⚛️ quantum physics

Quantifying the Hadamard Resilience Law: Discovery of the Coherence Gap in NISQ-Era Classifiers

यह शोध पत्र रिपोर्ट करता है कि जबकि हैडामार्ड टेस्ट पर्सिसेप्ट्रोन (Hadamard Test Perceptron) महत्वपूर्ण सिग्नल कोलैप्स के बावजूद IBM किंग्स्टन प्रोसेसर पर उच्च सटीकता बनाए रखता है, उच्च फीचर डेप्थ पर एक महत्वपूर्ण "कोहेरेंस गैप" (Coherence Gap) उभरता है क्योंकि कोहेरेंट फेज एरर हार्डवेयर सीमाओं से अधिक हो जाते हैं, जिससे यह स्पष्ट होता है कि ये एरर डिपोलराइजिंग नॉइज़ के बजाय क्वांटम लीनियर लेयर्स को स्केल करने में प्राथमिक बाधा हैं।

मूल लेखक: Wladimir Silva

प्रकाशित 2026-05-12

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Wladimir Silva

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 सरल भाषा और रोज़मर्रा के उदाहरणों का उपयोग करके शोध पत्र (paper) का स्पष्टीकरण दिया गया है।

बड़ी तस्वीर: एक शोर वाला क्वांटम क्लासरूम

कल्पना कीजिए कि आप एक छात्र (क्वांटम कंप्यूटर) को हाथ से लिखे नंबरों (जैसे MNIST डेटासेट में 0-9 अंक) को पहचानना सिखाने की कोशिश कर रहे हैं। एक आदर्श दुनिया में, छात्र के पास नंबरों का बिल्कुल साफ़ दृश्य होता है। लेकिन वास्तविक दुनिया में, यह "क्लासरूम" अविश्वत रूप से शोर भरा है। लाइटें झपका रही हैं, लोग चिल्ला रहे हैं, और छात्र की आँखें धुंधली हैं।

यह शोध एक विशिष्ट प्रश्न की जांच करता है: क्या यह शोर वाला छात्र अभी भी सही उत्तर दे सकता है, भले ही वह विवरणों को स्पष्ट रूप से न देख पा रहा हो?

शोधकर्ताओं ने इसका परीक्षण एक वास्तविक क्वांटम कंप्यूटर ( "ibm kingston" प्रोसेसर) पर किया और दो प्रमुख चीजें खोजीं: एक "सुपरपावर" जो कंप्यूटर के पास है, और एक "दीवार" जो इसे बड़े कार्यों को करने से रोकती है।

1. "किंगस्टन कांस्टेंट" (Kingston Constant): सिग्नल का सिकुड़ना

सबसे पहले, शोधकर्ताओं ने देखा कि शोर ने डेटा को कितना खराब किया।

उदाहरण: कल्पना कीजिए कि आप एक भीड़ भरे, शोर वाले स्टेडियम में अपने दोस्त की फुसफुसाहट सुनने की कोशिश कर रहे हैं। शोर के कारण उनकी आवाज़ का वॉल्यूम (सिग्नल) दब जाता है।
निष्कर्ष: IBM Kingston प्रोसेसर पर, "फुसफुसाहट" 93% तक दब गई थी। सिग्नल इतना सिकुड़ गया कि वह लगभग केवल 'स्टैटिक' (शोर) जैसा दिखने लगा। शोधकर्ताओं ने इस भारी सिकुड़न को "किंगस्टन कांस्टेंट" कहा है।
परिणाम: भले ही सिग्नल 93% छोटा था, फिर भी कंप्यूटर "1" और "2" के बीच अंतर कर सका। यह एक ऐसी धीमी फुसफुसाहट सुनने जैसा था जिसे आप शब्दों के रूप में तो नहीं समझ सकते, लेकिन आप यह बता सकते थे कि कौन बोल रहा है।

2. "हादामर्ड रेजिलिएंस लॉ" (Hadamard Resilience Law): रैंक-ऑर्डर की सुपरपावर

यही इस पेपर की मुख्य खोज है। आमतौर पर, हम सोचते हैं कि यदि सिग्नल बहुत कमजोर हो जाता है, तो कंप्यूटर विफल हो जाएगा। लेकिन इस पेपर ने एक "कानून" पाया जो इसके विपरीत कहता है।

उदाहरण: एक दौड़ की कल्पना करें जहाँ धावक घने कोहरे से ढके हुए हैं। आप उनके चेहरे या उनकी सटीक गति को नहीं देख सकते। हालाँकि, आप अभी भी देख सकते हैं कि धावक A, धावक B से आगे है, और धावक B, धावक C से आगे है।
निष्कर्ष: क्वांटम कंप्यूटर "हादामर्ड टेस्ट" नामक एक ट्रिक का उपयोग करता है। भले ही शोर नंबरों को सिकोड़ देता है (धावकों की गति को कम कर देता है), लेकिन यह क्रम (कौन जीत रहा है) को नहीं बिगाड़ता।
कानून: जब तक कंप्यूटर यह पता लगा सकता है कि कौन सा नंबर "जीत" रहा है (उच्चतम रैंक), तब तक इससे कोई फर्क नहीं पड़ता कि नंबर बहुत छोटे हैं या बहुत बड़े। यही कारण है कि 93% सिग्नल लॉस के बावजूद कंप्यूटर ने टेस्ट पर 93.9% सटीकता प्राप्त की। कंप्यूटर "रेज़िलिएंट" (लचीला) है क्योंकि उसे केवल क्रम जानने की आवश्यकता है, सटीक मान की नहीं।

3. "कोहेरेंस गैप" (Coherence Gap): अदृश्य दीवार

हालाँकि, इस सुपरपावर की एक सीमा है। शोधकर्ताओं ने अधिक फीचर्स का उपयोग करके समस्या को कठिन बनाने की कोशिश की (यानी "कोहरा" घना और "दौड़" लंबी करना)।

उदाहरण: कल्पना कीजिए कि दौड़ का ट्रैक इतना लंबा हो जाता है कि धावकों को घंटों तक दौड़ना पड़ता है। अंततः, कोहरा इतना घना हो जाता है कि धावक एक-दूसरे से टकराने लगते हैं, या वे भ्रमित हो जाते हैं कि वे किस लेन में हैं। क्रम बिगड़ जाता है।
निष्कर्ष: जब शोधकर्ताओं ने जटिलता को 256 फीचर्स (एक गहरा सर्किट) तक बढ़ाया, तो कंप्यूटर अचानक विफल हो गया।
- सिमुलेशन: एक कंप्यूटर सिमुलेशन (एक "डिजिटल ट्विन") जिसने केवल रैंडम शोर (random noise) को ध्यान में रखा था, वह पूरी तरह से काम कर रहा था।
- वास्तविक हार्डवेयर: वास्तविक क्वांटम कंप्यूटर क्रैश हो गया। सटीकता गिरकर लगभग 53% हो गई (जो कि लगभग सिक्का उछालने जैसा अनुमान है)।
"कोहेरेंस गैप": सिमुलेशन और वास्तविक मशीन के बीच यह बड़ा अंतर "कोहेरेंस गैप" कहलाता है। यह साबित करता है कि समस्या केवल "रैंडम शोर" (जैसे स्टैटिक) नहीं है; यह एक विशिष्ट प्रकार की "सिस्टमैटिक त्रुटि" (जैसे टूटा हुआ कंपास) है। क्वांटम बिट्स (qubits) अपने समय और फेज (phase) के बारे में भ्रमित हो रहे हैं, जिससे धावकों का "क्रम" बिगड़ रहा है।

4. "कोहेरेंस वॉल" (Coherence Wall)

पेपर एक विशिष्ट बिंदु की पहचान करता है जहाँ कंप्यूटर एक दीवार से टकराता है।

उदाहरण: एक बैटरी के बारे में सोचें। यदि आप एक छोटा सर्किट चलाते हैं, तो बैटरी चलती है। यदि आप एक विशाल सर्किट चलाने की कोशिश करते हैं (जैसे 256-फीचर वाला), तो कार्य पूरा होने से पहले ही बैटरी खत्म हो जाती है।
निष्कर्ष: बड़े समस्या के लिए सर्किट लगभग 10,000 स्टेप्स गहरा था, लेकिन IBM Kingston प्रोसेसर केवल लगभग 3,500 स्टेप्स तक ही संभाल सकता है, जिसके बाद सिग्नल पूरी तरह खत्म हो जाता है।
निष्कर्ष: "हादामर्ड रेजिलिएंस लॉ" छोटे कामों के लिए बहुत अच्छा है, लेकिन जब समस्या वर्तमान हार्डवेयर के लिए बहुत बड़ी हो जाती है, तो यह "कोहेरेंस वॉल" से टकरा जाता है।

"गोल्डन पाथ" (Golden Path) का सारांश

शोधकर्ताओं ने लाखों धीमे टेस्ट चलाए बिना अपने सिद्धांत को सिद्ध करने का एक चतुर तरीका खोजा:

उन्होंने "किंगस्टन कांस्टेंट" को मापने के लिए कुछ त्वरित टेस्ट चलाए।
उस डेटा का उपयोग करके उन्होंने एक "डिजिटल ट्विन" (शोर वाले मशीन का एक आदर्श सिमुलेशन) बनाया।
उन्होंने सिद्ध किया कि यदि एकमात्र समस्या रैंडम शोर होती, तो कंप्यूटर पूरी तरह से काम करता।
चूंकि वास्तविक कंप्यूटर बड़े आकार पर विफल रहा, इसलिए उन्होंने सिद्ध किया कि असली अपराधी रैंडम शोर नहीं है, बल्कि कोहेरेंट एरर्स (समय/फेज की गलतियाँ) हैं जिन्हें वर्तमान सिम्युलेटर नहीं पकड़ पाते।

निचोड़ (The Bottom Line)

अच्छी खबर: क्वांटम कंप्यूटर आश्चर्यजनक रूप से मजबूत होते हैं। वे नंबरों को सही ढंग से वर्गीकृत कर सकते हैं भले ही सिग्नल उम्मीद से 93% कमजोर हो, जब तक कि जवाबों का "क्रम" समान रहता है।
बुरी खबर: जब समस्याएँ बहुत बड़ी हो जाती हैं (256 फीचर्स), तो वे एक कठिन दीवार से टकराते हैं। गहरे, जटिल सर्किटों के लिए वर्तमान हार्डवेयर "क्रम" को बनाए रखने के लिए पर्याप्त स्थिर नहीं है।
समाधान: बड़ा होने के लिए, हमें केवल अधिक शोर जोड़ने की आवश्यकता नहीं है; हमें "टाइमिंग" त्रुटियों (कोहेरेंस) को ठीक करने या बड़े काम को छोटे टुकड़ों में बांटने की आवश्यकता है जो वर्तमान हार्डवेयर पर फिट हो सकें।

तकनीकी सारांश: हैडामार्ड लचीलापन नियम (Hadamard Resilience Law) का परिमाणीकरण और कोहेरेंस गैप (Coherence Gap) की खोज

समस्या विवरण
क्वांटम मशीन लर्निंग (QML) एल्गोरिदम का ट्रांजिशन थ्योरी से नोइजी इंटरमीडिएट-स्केल क्वांटम (NISQ) हार्डवेयर की ओर अक्सर व्यवस्थित डिकोहेरेंस (decoherence) के कारण बाधित होता है। जबकि सैद्धांतिक मॉडल अक्सर उच्च गेट फिडेलिटी (gate fidelity) मानकर चलते हैं, भौतिक सुपरकंडक्टिंग प्रोसेसर सिग्नल क्षय (signal decay) से ग्रस्त होते हैं जो गहरे क्वांटम सर्किटों को अप्रभावी बना सकते हैं। विशेष रूप से, इस बात की समझ का अभाव है कि क्या क्वांटम क्लासिफायर के निर्णय सीमाएँ (decision boundaries) वर्तमान हार्डवेयर पर देखे गए विनाशकारी सिग्नल मैग्नीट्यूड कोलैप्स (signal magnitude collapse) के बावजूद जीवित रह सकती हैं। यह शोध ibm_kingston प्रोसेसर के विशिष्ट शोर प्रोफाइल (noise profile) के विरुद्ध हैडामार्ड टेस्ट—जो क्वांटम लीनियर लेयर्स के लिए एक मौलिक प्रिमिटिव है—की मजबूती की जांच करता है।

कार्यप्रणाली
लेखकों ने भौतिक हार्डवेयर निष्पादन और एक कैलिब्रेटेड "डिजिटल ट्विन" (Digital Twin) सिमुलेशन के संयोजन वाले हाइब्रिड दृष्टिकोण का उपयोग किया:

हार्डवेयर कैलिब्रेशन: प्रशिक्षित MNIST वेट मैट्रिसेस (weight matrices) से प्राप्त 100 निरंतर प्रोब्स का उपयोग करके, टीम ने ibm_kingston बैकएंड पर हैडामार्ड टेस्ट चलाए। इन परिणामों की तुलना एक आदर्श सिम्युलेटर से की गई ताकि एक नॉइज़ मॉडल को कैलिब्रेट किया जा सके, जिससे विशिष्ट गेट नॉइज़ ( $\lambda$ ) और रीडआउट एरर ( $\epsilon$ ) पैरामीटर की पहचान की जा सके।
स्टोकेस्टिक बनाम फिजिकल तुलना: अध्ययन ने एक स्टोकेस्टिक नॉइज़ मॉडल (डिजिटल ट्विन) और भौतिक हार्डवेयर निष्पादन के बीच प्रदर्शन का अंतर स्पष्ट किया। इसमें विभिन्न फीचर डेप्थ ( $N$ ) के माध्यम से सिग्नल कंप्रेशन, रैंक संरक्षण (rank preservation), और वर्गीकरण सटीकता का विश्लेषण शामिल था, विशेष रूप से $N=16$ और $N=256$ के लिए।
पैरामीट्रिक विश्लेषण: लेखकों ने एक पैरामीट्रिक स्वीप किया ताकि उन महत्वपूर्ण थ्रेसहोल्ड की पहचान की जा सके जहाँ "Argmax" ऑपरेटर (वर्गीकरण के लिए उपयोग किया जाता है) सिग्नल को रिकवर करने में विफल रहता है, और कोहेरेंस पर सर्किट डेप्थ के प्रभाव को अलग करने के लिए एक डेप्थ एब्लेशन अध्ययन आयोजित किया गया।

प्रमुख योगदान
यह शोध चार प्राथमिक अवधारणाओं और निष्कर्षों को प्रस्तुत करता है:

किंगस्टन कांस्टेंट ( $\kappa \approx 0.07$ ): ibm_kingston प्रोसेसर के व्यवस्थित सिग्नल कंप्रेशन का एक लक्षण। हार्डवेयर सिग्नल मैग्नीट्यूड में 93% की गिरावट प्रदर्शित करता है, जो सैद्धांतिक एक्सपेक्टेशन वैल्यूज (रेंज $[-15, 15]$ ) को एक संकीर्ण हार्डवेयर बैंड (लगभग $[-1, 1]$ ) में मैप करता है।
हैडामार्ड रेजिलिएंस लॉ (Hadamard Resilience Law): एक प्रस्तावित नियम जो बताता है कि क्वांटम क्लासिफायर डेपोलराइजिंग नॉइज़ (depolarizing noise) के कारण फिडेलिटी कोलैप्स होने के बावजूद उच्च इन्फरेंस सटीकता (>93%) बनाए रख सकते हैं। यह लचीलापन क्लास प्रोबेबिलिटी के पूर्ण मैग्नीट्यूड के बजाय उनके रैंक ऑर्डर (rank order) के संरक्षण के कारण है। Argmax ऑपरेटर एक नॉन-लीनियर फिल्टर के रूप में कार्य करता है, जो तब तक कार्यात्मक रहता है जब तक कि हार्डवेयर-कंप्रेस्ड मार्जिन सांख्यिकीय शॉट-नॉइज़ फ्लोर (shot-noise floor) से अधिक हो।
रेजिलिएंस थ्रेसहोल्ड ( $\epsilon_{crit} \approx 0.65$ ): एक पहचाना गया पैरामीट्रिक लिमिट जहाँ Argmax ऑपरेटर सिग्नल को रिकवर करने में विफल रहता है। इस गेट नॉइज़ थ्रेसहोल्ड से नीचे, सिस्टम उच्च रैंक कोरिलेशन बनाए रखता है; इसके ऊपर, सिग्नल सांख्यिकीय विचलन (statistical variance) में खो जाता है।
कोहेरेंस गैप ( $\Delta\rho \approx 0.91$ ): उच्च फीचर डेप्थ ( $N=256$ ) पर खोजा गया एक महत्वपूर्ण विचलन। जबकि स्टोकेस्टिक सिमुलेशन उच्च लचीलेपन की भविष्यवाणी करते हैं, भौतिक हार्डवेयर का प्रदर्शन ढह जाता है। यह गैप कोहेरेंट फेज एरर्स (coherent phase errors) और क्रॉसटॉक (crosstalk) को (डेपोलराइजिंग नॉइज़ के बजाय) स्केलिंग के प्राथमिक अवरोध के रूप में अलग करता है।

प्रायोगिक परिणाम

सिग्नल डिके और रैंक प्रिजर्वेशन: 93% सिग्नल मैग्नीट्यूड कोलैप्स के बावजूद, सिग्नल का मोनोटोनिक ट्रेंड बरकरार रहा, जिससे सही वर्गीकरण संभव हुआ। डिजिटल ट्विन (स्टोकेस्टिक मॉडल) ने 94.2% सटीकता के साथ स्पीयरमैन $\rho$ का 0.9856 प्राप्त किया, जो सैद्धांतिक लचीलेपन की पुष्टि करता है।
$N=256$ पर कोहेरेंस वॉल (Coherence Wall): भौतिक ibm_kingston प्रोसेसर पर, 256 फीचर्स के लिए सर्किट डेप्थ ( $D \approx 10,392$ ) हार्डवेयर की विशिष्ट कोहेरेंस लिमिट ( $D_{max} \approx 3,465$ ) से अधिक हो गया। इसके परिणामस्वरूप एक "कोहेरेंस वॉल" उत्पन्न हुई जहाँ स्पीयरमैन $\rho$ गिरकर 0.0763 हो गया और साइन फिडेलिटी (sign fidelity) घटकर 53.0% रह गई (जो प्रभावी रूप से रैंडम गेसिंग है), जबकि डिजिटल ट्विन मजबूत प्रदर्शन की भविष्यवाणी कर रहा था।
शॉट नॉइज़ एफिशिएंसी: अध्ययन में पाया गया कि रैंक कोरिलेशन शॉट काउंट के साथ तेजी से स्थिर होता है। 512 शॉट्स के साथ, सिस्टम ने स्पीयरमैन $\rho$ का 0.9096 प्राप्त किया, जो इंगित करता है कि सांख्यिकीय शॉट नॉइज़ वर्तमान NISQ कार्यान्वयन के लिए प्राथमिक बाधा नहीं है।
संसाधन विश्लेषण: विश्लेषण ने पुष्टि की कि "कोहेरेंस गैप" गहरे CNOT-सघन (dense) सर्किटों में कोहेरेंट फेज एरर्स के संचय के कारण होता है, जो उस रैंक ऑर्डरिंग को बाधित करता है जिसकी हैडामार्ड रेजिलिएंस लॉ के लिए आवश्यकता होती है।

महत्व और दावे
यह शोध दो महत्वपूर्ण स्तंभ स्थापित करने का दावा करता है:

हैडामार्ड रेजिलिएंस लॉ की वैधता: यह प्रदर्शित करता है कि हैडामार्ड टेस्ट, जब Argmax ऑपरेटर के साथ जोड़ा जाता है, तो डेपोलराइजिंग नॉइज़ के प्रति गणितीय रूप से मजबूत होता है। उच्च-प्रदर्शन वर्गीकरण तब भी प्राप्त किया जा सकता है जब सिग्नल मैग्नीट्यूड 90% से अधिक गिर जाता है, बशर्ते कि शोर स्टोकेस्टिक और यूनिफॉर्म हो।
कोहेरेंस गैप की पहचान: यह कार्य क्वांटम क्लासिफायर के स्केलिंग सीमाओं को पुनर्परिभाषित करता है। यह तर्क देता है कि स्केलिंग की बाधा स्टोकेस्टिक नॉइज़ फ्लोर (जिसे रेजिलिएंस लॉ पार कर लेता है) नहीं है, बल्कि गहरे सर्किटों में कोहेरेंट फेज एरर्स का संचय है। यह "कोहेरेंस गैप" NISK बैकएंड के लिए एक नया बेंचमार्क है, जो सुझाव देता है कि भविष्य के हार्डवेयर विकास को केवल गेट फिडेलिटी सुधारने के बजाय कोहेरेंट फेज ड्रिफ्ट और क्रॉसटॉक को दबाने को प्राथमिकता देनी चाहिए।

लेखक निष्कर्ष निकालते हैं कि जबकि हैडामार्ड रेजिलिएंस लॉ फुल एरर करेक्शन से दशकों पहले कार्यात्मक उपयोगिता के लिए एक सैद्धांतिक मार्ग प्रदान करता है, वर्तमान हार्डवेयर $N=256$ पर एक "कोहेरेंस वॉल" द्वारा सीमित है। वे प्रस्ताव करते हैं कि इसे दूर करने के लिए आर्किटेक्चरल बदलावों की आवश्यकता है, जैसे कि डिस्ट्रिब्यूटेड लीनियर ट्रांसफॉर्मेशन (क्वांटम मैप-रिड्यूस), ताकि सर्किट डेप्थ को कोहेरेंस लिमिट से नीचे लाया जा सके।