंकि आईडी चेक करने का प्रयास नई त्रुटियां पैदा करता है। लेकिन, यदि शोर पर्याप्त कम है, तो यह जटिल कोड खूबसूरती से काम करता है और मानक विधि को मात देता है।

"स्वीट स्पॉट" (स्यूडोथ्रेशोल्ड)

लेखकों ने एक महत्वपूर्ण अवधारणा की खोज की जिसे स्यूडोथ्रेशोल्ड (pseudothreshold) कहा जाता है। कल्पना कीजिए कि यह एक गति सीमा (speed limit) है।

यदि शोर इस गति सीमा से नीचे है, तो एरर डिटेक्शन कोड का उपयोग करना एक उच्च-प्रदर्शन वाली स्पोर्ट्स कार चलाने जैसा है; यह एक साधारण कार की तुलना में तेज़ और अधिक सटीक है।
यदि शोर इस सीमा से ऊपर है, तो स्पोर्ट्स कार बहुत भारी और जटिल है; बेहतर है कि आप बस साधारण कार चलाएं।

उनके प्रयोगों ने दिखाया कि जटिल कोड के लिए, उन्होंने इस टिपिंग पॉइंट को छुआ। 38 क्यूबिट्स के साथ, कोड छोटे कार्यों के लिए अच्छा काम करता था लेकिन लंबे, शोर वाले कार्यों के लिए विफल रहा। 74 क्यूबिट्स के साथ, शोर इतना अधिक था कि वे वास्तविक मशीन पर एक भी वैध परिणाम प्राप्त नहीं कर सके (हालांकि सिमुलेशन ने सुझाव दिया कि यदि मशीन थोड़ी शांत होती तो यह काम कर सकता था)।

निचोड़ (The Bottom Line)

शोध पत्र निष्कर्ष निकालता है कि क्वांटम एरर डिटेक्शन एक बहुत ही आशाजनक उपकरण है, लेकिन इसकी एक "स्वीट स्पॉट" है।

यह काम करता है: यह खराब डेटा को हटाकर पूरी तरह से सटीक परिणाम दे सकता है।
यह स्केल होता है: जैसे-जैसे आप क्यूबिट्स जोड़ते हैं, सटीकता तेजी से (exponentially) सुधरती है।
लागत: इसके लिए बहुत अधिक समय (प्रयोग को कई बार चलाना) और डेटा को छाँटने के लिए बहुत अधिक क्लासिकल कंप्यूटिंग पावर की आवश्यकता होती है।

लेखक आशावादी हैं कि जैसे-जैसे क्वांटम कंप्यूटर बेहतर (कम शोर वाले) होते जाएंगे और हम गणित करने के बेहतर तरीके खोज लेंगे, यह "बाउंसर रणनीति" भविष्य में शक्तिशाली, त्रुटि-मुक्त क्वांटम कंप्यूटर बनाने का एक प्रमुख हिस्सा होगी। वे विशेष रूप से उल्लेख करते हैं कि यह दृष्टिकोण "मेगाक्वूप" (Megaquop) मशीनों (क्वांटम कंप्यूटिंग का एक भविष्य का पैमाना) के लिए प्रासंगिक है, लेकिन वे यह दावा नहीं करते हैं कि यह अभी विशिष्ट चिकित्सा या औद्योगिक समस्याओं को हल करता है।

तकनीकी सारांश: हार्डवेयर पर क्वांटम एरर डिटेक्शन को स्केल करने की अवसर और चुनौतियाँ

समस्या विवरण
क्वांटम एरर डिटेक्शन (QED) निष्पक्ष प्रत्याशा मान (unbiased expectation values) प्राप्त करने का एक मार्ग प्रदान करता है जो कोड दूरी बढ़ने के साथ शोर रहित परिणामों की ओर तेजी से (exponentially) अभिसरित होते हैं। कई अनुमानी (heuristic) त्रुटि शमन तकनीकों के विपरीत, जो पक्षपाती अनुमान (biased estimators) उत्पन्न करती हैं, QED एक चुने गए कोड के तार्किक उपस्थान (logical subspace) से बाहर के अंतिम अवस्थाओं को त्याग देता है, जो सैद्धांतिक रूप से तब तक निष्पक्ष परिणाम देता है जब तक कि सभी त्रुटियाँ सुधारात्मक हों। हालाँकि, QED क्वांटम हार्डवेयर पर अपेक्षाकृत कम अध्ययन किया गया है क्योंकि इसमें दो प्राथमिक स्केलेबिलिटी चुनौतियाँ हैं:

सैंपलिंग ओवरहेड (Sampling Overhead): अधिकांश शोर मॉडलों के तहत कोडवर्ड्स को पहचानने के लिए आवश्यक नमूनों (shots) की संख्या सर्किट गहराई और शोर के स्तर के साथ तेजी से (exponentially) बढ़ती है।
क्लासिकल प्रोसेसिंग ओवरहेड (Classical Processing Overhead): कोड के आकार (विशेष रूप से $2^r$ , जहाँ $r$ स्टेबलाइजर जनरेटर की संख्या है) के साथ कोडवर्ड्स की पहचान करने या आवश्यक प्रोजेक्टरों का मूल्यांकन करने के लिए आवश्यक क्लासिकल प्री- और पोस्ट-प्रोसेसिंग भी तेजी से (exponentially) बढ़ती है।
इसके अतिरिक्त, तार्किक संचालन (logical operations) को भौतिक हार्डवेयर पर एम्बेड करने का निरंतर ओवरहेड प्रदर्शन को खराब कर सकता है यदि एनकोडिंग और रूटिंग द्वारा उत्पन्न शोर, त्रुटि पहचान के लाभों से अधिक हो जाता है।

कार्यप्रणाली (Methodology)
लेखकों ने QED के स्केलिंग का मूल्यांकन करने के लिए वास्तविक IBM क्वांटम कंप्यूटरों और सिम्युलेटेड शोर वाले वातावरणों पर एक व्यापक बेंचमार्किंग अध्ययन किया। अध्ययन में दो विशिष्ट कोडों का उपयोग किया गया:

रेपेटिशन कोड (Repetition Code): एक $[[n, 1, n]]$ कोड जिसका उपयोग मेमोरी प्रयोगों और तार्किक बेल स्टेट (Bell state) तैयारी के लिए किया जाता है। यह क्लासिकल (केवल बिट-फ्लिप त्रुटियों को ठीक करने वाला) है और $Z$ -आधार (basis) में इसका एनकोडिंग सरल है।
ट्रायंगुलर कलर कोड (Triangular Color Code): एक क्वांटम $[[n, 1, d]]$ कोड (विशेष रूप से $d=3$ के लिए स्टीन कोड और $d=5, 7$ के लिए सामान्यीकरण) जो बिट-फ्लिप और फेज-फ्लिप दोनों त्रुटियों को ठीक करने में सक्षम है। इसके लिए गैर-तुच्छ (non-trivial) यूनिटरी एनकोडिंग सर्किट की आवश्यकता होती है।

प्रयोग IBM उपकरणों (Kyiv, Fez, Boston, Aachen) पर किए गए जिनमें 74 भौतिक क्वबिट्स और 3,146 भौतिक टू-क्विबिट गेट्स का उपयोग किया गया। लेखकों ने तार्किक बेल स्टेट्स तैयार किए और कोड दूरी ( $n$ ) और सर्किट गहराई ( $D$ ) को बदलते हुए प्रत्याशा मान ( $\langle \bar{Z}\bar{Z} \rangle$ , $\langle \bar{X}\bar{X} \rangle$ , $\langle \bar{Z} \rangle$ ) मापे। उन्होंने आइडल-टाइम त्रुटियों को कम करने के लिए डायनेमिकल डिकपलिंग (DD) को भी लागू किया। तकनीक की सीमाओं का विश्लेषण करने के लिए, लेखकों ने सिंगल-क्विबिट डिपोलराइजिंग नॉइज़ का उपयोग करके शोर युक्त सिमुलेशन के माध्यम से स्यूडोथ्रेशोल्ड (pseudothreshold) का अनुमान लगाया।

मुख्य परिणाम

एक्सपोनेंशियल कन्वर्जेंस (Exponential Convergence): हार्डवेयर पर, QED के माध्यम से प्राप्त प्रत्याशा मानों की सटीकता भौतिक क्वबिट्स (कोड दूरी) की संख्या बढ़ने के साथ आदर्श शोर रहित मान की ओर तेजी से (exponentially) अभिसरित होती है। यह रेपेटिशन कोड मेमोरी प्रयोगों और तार्किक बेल स्टेट तैयारियों दोनों में देखा गया।
प्रदर्शन बनाम भौतिक क्वबिट्स: रेपेटिशन कोड प्रयोगों में, एनकोडेड परिणाम औसतन भौतिक परिणामों से बेहतर रहे। ट्रायंगुलर कलर कोड के लिए, एनकोडेड परिणाम सभी परीक्षण की गई गहराइयों के लिए $d=3$ ( $n=14$ ) पर भौतिक परिणामों से बेहतर रहे। हालाँकि, $d=5$ ( $n=38$ ) पर, एक क्रॉसओवर हुआ जहाँ एनकोडेड परिणाम एक निश्चित सर्किट गहराई ( $D=30$ ) के बाद भौतिक परिणामों से बदतर हो गए, जो एक स्यूडोथ्रेशोल्ड के अस्तित्व को दर्शाता है।
सैंपलिंग और क्लासिकल सीमाएँ: अध्ययन ने पुष्टि की कि कोडवर्ड्स की सैंपलिंग करना तेजी से (exponentially) कठिन होता जा रहा है। दूरी $d=7$ वाले ट्रायंगुलर कलर कोड ( $n=74$ ) के लिए, $10^6$ शॉट्स के बाद भी हार्डवेयर पर कोई कोडवर्ड सैंपल नहीं किया जा सका। सिमुलेशन ने संकेत दिया कि $n \ge 25$ के लिए, स्टेबलाइजर जनरेटर्स से कोडवर्ड्स की गणना करने के लिए घंटों के कंप्यूटेशन की आवश्यकता होती है या यह मेमोरी क्षमता से बाहर हो जाता है, जो गंभीर क्लासिकल बाधा को उजागर करता है।
स्यूडोथ्रेशोल्ड व्यवहार: ट्रायंगुलर कलर कोड के लिए अनुमानित स्यूडोथ्रेशोल्ड $p^*$ सर्किट गहराई के साथ तेजी से (exponentially) गिरता है। यह एक सब-थ्रेशोल्ड क्षेत्र को परिभाषित करता है जहाँ त्रुटि पहचान बेहतर प्रदर्शन प्रदान करती है, जो पूर्ण क्वांटम एरर करेक्शन के थ्रेशोल्ड के समान है लेकिन विशिष्ट सर्किट और शोर मापदंडों पर निर्भर है।
एनकोडिंग ओवरहेड: अध्ययन ने रेखांकित किया कि गैर-तुच्छ एनकोडिंग सर्किट (जिनकी आवश्यकता ट्रायंगुलर कलर कोड के लिए होती है) महत्वपूर्ण गहराई और टू-क्विबिट गेट ओवरहेड पेश करते हैं, जो प्रभावी त्रुटि दरों को स्यूडोथ्रेशोल्ड से ऊपर धकेल सकते हैं यदि उन्हें अनुकूलित (optimize) न किया जाए।

महत्ता और दावे
यह शोध पत्र वर्तमान और निकट-भविष्य के हार्डवेयर पर QED को स्केल करने के अवसरों और चुनौतियों का एक स्पष्ट चित्र प्रदान करने का दावा करता है। प्राथमिक महत्ता इस बात में निहित है कि QED वास्तव में वास्तविक हार्डवेयर पर निष्पक्ष, तेजी से अभिसरित होने वाले परिणाम दे सकता है, जो इसकी एक शक्तिशाली त्रुटि शमन तकनीक के रूप में क्षमता को प्रमाणित करता है। लेखक यह भी दावा करते हैं कि जबकि सैंपलिंग और क्लासिकल प्रोसेसिंग अभी भी महत्वपूर्ण बाधाएं बनी हुई हैं, प्रायोगिक परिणाम "मजबूत संभावना" दिखाते हैं कि QED को "मेगाक्वैप" (Megaquop) स्केल और उससे आगे ले जाया जा सकता है, बशर्ते शोर दरें स्यूडोथ्रेशोल्ड से नीचे रहें।

लेखक अपनी तात्कालिक व्यावहारिकता के संबंध में विनम्र बने हुए हैं, यह स्वीकार करते हुए कि उन्होंने आवश्यक सैंपलिंग संसाधनों में भारी वृद्धि के लिए सुधारों को सामान्यीकृत (normalize) नहीं किया है। उनका मानना है कि भविष्य के कार्य को बड़े पैमाने पर, अनुप्रयोग-उन्मुख प्रयोगों को सक्षम करने के लिए एक्सपोनेंशियल सैंपलिंग और क्लासिकल प्रोसेसिंग ओवरहेड्स को कम करने पर ध्यान केंद्रित करना चाहिए (सामान्यीकृत सबस्पेस एक्सपेंशन और लॉजिकल शैडो टोमोग्राफी जैसी तकनीकों का हवाला देते हुए)। यह कार्य QED के वर्तमान फ्रंटियर के लिए एक बेंचमार्क के रूप में कार्य करता है, जो यह दर्शाता है कि यह कहाँ सफल होता है और कहाँ ओवरहेड्स इसे कच्चे भौतिक प्रयोगों से बेहतर प्रदर्शन करने से रोकते हैं।

मुख्य विचार: "बाउंसर" रणनीति

दो बड़ी बाधाएं

प्रयोग: पानी की जांच करना

"स्वीट स्पॉट" (स्यूडोथ्रेशोल्ड)

निचोड़ (The Bottom Line)

इसी तरह के और पेपर