⚛️ quantum physics

Distributed Quantum Error Correction with Bivariate Bicycle Codes in a Modular Architecture

यह शोध पत्र सभी-से-सभी आंतरिक कनेक्टिविटी वाले परस्पर जुड़े प्रोसेसरों के माध्यम से बाइवेरिएट बाइसिकल क्वांटम एरर करेक्शन कोड को लागू करने के लिए एक मॉड्यूलर, वितरित आर्किटेक्चर का प्रस्ताव और विश्लेषण करता है, जो मोंटे कार्लो सिमुलेशन के माध्यम से यह प्रदर्शित करता है कि ऐसी व्यवस्था गैर-स्थानीय ऑपरेशनों द्वारा उत्पन्न शोर के बावजूद प्रतिस्पर्धी फॉल्ट टॉलरेंस थ्रेशोल्ड प्राप्त कर सकती है।

मूल लेखक: Nitish Kumar Chandra, Eneet Kaur, Reza Nejabati, Kaushik P. Seshadreesan

प्रकाशित 2026-05-07

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Nitish Kumar Chandra, Eneet Kaur, Reza Nejabati, Kaushik P. Seshadreesan

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 विशाल, अविश्वसनीय रूप से जटिल पहेली को सुलझाने की कोशिश कर रहे हैं। क्वांटम कंप्यूटिंग की दुनिया में, यह पहेली एक "क्वांटम कोड" है जिसे त्रुटियों (errors) से नाजुक जानकारी की रक्षा करने के लिए डिज़ाइन किया गया है। जिस विशिष्ट पहेली का अध्ययन लेखक कर रहे हैं, उसे बाइवेरिएट बाइसिकल (BB) कोड कहा जाता है।

इस BB कोड को सैकड़ों छोटे मोतियों (क्यूबिट्स) से जुड़े धागों के एक विशाल, जटिल जाल के रूप में सोचें। यदि एक मोती डगमगाता है या टूट जाता है, तो इस जाल के पास पूरे चित्र को खराब किए बिना इसे पहचानने और ठीक करने का एक विशेष तरीका होता है। यह विशिष्ट वेब बहुत कुशल है—यह पुराने डिजाइनों की तुलना में बहुत अधिक जानकारी रखता है—लेकिन इसकी एक शर्त है: धागे उन मोतियों को जोड़ते हैं जो एक-दूसरे से दूर हैं, न कि केवल उनके निकटतम पड़ोसियों को।

समस्या: "ऑल-इन-वन" बनाम "द टीम"

पारंपरिक रूप से, इस वेब को बनाने के लिए, आपको एक विशाल, अत्यधिक जुड़े हुए मशीन (एक मोनोलिथिक डिवाइस) की आवश्यकता होगी जहाँ प्रत्येक मोती सीधे दूसरे प्रत्येक मोती से बात कर सके। लेकिन इतनी बड़ी और इतनी जुड़ी हुई मशीन बनाना वर्तमान तकनीक के साथ अविश्वसनीय रूप से कठिन है। यह एक ही शहर बनाने की कोशिश करने जैसा है जहाँ हर घर दूसरे घर से एक निजी सुरंग द्वारा जुड़ा हुआ हो; निर्माण लागत और ट्रैफिक जाम असंभव होगा।

इसलिए, लेखक पूछते हैं: क्या होगा अगर हम इस विशाल वेब को कई छोटे, अलग-अलग मशीनों (जिन्हें क्वांटम प्रोसेसिंग यूनिट्स या QPUs कहा जाता है) में विभाजित करें और उन्हें एक टीम की तरह जोड़ दें?

समाधान: द स्टार नेटवर्क

लेखक एक "स्टार नेटवर्क" आर्किटेक्चर का प्रस्ताव करते हैं। एक केंद्रीय हब (जैसे एक स्विचबोर्ड) की कल्पना करें जिसमें कई छोटे कार्यालय (QPUs) जुड़े हुए हैं।

एक कार्यालय के भीतर: कार्यकर्ता (क्यूबिट्स) एक-दूसरे से तुरंत और पूरी तरह से बात कर सकते हैं।
कार्यालयों के बीच: बात करने के लिए, उन्हें केंद्रीय हब के माध्यम से एक संदेश भेजना पड़ता है। यह एक पत्र डाकघर के माध्यम से भेजने जैसा है। इसमें अधिक समय लगता है और इसके खो जाने या दूषित होने की संभावना अधिक होती है।

क्वांटम शब्दों में, "पत्र" एंटैंगल्ड पेयर्स (Bell pairs) हैं। जब अलग-अलग कार्यालयों के दो क्यूबिट्स को आपस में क्रिया करने की आवश्यकता होती है, तो वे एक "रिमोट" ऑपरेशन करने के लिए एंटैंगल्ड पेयर्स का उपयोग करते हैं।

प्रयोग: वेब को विभाजित करना

लेखकों ने अपने विशाल [[144, 12, 12]] BB कोड (जिसमें 144 भौतिक मोती हैं) को तीन अलग-अलग तरीकों से विभाजित किया:

4 कार्यालय: प्रत्येक कार्यालय को वेब का एक बड़ा हिस्सा मिलता है।
6 कार्यालय: वेब को मध्यम टुकड़ों में काटा गया है।
12 कार्यालय: वेब को पतली, छोटी पट्टियों में काटा गया है।

उन्होंने यह देखने के लिए हजारों कंप्यूटर सिमुलेशन (जैसे किसी रणनीति का परीक्षण करने के लिए एक वीडियो गेम को लाखों बार चलाना) चलाए कि विभिन्न स्थितियों के तहत यह कोड कितनी अच्छी तरह काम करता है।

चर (Variable): द "नॉइज़ पेनल्टी"

यहाँ मुख्य चर है जिसे उन्होंने टेस्ट किया: कार्यालयों के बीच का कनेक्शन कितना खराब है?

उन्होंने कनेक्शन के लिए एक "नॉइज़ पेनल्टी" कारक निर्धारित किया, जिसे $\alpha$ (अल्फा) कहा जाता है।
यदि $\alpha = 1$ है, तो कार्यालयों के बीच का कनेक्शन एक कार्यालय के भीतर के कनेक्शन जितना ही अच्छा है (एक आदर्श परिदृश्य)।
यदि $\alpha = 7$ है, तो कार्यालयों के बीच के कनेक्शन के विफल होने की संभावना एक कार्यालय के भीतर के कनेक्शन की तुलना में 7 गुना अधिक है।

वे यह देखना चाहते थे: क्या वेब को अधिक कार्यालयों में विभाजित करने से यह अधिक नाजुक हो जाता है, खासकर यदि कार्यालयों के बीच के कनेक्शन शोर वाले (noisy) हों?

निष्कर्ष: द ट्रेड-ऑफ

परिणामों ने एक स्पष्ट ट्रेड-ऑफ (समझौता) प्रकट किया, जैसे कि एक सी-सॉ (seesaw) पर संतुलन बनाना:

अधिक कार्यालय = अधिक नाजुकता (जब कनेक्शन खराब हों):
जब उन्होंने कोड को 12 कार्यालयों में विभाजित किया, तो उन्हें "रिमोट लेटर" सिस्टम (एंटैंगलमेंट) का उपयोग बहुत अधिक बार करना पड़ा। यदि कार्यालयों के बीच का कनेक्शन शोर वाला था (उच्च $\alpha$ ), तो पूरा सिस्टम बहुत तेज़ी से टूट गया। "सुरक्षा सीमा" (वह बिंदु जहाँ कोड काम करना बंद कर देता है) काफी गिर गई।
कम कार्यालय = अधिक मजबूती:
जब उन्होंने कोड को केवल 4 कार्यालयों में विभाजित किया, तो श्रमिकों को एक-दूसरे को कम "पत्र" भेजने पड़े। भले ही कनेक्शन शोर वाले थे, सिस्टम बेहतर तरीके से टिका रहा। यह खराब कनेक्शनों के प्रति अधिक सहिष्णु था क्योंकि यह उन पर कम निर्भर था।
"स्वीट स्पॉट":
यदि कनेक्शनों के बीच का संबंध आदर्श ( $\alpha=1$ ) था, तो कोड को कैसे भी विभाजित करने से अधिक फर्क नहीं पड़ता था; सभी संस्करण समान प्रदर्शन करते थे। लेकिन जैसे ही कनेक्शन थोड़े शोर वाले हुए, 4 QPUs वाला संस्करण स्पष्ट विजेता बनकर उभरा।

उपमा: ऑर्केस्ट्रा

एक ऑर्केस्ट्रा की कल्पना करें जो एक जटिल सिम्फनी (क्वांटम कोड) बजा रहा है।

मोनोलिथिक: सभी संगीतकार एक ही मंच पर हैं, एक-दूसरे को पूरी तरह से सुन रहे हैं।
डिस्ट्रीब्यूटेड (4 QPUs): ऑर्केस्ट्रा को 4 छोटे कमरों में विभाजित किया गया है। एक ही कमरे के भीतर के संगीतकार एक-दूसरे को पूरी तरह से सुन सकते हैं। अलग-अलग कमरों के संगीतकार एक थोड़े खराब इंटरकॉम के माध्यम से एक-दूसरे को सुनते हैं।
डिस्ट्रीब्यूटेड (12 QPUs): ऑर्केस्ट्रा को 12 बहुत छोटे कमरों में विभाजित किया गया है। अब, लगभग हर संगीतकार को तालमेल बनाए रखने के लिए उस खराब इंटरकॉम पर निर्भर रहना पड़ता है।

लेखकों ने पाया कि यदि इंटरकॉम थोड़ा भी शोर वाला है, तो 12 कमरे होने पर संगीत जल्दी बिखर जाता है। केवल 4 कमरे होने पर, खराब इंटरकॉम के बावजूद संगीत लंबे समय तक सुर में रहता है।

निष्कर्ष

पेपर यह निष्कर्ष निकालता है कि हालांकि बड़े पैमाने पर मशीनों के निर्माण के लिए क्वांटम कंप्यूटरों को छोटे मॉड्यूल में विभाजित करना आवश्यक है, लेकिन आपको यह ध्यान रखना होगा कि केक को कैसे काटा जाए। यदि मॉड्यूल के बीच के कनेक्शन उत्तम नहीं हैं, तो कई छोटे मॉड्यूल के बजाय कुछ बड़े मॉड्यूल होना बेहतर है। आप जितने अधिक "रिमोट" कनेक्शनों पर निर्भर होंगे, शोर आपकी क्वांटम जानकारी को सुरक्षित रखने की क्षमता को उतना ही अधिक नुकसान पहुँचाएगा।

उन्होंने एक नया गणितीय सूत्र (एक "एंसात्ज़") भी बनाया जो सटीक रूप से भविष्यवाणी कर सकता है कि कनेक्शन कितने शोर वाले होने पर प्रदर्शन कितना गिरेगा, जिससे इंजीनियरों को भविष्य के बेहतर क्वांटम कंप्यूटरों को डिजाइन करने में मदद मिलेगी।

तकनीकी सारांश: मॉड्यूलर आर्किटेक्चर में बायवेरिएट बायसाइकिल कोड्स के साथ वितरित क्वांटम त्रुटि सुधार

समस्या विवरण
क्वांटम लो-डेंसिटी पैरिटी-चेक (qLDPC) कोड्स, विशेष रूप से बायवेरिएट बायसाइकिल (BB) कोड्स, प्लेनर सरफेस कोड्स की तुलना में प्रतिस्पर्धी फॉल्ट-टॉलरेंस थ्रेशोल्ड और उच्च एनकोडिंग दरें प्रदान करते हैं। हालांकि, मोनोलिथिक हार्डवेयर पर इनका कार्यान्वयन लंबी-दूरी की स्टेबलाइजर संरचनाओं के कारण बाधित होता है, जिन्हें गैर-स्थानीय (non-local) इंटरैक्शन की आवश्यकता होती है, जिससे रूटिंग ओवरहेड और सर्किट डेप्थ बढ़ जाती है। जबकि मॉड्यूलर क्वांटम आर्किटेक्चर (परस्पर जुड़े हुए क्वांटम प्रोसेसिंग यूनिट्स या QPUs) स्केलेबिलिटी का एक मार्ग प्रदान करते हैं, वे दोषपूर्ण इंटरकनेक्ट्स और गैर-स्थानीय गेट ऑपरेशंस के माध्यम से अतिरिक्त शोर (noise) भी पेश करते हैं। संबोधित किया जाने वाला केंद्रीय प्रश्न यह है कि एक BB कोड को कई QPUs में विभाजित करने और गैर-स्थानीय ऑपरेशंस से जुड़े शोर का लॉजिकल एरर रेट और स्यूडो-थ्रेशोल्ड प्रदर्शन पर संयुक्त प्रभाव क्या होता है।

कार्यप्रणाली
लेखक एक मॉड्यूलर आर्किटेक्चर में [[144, 12, 12]] BB कोड के वितरित कार्यान्वयन की जांच करते हैं। अध्ययन निम्नलिखित कार्यप्रणाली ढांचे का उपयोग करता है:

आर्किटेक्चर: एक स्टार नेटवर्क टोपोलॉजी प्रस्तावित की गई है जहाँ कई QPUs को एक केंद्रीय क्वांटम स्विच के माध्यम से जोड़ा जाता है। प्रत्येक QPU में ऑल-टू-ऑल इंटरनल कनेक्टिविटी (ट्रैप्ड-आयन या न्यूट्रल-एटम प्लेटफॉर्म पर संभव) होती है और यह गैर-स्थानीय ऑपरेशंस के लिए साझा बेल पेयर्स (Bell pairs) उत्पन्न करने के लिए कम्युनिकेशन क्वबिट्स का उपयोग करता है।
कोड पार्टीशनिंग: [[144, 12, 12]] कोड, जो $12 \times 6$ टॉरस (torus) पर परिभाषित है, को 4, 6, और 12 QPUs में विभाजित किया गया है। पार्टीशनिंग रणनीति टॉरस के 12 $x$ -कॉलम को प्रत्येक QPU को सौंपे गए निरंतर वर्टिकल स्ट्रिप्स में विभाजित करती है।
शोर मॉडलिंग (Noise Modeling): एक सर्किट-लेवल शोर मॉडल स्थापित किया गया है जहाँ स्थानीय गेट्स (एक QPU के भीतर) में आधारभूत एरर रेट $p$ होता है। गैर-स्थानीय गेट्स (QPUs के बीच), जो एंटैंगलमेंट स्वैपिंग और बेल-स्टेट मेजरमेंट्स द्वारा संचालित होते हैं, उन्हें एक उन्नत एरर रेट $p_{NL} = \alpha p$ दिया गया है, जहाँ $\alpha \in \{1, 3, 5, 7\}$ गैर-स्थानीय ऑपरेशंस के संचयी शोर दंड (cumulative noise penalty) के लिए एक स्केलिंग फैक्टर को दर्शाता है।
सिमुलेशन और डिकोडिंग: लॉजिकल एरर्स को डिकोड करने के लिए BP+OSD (Belief Propagation with Ordered Statistics Decoding) का उपयोग करके 12 सिंड्रोम-एक्सट्रैक्शन साइकिलों पर मोंटे कार्लो सिमुलेशन किए गए हैं। सिमुलेशन पार्टीशन मैप के आधार पर लोकल और नॉन-लोकल CNOT गेट्स के बीच अंतर करते हैं।
विश्लेषणात्मक विस्तार: विभिन्न शोर स्थितियों के तहत थ्रेशोल्ड व्यवहार को चरित्रित करने के लिए, लेखक मानक BB कोड एंसेट्स (ansatz) का विस्तार करते हैं। वे एक द्विघातीय (quadratic) $\alpha$ -डिपेंडेंट मॉडल पेश करते हैं जहाँ फिटिंग गुणांक ( $c_0, c_1, c_2$ ) $\alpha$ के फलन (function) के रूप में भिन्न होते हैं, जबकि अग्रणी पावर-लॉ एक्सपोनेंट (जो सर्किट डिस्टेंस द्वारा निर्धारित होता है) स्थिर रहता है।

प्रमुख योगदान

वितरित कार्यान्वयन ढांचा: पेपर एक विशिष्ट स्टार-नेटवर्क आर्किटेक्चर और पार्टीशनिंग स्कीम का वर्णन करता है जो कई QPUs में [[144, 12, 12]] BB कोड को साकार करने के लिए है, जो स्पष्ट रूप से क्वबिट्स की मैपिंग और लोकल बनाम नॉन-लोकल गेट्स के वर्गीकरण को परिभाषित करता है।
शोर-जागरूक मॉडलिंग: एक सर्किट-लेवल शोर मॉडल परिभाषित किया गया है जो स्पष्ट रूप से नॉन-लोकल गेट्स के एरर रेट को $\alpha$ कारक द्वारा स्केल करता है, जिससे इंटरकनेक्ट खामियों का व्यवस्थित अध्ययन संभव होता है।
संशोधित एंसेट्स (Modified Ansätze): लेखक एक संशोधित एंसेट्स प्रस्तावित करते हैं जो वितरित सेटिंग में बेसलाइन BB-कोड थ्रेशोल्ड विश्लेषण का विस्तार करता है। यह द्विघातीय $\alpha$ -डिपेंडेंट मॉडल लॉजिकल एरर रेट्स को कम भौतिक एरर रेट्स तक एक्सट्रपलेशन करने और विभिन्न शोर स्केलिंग के तहत स्यूडो-थ्रेशोल्ड्स की गणना करने में सक्षम बनाता है।
प्रदर्शन लक्षण वर्णन: व्यापक मोंटे कार्लो सिमुलेशन के माध्यम से, अध्ययन पार्टीशन की संख्या (मॉड्यूलरिटी) और गैर-स्थानीय ऑपरेशंस के शोर दंड के बीच ट्रेड-ऑफ को मात्रात्मक रूप से निर्धारित करता है।

परिणाम

थ्रेशोल्ड गिरावट: सभी पार्टीशन आकारों (4, 6, और 12 QPUs) के लिए, जैसे-जैसे नॉन-लोकल शोर स्केलिंग फैक्टर $\alpha$ बढ़ता है, स्यूडो-थ्रेशोल्ड ( $p_0$ ) निरंतर घटता जाता है। उदाहरण के लिए, 12-QPU कॉन्फ़िगरेशन में, स्यूडो-थ्रेशोल्ड $\alpha=1$ पर लगभग $0.0063 $से गिरकर$ \alpha=7 $पर$ 0.0017$ हो जाता है।
पार्टिशन संवेदनशीलता: हालांकि सभी पार्टीशन $\alpha$ के बढ़ने के साथ खराब होते हैं, लेकिन इसका प्रभाव सूक्ष्म (finer) पार्टीशन के लिए अधिक गंभीर है। 12-QPU पार्टीशन (जिसमें सबसे अधिक इंटर-QPU संचार की आवश्यकता होती है) $\alpha \geq 3$ के लिए सबसे कम स्यूडो-थ्रेशोल्ड प्रदर्शित करता है। इसके विपरीत, 4-QPU पार्टीशन उच्च नॉन-लोकल शोर स्थितियों के तहत लगातार उच्चतम स्यूडो-थ्रेशोल्ड प्रदान करता है।
बेसलाइन समझौता: $\alpha=1$ (कोई नॉन-लोकल पेनल्टी नहीं) पर, सभी पार्टीशन के सिम्युलेटेड स्यूडो-थ्रेशोल्ड पहले से रिपोर्ट किए गए मोनोलिथिक [[144, 12, 12]] कोड ( $\approx 0.0065$ ) के मूल्यों के साथ निकटता से मेल खाते हैं, जो सिमुलेशन फ्रेमवर्क को मान्य करते हैं।
फिटिंग सटीकता: प्रस्तावित द्विघातीय $\alpha$ -डिपेंडेंट एंसेट्स, परीक्षण किए गए $\alpha$ के रेंज में $R^2$ मानों के निरंतर इकाई के करीब होने के साथ, सिमुलेशन डेटा को उच्च-निष्ठा (high-fidelity) से फिट करता है।

महत्व और दावे
पेपर का दावा है कि यह मॉड्यूलर क्वांटम कंप्यूटिंग वातावरण में हाई-रेट qLDPC कोड्स को लागू करने के लिए आर्किटेक्चरल अंतर्दृष्टि और डिज़ाइन विचार प्रदान करता है। प्राथमिक निष्कर्ष यह है कि जबकि स्केलेबिलिटी के लिए मॉड्यूलरिटी आवश्यक है, यह एक "स्केलेबिलिटी-थ्रेशोल्ड ट्रेड-ऑफ" पेश करती है। विशेष रूप से, अधिक QPUs को समायोजित करने के लिए विभाजनों (partitions) की संख्या बढ़ाने से नॉन-लोकल गेट्स की आवृत्ति बढ़ जाती है, जो यदि इंटरकनेक्ट शोर पर्याप्त रूप से कम नहीं किया जाता है, तो फॉल्ट-टॉलरेंस थ्रेशोल्ड को काफी कम कर देती है।

लेखक विनम्रतापूर्वक निष्कर्ष निकालते हैं कि उनके परिणाम वितरित BB कोड्स के प्रदर्शन दंड को कम करने के लिए क्वांटम इंटरकनेक्ट्स (अर्थात $\alpha$ को कम करना) में सुधार की आवश्यकता को रेखांकित करते हैं। वे सुझाव देते हैं कि यदि नॉन-लोकल गेट फिडेलिटी कम रहती है, तो मोटे तौर पर पार्टीशनिंग (कम QPUs) अधिक अनुकूल हो सकती है। यह कार्य वितरित एरर करेक्शन समस्या को पूरी तरह से हल करने का दावा नहीं करता है, बल्कि मॉड्यूलर सेटिंग्स में BB कोड्स की व्यवहार्यता का मूल्यांकन करने के लिए एक मात्रात्मक ढांचा स्थापित करता है, और उन विशिष्ट शोर स्तरों की पहचान करता है जहाँ मॉड्यूलरिटी लॉजिकल प्रदर्शन के लिए हानिकारक हो जाती है। भविष्य के कार्य में सहसंबद्ध त्रुटियों (correlated errors), हुक एरर्स (hook errors), और अनुकूलित क्वबिट प्लेसमेंट रणनीतियों का अन्वेषण करने का सुझाव दिया गया है।