Comparing Qubit and Qudit Encodings for EV Charging and Trip Assignment Problems
यह शोध पत्र यह प्रदर्शित करता है कि वेरिएशनल क्वांटम एल्गोरिदम के लिए पारंपरिक क्यूबिट (बाइनरी) एन्कोडिंग के बजाय क्वडिट (इंटीजर) एन्कोडिंग का उपयोग करने से यथार्थवादी इलेक्ट्रिक वाहन बेड़ा प्रबंधन समस्याओं पर तुलनीय या बेहतर अनुकूलन प्रदर्शन प्राप्त करते हुए संसाधन आवश्यकताओं और सिमुलेशन रनटाइम में काफी कमी आती है।
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 इलेक्ट्रिक टैक्सियों के एक छोटे बेड़े (फ्लीट) के मैनेजर हैं। आपको हर दिन दो बड़े काम करने होते हैं:
- कारों को चार्ज करना: आपको यह तय करना होगा कि कब कारों को प्लग में लगाना है (चार्ज करने के लिए) या ग्रिड को वापस बिजली देनी है (डिस्चार्ज करने के लिए) ताकि पैसे बचाए जा सकें।
- ट्रिप असाइन करना: आपको यह तय करना होगा कि कौन सी कार ग्राहक की कौन सी यात्रा (ट्रिप) को ले जाएगी।
यह एक पहेली है। यदि आप गलत कार को ट्रिप के लिए असाइन करते हैं, या गलत समय पर चार्ज करते हैं, तो आपकी बैटरी खत्म हो सकती है या आप पावर ग्रिड के नियमों का उल्लंघन कर सकते हैं। इस पहेली को पूरी तरह से हल करना कंप्यूटरों के लिए बहुत कठिन है, खासकर जब आप इसमें क्वांटम भौतिकी (क्वांटम फिजिक्स) के नियमों को जोड़ देते हैं।
यह शोध पत्र होंडा रिसर्च इंस्टीट्यूट और लीडन यूनिवर्सिटी के शोधकर्ताओं की एक रिपोर्ट है जिन्होंने एक सरल प्रश्न पूछा: "क्या यह मायने रखता है कि हम इस पहेली को क्वांटम कंप्यूटर की भाषा में कैसे अनुवादित करते हैं?"
उन्होंने दो अलग-अलग "भाषाओं" (एनकोडिंग) का परीक्षण किया यह देखने के लिए कि कौन सी क्वांटम कंप्यूटर को इस समस्या को तेज़ी से और बेहतर तरीके से हल करने में मदद करती है।
दो भाषाएँ: "क्यूबिट्स" बनाम "क्यूडिट्स"
उनके प्रयोग को समझने के लिए, कल्पना कीजिए कि आप एक रोबोट को ट्रिप्स की एक सूची समझाने की कोशिश कर रहे हैं।
1. पुराना तरीका: "क्यूबिट" भाषा (बाइनरी स्विच)
एक लाइट स्विच की कल्पना करें। यह या तो ON होता है या OFF।
- इस पद्धति में, शोधकर्ताओं ने प्रत्येक कार और प्रत्येक ट्रिप के बीच की हर एक संभावित जोड़ी के लिए एक अलग लाइट स्विच का उपयोग किया।
- यदि आपके पास 3 कारें और 2 ट्रिप्स हैं, तो आपको 6 स्विचों की आवश्यकता होगी। यदि एक स्विच ON है, तो इसका मतलब है "कार 1 ट्रिप A लेती है।" यदि यह OFF है, तो इसका मतलब नहीं है।
- समस्या: यह बहुत सारे स्विचों वाला एक विशाल, अव्यवस्थित कमरा बना देता है। कंप्यूटर लाखों संयोजनों (कॉम्बिनेशन) की जाँच करता है, जिनमें से अधिकांश निरर्थक होते हैं (जैसे कि "कार 1 ट्रिप A लेती है" और "कार 2 भी ट्रिप A लेती है" एक ही समय में)। कंप्यूटर इन असंभव परिदृश्यों की जाँच करने में समय बर्बाद करता है।
2. नया तरीका: "क्यूडिट" भाषा (मल्टी-पोजीशन डायल)
एक डिमर स्विच या एक डायल की कल्पना करें जो केवल 0 या 1 नहीं, बल्कि कई नंबरों की ओर इशारा कर सकता है।
- इस पद्धति में, कई स्विचों के बजाय, उन्होंने प्रत्येक ट्रिप के लिए एक डायल का उपयोग किया।
- यदि डायल "1" की ओर इशारा करता है, तो इसका मतलब है "कार 1 इस ट्रिप को लेती है।" यदि यह "2" की ओर इशारा करता है, तो इसका मतलब है "कार 2 लेती है।" यदि यह "0" की ओर इशारा करता है, तो इसका मतलब है "कोई कार इस ट्रिप को नहीं लेती है।"
- लाभ: यह बहुत अधिक सीधा है। आपको यह जाँचने की आवश्यकता नहीं है कि दो कारें एक ही ट्रिप के लिए लड़ रही हैं; डायल भौतिक रूप से एक साथ दो कारों की ओर इशारा नहीं कर सकता। यह उस "कमरे" को छोटा कर देता है जिसे कंप्यूटर को खोजना पड़ता है।
प्रयोग: समय के विरुद्ध दौड़
शोधकर्ताओं ने यह देखने के लिए अपने क्वांटम कंप्यूटर का एक सिमुलेशन (एक "स्टेट-वेक्टर सिमुलेशन", जो एक परफेक्ट, शोर-मुक्त अभ्यास रन की तरह है) चलाया कि इन दोनों भाषाओं ने कैसा प्रदर्शन किया। उन्होंने कारों, ट्रिप्स और समय स्लॉट की विभिन्न संख्या के साथ कई रैंडम परिदृश्य सेट किए।
यहाँ उन्हें क्या पता चला:
- सर्च स्पेस छोटा हो गया: "क्यूडिट" (डायल) पद्धति ने सर्च स्पेस के आकार को तेजी से (एक्सपोनेंशियल रूप से) कम कर दिया। कल्पना कीजिए कि आप घास के ढेर में सुई खोजने की कोशिश कर रहे हैं। क्यूबिट पद्धति ने आपको पहाड़ के आकार का घास का ढेर दिया। क्यूडिट पद्धति ने आपको जूते के डिब्बे के आकार का घास का ढेर दिया।
- तेज़ परिणाम: क्योंकि "जूते का डिब्बा" बहुत छोटा था, इसलिए सिमुलेशन बहुत तेज़ी से चला। क्यूडिट पद्धति को समाधान खोजने में काफी कम समय लगा।
- बेहतर गुणवत्ता: आश्चर्यजनक रूप से, क्यूडिट पद्धति न केवल तेज़ी से चली; इसने बेहतर या समान समाधान भी खोजे। इसके द्वारा खोजे गए समाधान 'परफेक्ट' उत्तर के अधिक करीब थे, और परिणाम अधिक सुसंगत (कम "जिटरी" या रैंडम) थे।
- "डीप" समस्या: उन्होंने एल्गोरिदम में अधिक परतें (डेप्थ) जोड़कर क्वांटम कंप्यूटर को अधिक "सोचने" के लिए मजबूर किया। आमतौर पर, अधिक सोचने से मदद मिलती है। लेकिन यहाँ, क्यूबिट पद्धति उलझ गई और जैसे-जैसे यह गहरी होती गई, इसका प्रदर्शन और खराब होता गया, संभवतः इसलिए क्योंकि इसके पास बहुत सारे वेरिएबल्स थे जिन्हें संभालना था और कंप्यूटर ने बहुत जल्दी ऑप्टिमाइज़ेशन करना बंद कर दिया। क्यूडिट पद्धति जटिल होने पर भी स्थिर और मजबूत बनी रही।
मुख्य निष्कर्ष
शोध पत्र यह निष्कर्ष निकालता है कि शेड्यूलिंग और चीज़ों को असाइन करने (जैसे इलेक्ट्रिक कारों को ट्रिप्स के लिए) वाली समस्याओं के लिए, पारंपरिक "क्यूबिट" (स्विच) दृष्टिकोण के बजाय "क्यूडिट" (डायल) दृष्टिकोण का उपयोग करना कहीं अधिक स्मार्ट विकल्प है।
यह यात्रा के लिए पैकिंग करने जैसा है:
- क्यूबिट: आप एक सूटकेस में एक-एक करके मोज़े लेकर आते हैं और उन्हें एक बॉक्स में फिट करने की कोशिश करते हैं। आप जगह और समय बर्बाद करते हैं।
- क्यूडिट: आप मोज़ों का एक ही, करीने से फोल्ड किया हुआ बंडल लाते हैं। यह पूरी तरह से फिट बैठता है, कम जगह लेता है, और आप इसे तुरंत उठा सकते हैं।
शोधकर्ता सुझाव देते हैं कि कई विकल्पों वाली वास्तविक दुनिया की शेड्यूलिंग समस्याओं के लिए, इन "मल्टी-वैल्यूड" क्वांटम डायल (क्यूडिट्स) का उपयोग करना एक व्यावहारिक और कुशल रास्ता है, जो समय और कंप्यूटिंग पावर दोनों की बचत करता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।