Equivariant Reinforcement Learning for Clifford Quantum Circuit Synthesis
यह शोध पत्र एक इक्विवेरिएंट (equivariant), आकार-अज्ञेय (size-agnostic) सुदृढीकरण शिक्षण (reinforcement learning) एजेंट प्रस्तुत करता है जो ऑल-टू-ऑल कनेक्टिविटी वाले उपकरणों के लिए इष्टतम या निकट-इष्टतम क्लिफोर्ड क्वांटम सर्किटों को कुशलतापूर्वक संश्लेषित करता है, जो कि Qiskit के सिंथेसाइज़र जैसे मौजूदा उपकरणों से बेहतर प्रदर्शन करता है और छह से तीस क्विबिट तक सफलतापूर्वक स्केल करता 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 एक विशाल, जटिल पहेली को हल करने की कोशिश कर रहे हैं। क्वांटम कंप्यूटिंग की दुनिया में, इस पहेली को क्लिफोर्ड सर्किट (Clifford circuit) कहा जाता है। एक क्वांटम सर्किट को एक रेसिपी की तरह समझें जो क्वांटम कंप्यूटर को निर्देश देती है: यह गेट्स (निर्देशों) का एक विशिष्ट क्रम है जो कंप्यूटर को बताता है कि क्यूबिट्स नामक सूक्ष्म कणों को कैसे नियंत्रित करना है।
हालाँकि, ठीक वैसे ही जैसे एक ही केक बनाने के लिए रेसिपी को लिखने के हज़ार अलग-अलग तरीके हो सकते हैं, अक्सर एक ही काम करने के लिए क्वांटम सर्किट लिखने के लाखों अलग-अलग तरीके होते हैं। समस्या यह है कि कुछ "रेसिपी" बहुत लंबी और अव्यवस्थित होती हैं, जिनमें बहुत अधिक महंगे और त्रुटि-प्रवण (error-prone) घटकों का उपयोग किया जाता है। क्वांटम कंप्यूटिंग में, सबसे महंगे घटक टू-क्यूबिट गेट्स (two-qubit gates) हैं (वे गेट्स जो दो कणों को आपस में जोड़ते हैं)। लक्ष्य सबसे छोटी, साफ-सुथरी रेसिपी खोजना है।
समस्या: सबसे छोटा रास्ता खोजना
लेखक एक विशिष्ट प्रकार की पहेली को हल करने की कोशिश कर रहे हैं: कैसे एक जटिल क्वांटम निर्देश को उसके सबसे सरल रूप में वापस बदला जाए।
पारंपरिक रूप से, इसे करने के दो तरीके रहे हैं:
- तेज़ लेकिन अव्यवस्थित तरीका: पुराने गणितीय शॉर्टकट हैं जो बहुत तेज़ी से काम करते हैं लेकिन अक्सर आपको एक ऐसा सर्किट दे देते हैं जो ज़रूरत से कहीं ज़्यादा लंबा होता है (जैसे अखरोट तोड़ने के लिए हथौड़े का उपयोग करना)।
- परफेक्ट लेकिन धीमा तरीका: ऐसे तरीके हैं जो बिल्कुल सबसे छोटा, सबसे सटीक सर्किट खोजते हैं, लेकिन उन्हें इतना अधिक कंप्यूटिंग पावर और समय लगता है कि वे बहुत छोटी पहेलियों के अलावा किसी भी चीज़ के लिए बेकार हैं।
लेखक एक "गोल्डिलॉक्स" (Goldilocks) समाधान चाहते थे: कुछ ऐसा जो उपयोगी होने के लिए पर्याप्त तेज़ हो, लेकिन इतना स्मार्ट भी हो कि लगभग-परफेक्ट रेसिपी खोज सके।
समाधान: एक स्मार्ट AI एजेंट
टीम ने इस समस्या को एक वीडियो गेम की तरह माना। उन्होंने एक AI एजेंट (एक कंप्यूटर प्रोग्राम) बनाया जो एक ऐसे खेल को खेलना सीखता है जहाँ लक्ष्य एक क्वांटम सर्किट को सरल बनाना है।
- गेम बोर्ड: "बोर्ड" संख्याओं का एक विशाल ग्रिड (जिसे सिम्प्लेक्टिक मैट्रिक्स कहा जाता है) है जो क्वांटम सर्किट की वर्तमान स्थिति को दर्शाता है।
- लक्ष्य: एजेंट को इस अव्यवद्य संख्या ग्रिड को एक खाली ग्रिड (आइडेंटिटी मैट्रिक्स) में बदलना है।
- चालें (Moves): एजेंट सरल क्वांटम गेट्स (जैसे स्विच चालू करना या दो बिंदुओं को जोड़ना) लागू करके चालें चल सकता है।
- इनाम (Reward): जब भी एजेंट कोई चाल चलता है, उसे अंक मिलते हैं। वह महंगे टू-क्यूबिट गेट्स का उपयोग करने पर अंक खो देता है और बोर्ड को सफलतापूर्वक साफ़ करने पर उसे भारी बोनस मिलता है।
AI प्रयास और त्रुटि (trial and error) के माध्यम से सीखता है, लाखों गेम खेलकर सर्वोत्तम रणनीति का पता लगाता है।
गुप्त मंत्र: "सिमेट्री" और "साइज-एग्नोस्टिसिज्म"
इस पेपर का असली जादू उनके AI के दिमाग (न्यूरल नेटवर्क) को बनाने के तरीके में है।
1. खेल के नियमों का सम्मान करना (इक्विवैरिएंस - Equivariance)
कल्पना कीजिए कि आपके पास 6 टुकड़ों वाली एक पहेली है। यदि आप टुकड़ों के लेबल बदल देते हैं (पच्चर "A" को "B" और "B" को "A" कहना), तो पहेली अभी भी वही पहेली रहती है; आपको बस अपनी चालों को भी बदलना होगा।
लेखकों ने अपने AI को इस नियम को स्वाभाविक रूप से समझने के लिए डिज़ाइन किया। उन्होंने AI को इस तरह बनाया कि यदि आप क्यूबिट्स का नाम बदलते हैं, तो AI स्वचालित रूप से अपनी रणनीति को समायोजित करना जान जाता है। इसे इक्विवैरिएंस (equivariance) कहा जाता है। यह एक बच्चे को यह सिखाने जैसा है कि एक "कुत्ता" तब भी "कुत्ता" ही रहता है जब आप उसे "स्पॉट" के बजाय "फ़िडो" कहें। यह AI को बहुत स्मार्ट और प्रशिक्षित करने में तेज़ बनाता है क्योंकि उसे हर बार नाम बदलने पर नए सिरे से नियम सीखने की ज़रूरत नहीं पड़ती।
2. सभी आकारों के लिए एक ही दिमाग (साइज-एग्नोस्टिक - Size-Agnostic)
आमतौर पर, यदि आप एक 6-टुकड़ों वाली पहेली के लिए AI को प्रशिक्षित करते हैं, तो आपको 10-टुकड़ों वाली पहेली के लिए पूरी तरह से नया AI बनाना पड़ता है।
इस टीम ने एक साइज-एग्नोस्टिक (size-agnostic) AI बनाया। इसे एक यूनिवर्सल ट्रांसलेटर या बिल्डिंग ब्लॉक्स की तरह समझें। उन्होंने AI को 6-क्यूबिट सर्किट पर प्रशिक्षित किया, और फिर, बिना एक भी लाइन का कोड बदले या फिर से प्रशिक्षण दिए, उन्होंने इसे 10-क्यूबिट, 20-क्यूबिट और यहाँ तक कि 30-क्यूबिट सर्किट आज़माने दिया। AI ने खुद ही बड़े पैमाने पर काम करना सीख लिया।
परिणाम: विशेषज्ञों को पछाड़ना
टीम ने उपलब्ध सबसे कठिन बेंचमार्क (6-क्यूबिट सर्किट जहाँ सटीक उत्तर पहले से ज्ञात है) पर अपने AI का परीक्षण किया।
- गति: AI ने मिलीसेकंड में लगभग-परफेक्ट समाधान खोज लिए।
- सटीकता: इसने 99.2% मामलों में गणितीय रूप से सटीक समाधान खोजा।
- तुलना: इसने वर्तमान के सर्वश्रेष्ठ सॉफ़्टवेयर टूल्स (Qiskit से, जो एक प्रमुख क्वांटम कंप्यूटिंग लाइब्रेरी है) को काफी बड़े अंतर से हराया, जिसमें बहुत कम महंगे टू-क्यूबिट गेट्स का उपयोग किया गया।
इससे भी अधिक प्रभावशाली बात यह है कि जब उन्होंने पहले कभी न देखे गए बड़े सर्किट (30 क्यूबिट तक) पर इसका परीक्षण किया, तब भी इसने मानक उपकरणों से बेहतर प्रदर्शन किया, जिससे छोटे और साफ-सुथरे सर्किट प्राप्त हुए।
सारांश
सरल शब्दों में, लेखकों ने एक स्मार्ट, अनुकूलन योग्य AI बनाया है जो क्वांटम रेसिपी के मास्टर एडिटर के रूप में कार्य करता है। यह एक अव्यवस्थित, जटिल क्वांटम निर्देश को देख सकता है और तुरंत इसे सबसे छोटे, सबसे कुशल संस्करण में फिर से लिख सकता है। समस्या की अंतर्निहित "सिमेट्री" (सममिति) को समझने के लिए AI को शिक्षित करके, उन्होंने एक ऐसा टूल बनाया जो तेज़ काम करता है, अच्छा काम करता है, और बिना दोबारा बनाए किसी भी आकार की पहेली को संभाल सकता है। यह क्वांटम कंप्यूटरों को अधिक कुशल और त्रुटियों के प्रति कम संवेदनशील बनाने में मदद 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।