⚛️ quantum physics

Optical Neural Networks from Coherent Transient Dynamics in Waveguide QED

यह शोध पत्र एक ऐसे ऑल-ऑप्टिकल न्यूरल नेटवर्क आर्किटेक्चर का प्रस्ताव और सिमुलेशन करता है जो वेवगाइड QED में सुसंगत क्षणिक क्वांटम गतिकी (कोहेरेंट ट्रांजिएंट क्वांटम डायनेमिक्स)—विशेष रूप से फेज़-ट्यूनेबल इंटरफेरेंस, बैड-कैविटी इंटीग्रेशन और ड्रिवन राबी ऑसिलेशन—का लाभ उठाता है ताकि इलेक्ट्रो-ऑप्टिकल बाधाओं को समाप्त किया जा सके और उच्च वर्गीकरण सटीकता के साथ अल्ट्राफास्ट, कम ऊर्जा वाले सूचना प्रसंस्करण को प्राप्त किया जा सके।

मूल लेखक: Jiande Cao, Yexiong Zeng, Franco Nori, Ze-Liang Xiang

प्रकाशित 2026-05-19

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Jiande Cao, Yexiong Zeng, Franco Nori, Ze-Liang Xiang

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

एक ऐसे कंप्यूटर की कल्पना करें जो आपके लैपटॉप की तरह धीमी, विद्युत चरणों (electrical steps) में नहीं सोचता, बल्कि प्रकाश की गति से सूचनाओं को प्रोसेस करता है, जिसमें प्रकाश के स्पंदों (pulses) का उपयोग स्वयं "मस्तिष्क कोशिकाओं" के रूप में किया जाता है। यह ऑप्टिकल न्यूरल नेटवर्क (ONNs) का वादा है। हालाँकि, प्रकाश-आधारित कंप्यूटरों के वर्तमान संस्करणों में एक बड़ी बाधा है: वे ज्यादातर "स्थिर अवस्था" (steady state) में काम करते हैं (जैसे पानी की एक निरंतर धारा), और जब उन्हें कोई निर्णय लेना होता है (एक नॉन-लीनियर चरण), तो उन्हें प्रकाश को रोकना पड़ता है, उसे बिजली में बदलना पड़ता है, उसे प्रोसेस करना पड़ता है, और फिर से बिजली में बदलना पड़ता है। यह धीमा है और ऊर्जा बर्बाद करता है।

काओ (Cao) और उनके सहयोगियों का शोध पत्र इस तरह के कंप्यूटर बनाने का एक नया तरीका प्रस्तावित करता है जो "सोचने" के कार्य को पूरी तरह से प्रकाश के साथ संभालने के लिए क्वांटम भौतिकी का उपयोग करता है, बिना कभी बिजली का उपयोग किए। वे इसे एक "पूर्णतः ऑप्टिकल" (fully optical) प्रणाली कहते हैं।

यहाँ उनका सिस्टम कैसे काम करता है, इसे रोजमर्रा के उदाहरणों का उपयोग करके तीन सरल भागों में विभाजित किया गया है:

1. सिनैप्स (द वॉल्यूम नॉब): जाइंट कैविटी इंटरफेरेंस (Giant Cavity Interference)

मानव मस्तिष्क में, सिनैप्स न्यूरॉन्स के बीच के संबंध होते हैं जो मजबूत या कमजोर हो सकते हैं। इस नए कंप्यूटर में, वे एक "जाइंट कैविटी" (प्रकाश के लिए एक विशेष बॉक्स) का उपयोग करते हैं जो कई बिंदुओं पर एक वेवगाइड (प्रकाश के लिए एक पाइप) से जुड़ा होता है।

उदाहरण: कल्पना कीजिए कि आप एक घाटी (canyon) में चिल्ला रहे हैं। यदि आप एक स्थान से चिल्लाते हैं, तो गूँज तेज होती है। यदि आप किसी दूसरे स्थान से चिल्लाते हैं, तो गूँज रद्द हो सकती है या बदल सकती है। अपने मुँह को थोड़ा बदलकर (फेज/phase को बदलकर), आप ठीक से नियंत्रित कर सकते हैं कि गूँज कितनी तेज होगी।
तकनीक: शोधकर्ता इस "गूँज प्रभाव" (नॉनलोकल इंटरफेरेंस) का उपयोग एक सिनैप्टिक वेट के रूप में करने के लिए करते हैं। वे केवल कनेक्शन के समय (फेज) को समायोजित करके गुजरने वाले प्रकाश के सिग्नल के "वॉल्यूम" को ट्यून कर सकते हैं। यह उन्हें इलेक्ट्रॉनिक नियंत्रणों की आवश्यकता के बिना, प्रकाश के साथ तुरंत संख्याओं का गुणा करने की अनुमति देता है।

2. समेशन (द बकेट): टेम्पोरल इंटीग्रेशन (Temporal Integration)

मस्तिष्क में एक न्यूरॉन दूसरे न्यूरॉन्स से प्राप्त सभी संकेतों को जोड़ता है और फिर निर्णय लेता है कि उसे सिग्नल भेजना है या नहीं। इस सिस्टम में, उन्हें एक के बाद एक आने वाले प्रकाश स्पंदों (light pulses) के अनुक्रम को जोड़ना आवश्यक है।

उदाहरण: एक लीकी बाल्टी (leaky bucket) की कल्पना करें। आमतौर पर, यदि आप इसमें पानी डालते हैं, तो यह बाहर निकल जाता है। लेकिन, कल्पना कीजिए कि आपके पास एक जादुई पंप है जो पानी को ठीक उसी दर से जोड़ता है जिस दर से बाल्टी लीक हो रही है। अब, आप जो भी बूंद डालेंगे वह बाल्टी में बनी रहेगी और पानी का स्तर उन सभी बूंदों के योग (sum) को दर्शाने के लिए ऊपर उठेगा जिन्हें आपने जोड़ा है।
तकनीक: वे एक "बैड कैविटी" (एक लीकी बॉक्स) का उपयोग करते हैं लेकिन लीक की भरपाई के लिए एक विशेष पंप जोड़ते हैं। जैसे-जैसे प्रकाश के स्पंद एक-एक करके आते हैं, सिस्टम उन्हें एक एकल संग्रहीत स्पंद (stored pulse) में सुसंगत रूप से जोड़ देता है। दिलचस्प बात यह है कि शोध पत्र नोट करता है कि इस सिस्टम में प्राकृतिक "शोर" (noise) या जिटर (jitter) वास्तव में कंप्यूटर को बेहतर सीखने में मदद करता है, ठीक वैसे ही जैसे कंचों के डिब्बे को हिलाने से वे एक बेहतर व्यवस्था में सेट हो जाते हैं।

3. एक्टिवेशन (द डिसीजन मेकर): टू-लेवल सिस्टम (Two-Level System)

एक बार जब सिग्नल जुड़ जाते हैं, तो न्यूरॉन को निर्णय लेना होता है: "क्या मुझे सिग्नल भेजना है या नहीं?" इसके लिए एक नॉन-लीनियर चरण (एक थ्रेशोल्ड) की आवश्यकता होती। अधिकांश ऑप्टिकल कंप्यूटरों में, यह सबसे कठिन हिस्सा है और इसके लिए बिजली की आवश्यकता होती है।

उदाहरण: एक स्प्रिंग-लोडेड दरवाजे की कल्पना करें। यदि आप इसे धीरे से धकेलते हैं, तो यह नहीं खुलता। यदि आप इसे जोर से धकेलते हैं, तो यह चौड़ा खुल जाता है। लेकिन, यदि आप इसे बहुत जोर से धकेलते हैं, तो यह एक स्टॉप से टकरा जाता है और इससे ज्यादा नहीं खुलता। दरवाजा इस बात पर प्रतिक्रिया करता है कि आप उसे कितनी जोर से धकेलते हैं।
तकनीक: वे प्रकाश के साथ परस्पर क्रिया करने वाले एक अकेले परमाणु (टू-लेवल सिस्टम) का उपयोग करते हैं। जब एक कमजोर प्रकाश स्पंद इसे हिट करता है, तो परमाणु इसे अवशोषित कर लेता है या इसमें थोड़ा बदलाव करता है। जब एक मजबूत स्पंद इसे हिट करता है, तो परमाणु "सैचुरेटेड" (जैसे दरवाजा स्टॉप से टकराता है) हो जाता है और प्रकाश को लगभग बिना किसी बदलाव के गुजरने देता है। यह शुद्ध क्वांटम मैकेनिक्स के माध्यम से एक प्राकृतिक, अत्यंत तीव्र नॉन-लीनियर एक्टिवेशन फंक्शन बनाता है, जिसमें बिजली की आवश्यकता नहीं होती।

परिणाम

शोधकर्ताओं ने इस पूरे सिस्टम को देखने के लिए एक कंप्यूटर पर सिम्युलेट किया कि क्या यह सीख सकता है। उन्होंने इसे दो कार्य सिखाए:

हाथ से लिखे नंबरों को पहचानना (प्रसिद्ध MNIST डेटासेट)।
रंगीन वस्तुओं की पहचान करना।
इस सिस्टम ने नंबरों के लिए 97.6% सटीकता और वस्तुओं के लिए 92.3% सटीकता प्राप्त की। यह पारंपरिक इलेक्ट्रॉनिक न्यूरल नेटवर्क के बराबर है।

यह क्यों महत्वपूर्ण है

शोध पत्र का दावा है कि यह एक बड़ी उपलब्धि है क्योंकि:

यह पूर्णतः ऑप्टिकल है: यह धीमे "प्रकाश-से-बिजली-से-प्रकाश" रूपांतरण चरण को हटा देता है।
यह तेज़ है: यह प्रकाश और परमाणुओं की प्राकृतिक, अत्यंत तीव्र गतिशीलता का उपयोग करता है।
यह मजबूत है: सिस्टम तब भी अच्छा काम करता है जब हार्डवेयर एकदम सटीक न हो (उदाहरण के लिए, यदि "लीकी बाकेट" पूरी तरह से संतुलित नहीं है), क्योंकि शोर वास्तव में सीखने की प्रक्रिया में मदद करता है।

संक्षेप में, उन्होंने एक कंप्यूटर मस्तिष्क का ब्लूप्रिंट तैयार किया है जहाँ "न्यूरॉन्स" प्रकाश के स्पंदों से बने होते हैं जो परमाणुओं के साथ परस्पर क्रिया करते हैं, और बिना किसी कंप्यूटर चिप की मदद लिए प्रकाश की गति से गणना करते हैं।

तकनीकी सारांश: वेवगाइड QED में कोहेरेंट ट्रांजिएंट डायनेमिक्स से ऑप्टिकल न्यूरल नेटवर्क

समस्या विवरण
वर्तमान ऑप्टिकल न्यूरल नेटवर्क (ONNs) महत्वपूर्ण सीमाओं का सामना कर रहे हैं जो अत्यंत तीव्र और कम ऊर्जा वाले कंप्यूटिंग की उनकी क्षमता में बाधा डालती हैं। अधिकांश मौजूदा फोटोनिक प्लेटफॉर्म, जैसे कि एकीकृत मैक-ज़ेंडर इंटरफेरोमीटर नेटवर्क और फ्री-स्पेस डिफ्रेक्टिव प्रोसेसर, मुख्य रूप से एक 'स्टेडी-स्टेट' (steady-state) शासन में कार्य करते हैं। इन आर्किटेक्चर में, प्रकाश केवल ऑप्टिकल क्षेत्रों के वाहक के रूप में कार्य करता है, जहाँ मैट्रिक्स संचालन स्थानिक रैखिक सुपरपोजिशन (spatial linear superposition) के माध्यम से अनुकरण किया जाता है। फलस्वरूप, प्रकाश-पदार्थ अंतःक्रियाओं (light-matter interactions) में निहित क्षणिक गतिकी (transient dynamics) और क्वांटम सुसंगतता (quantum coherence) का उपयोग काफी हद तक अनछुआ रह जाता है। अधिक महत्वपूर्ण बात यह है कि कुशल नेटिव ऑप्टिकल नॉनिलियलिटी (nonlinearities) के अभाव के कारण उच्च-प्रदर्शन वाले ONNs को सक्रियण कार्यों (activation functions) के लिए इलेक्ट्रो-ऑप्टिकल रूपांतरणों पर निर्भर रहना पड़ता है। यह निर्भरता ऑप्टोइलेक्ट्रॉनिक रूपांतरण के माध्यम से विलंबता (latency) और ऊर्जा लागत को बढ़ाकर पूर्णतः ऑप्टिकल न्यूरोमॉर्फिक प्रोसेसिंग के लाभ को कम कर देती है, जिससे एक बाधा उत्पन्न होती है।

कार्यप्रणाली
लेखक वेवगाइड क्वांटम इलेक्ट्रोडायनामिक्स (WQED) ढांचे के भीतर क्षणिक फोटॉन-परमाणु गतिकी पर आधारित ऑप्टिकल फुली कनेक्टेड न्यूरल नेटवर्क (QONNs) के लिए एक पूर्णतः भौतिक आर्किटेक्चर का प्रस्ताव करते हैं। स्टेडी-स्टेट दृष्टिकोणों के विपरीत, यह प्रणाली सूचना को कोहेरेंट ऑप्टिकल वेवपैकेट्स के जटिल-मान वाले क्षेत्र (complex-valued area), $A \equiv \int \alpha(t) dt$ , में एनकोड करती है, जहाँ टेम्पोरल एनवेलप (temporal envelope) और ऑप्टिकल फेज दोनों गणना में भाग लेते हैं। यह आर्किटेक्चर तीन विशिष्ट मॉड्यूल के माध्यम से, जो काइरल वेवगाइड्स (chiral waveguides) द्वारा जुड़े हुए हैं, शास्त्रीय न्यूरॉन ऑपरेशन्स को क्वांटम सिस्टम में स्कैटरिंग और इवोल्यूशन पर मैप करता है:

सिनैप्टिक वेटिंग (जायंट कैविटी): दो काइरल वेवगाइड्स से कई स्थानिक रूप से पृथक बिंदुओं पर जुड़ा एक "जायंट-कैविटी" तत्व फेज-ट्यून करने योग्य नॉनलोकल इंटरफेरेंस का उपयोग करता है। स्थानीय कपलिंग फेज $\theta$ को ट्यून करके, ट्रांसमिशन एम्प्लीट्यूड को नियंत्रित किया जाता है ताकि प्रोग्राम करने योग्य सिनैप्टिक वेट्स को लागू किया जा सके। यह तंत्र थर्मो-ऑप्टिक मॉड्यूलेशन पर निर्भर किए बिना आउटपुट वेवपैकेट के जटिल-मान वाले क्षेत्र पर सटीक नियंत्रण की अनुमति देता है।
टेम्पोरल समेशन (बैड-कैविटी इंटीग्रेटर): एक टेम्पोरल इंटीग्रेटर "बैड-कैविटी" शासन (उच्च क्षय दर) में कार्य करता है जिसमें एक क्रिटिकल गेन $G$ होता है जो आंतरिक हानि ( $\gamma$ ) की भरपाई करता है। एक $\chi^{(2)}$ नॉनलीनियर मीडियम के माध्यम से संचालित एक क्लासिकल पंप द्वारा संचालित यह मॉड्यूल क्रमिक भारित पल्स (sequential weighted pulses) को सुसंगत रूप से संचित करता है। सिस्टम इनपुट सिग्नल को एक योगात्मक शोर (additive noise) पद तक एकीकृत करता है, जहाँ शोर एक भौतिक रेगुलराइज़र के रूप में कार्य करता है, जो प्रशिक्षण के दौरान लोकल मिनिमा से बचने में सहायता कर सकता है।
नॉनलीनियर एक्टिवेशन (टू-लेवल सिस्टम): वेवगाइड से जुड़ा एक संचालित टू-लेवल सिस्टम (TLS) नॉनलीनियर एक्टिवेशन फंक्शन प्रदान करता है। जैसे ही एकीकृत पल्स TLS से गुजरती है, क्षणिक राबी डायनेमिक्स (Rabi dynamics) परमाणु विकिरण को प्रेरित करते हैं जो ट्रांसमिटेड फील्ड के साथ हस्तक्षेप करता है। यह इनपुट-आउटपुट मैप स्वाभाविक रूप से नॉनलीनियर है, जो छोटे इनपुट को दबा देता है जबकि बड़े इनपुट को लगभग अपरिवर्तित छोड़ देता है, जिससे प्रभावी रूप से सीधे प्रसारित वेवपैकेट्स पर एक एक्टिवेशन फंक्शन साकार होता है।

इस सिस्टम को एक इन-सीटू (in-situ) रणनीति का उपयोग करके प्रशिक्षित किया जाता है जहाँ फॉरवर्ड प्रोपेगेशन भौतिक नेटवर्क पर होता है, जबकि पैरामीटर अपडेट (विशेष रूप से कपलिंग फेज $\theta$ ) चेन रूल का उपयोग करके एक क्लासिकल कंप्यूटर पर बैकप्रोपेगेशन के माध्यम से गणना किए जाते हैं।

प्रमुख योगदान और परिणाम
यह शोध पत्र प्रदर्शित करता है कि क्षणिक क्वांटम गतिकी न्यूरल कंप्यूटेशन के लिए आवश्यक रैखिक और नॉनलीनियर प्रिमिटिव के रूप में नेटिव भौतिक संसाधनों के रूप में कार्य कर सकती है। प्रमुख निष्कर्ष इस प्रकार हैं:

प्रदर्शन: दो बेंचमार्क कार्यों पर फुल-फिजिक्स सिमुलेशन ने उच्च वर्गीकरण सटीकता प्रदर्शित की: MNIST हस्तलिखित अंक डेटासेट पर 97.60% और नौ-रंगीन-वस्तु पहचान कार्य पर 92.32%।
मजबूती (Robustness): यह आर्किटेक्चर पैरामीटर ड्रिफ्ट और फेज नॉइज़ के प्रति मजबूत प्रतिरोध प्रदर्शित करता है। भले ही गेन में क्रिटिकल पॉइंट से 25% विचलन हो या स्वतंत्र गौसियन फेज नॉइज़ (32° वेरिएंस) हो, नेटवर्क ने केवल 50 प्रशिक्षण युगों के बाद क्रमशः 95% और 94.33% के करीब सटीकता बनाए रखी।
वैकल्पिक एक्टिवेशन: TLS के लिए एक मल्टी-वेवगाइड संरचना का उपयोग करने वाले एक वैकल्पिक कार्यान्वयन ने एक tanh-जैसे एक्टिवेशन प्रोफाइल को प्रदर्शित किया, जिसने MNIST पर 97.51% सटीकता प्राप्त की।
व्यवहार्यता: लेखक तर्क देते कि यह आर्किटेक्चर अत्याधुनिक सुपरकंडक्टिंग क्वांटम प्लेटफॉर्म (सर्किट-QED) के साथ संगत है। इन तीनों प्रिमिटिव को सुपरकंडक्टिंग रेज़ोनेटर, जोसेफसन पैरामीट्रिक कन्वर्टर्स और ट्रांसमोन क्वबिट्स में मैप किया जा सकता है, जिनके डायनेमिक्स नैनोसेकंड समय पैमाने पर चलते हैं, जिससे यह योजना मौजूदा तकनीक के साथ प्रयोगात्मक रूप से सुलभ हो जाती है।

महत्व और दावे
लेखक दावा करते हैं कि यह कार्य क्षणिक प्रकाश-पदार्थ गतिकी को उच्च-आयामी नॉनलीनियर सूचना प्रसंस्करण के लिए एक नेटिव भौतिक संसाधन के रूप में स्थापित करता है, जो पूर्णतः ऑप्टिकल न्यूरोमॉर्फिक कंप्यूटिंग की राह प्रशस्त करता है। वर्तमान हाइब्रिड सिस्टम से जुड़े विलंबता और ऊर्जा लागत को कम करके, प्रस्तावित आर्किटेक्चर ऑप्टोइलेक्ट्रॉनिक एक्टिवेशन बॉटलनेक को समाप्त करता है।

महत्वपूर्ण रूप से, यह शोध पत्र यह भी प्रतिपादित करता है कि सिस्टम केवल शोर को सहन ही नहीं करता, बल्कि इससे लाभ भी उठाता है; क्रिटिकल-गेन इंटीग्रेटर में अंतर्निहित शोर एक रचनात्मक भूमिका निभाता है जो स्टोकेस्टिक ग्रेडिएंट डिसेंट एल्गोरिदम में स्टोकैस्टिसिटी के समान है, जो लोकल मिनिमा से निकलने में मदद करता है। यह कार्य ऑप्टिकल कंप्यूटिंग के लिए एक अलग मार्ग का सुझाव देता है जहाँ सूचना प्रसंस्करण क्रमिक इलेक्ट्रॉनिक नियंत्रण या स्टेडी-स्टेट इंटेंसिटी सुपरपोजिशन के बजाय सीधे कोहेरेंट ट्रांजिएंट डायनेमिक्स के माध्यम से किया जाता है। यह दृष्टिकोण कॉम्पैक्ट, साइन्ड (signed) और पूर्णतः ऑप्टिकल सूचना प्रसंस्करण को सक्षम बनाता है, क्योंकि साइन्ड मानों को वेवपैकेट्स के जटिल-मान वाले क्षेत्र में सीधे एनकोड किया जाता है।

1. सिनैप्स (द वॉल्यूम नॉब): जाइंट कैविटी इंटरफेरेंस (Giant Cavity Interference)

2. समेशन (द बकेट): टेम्पोरल इंटीग्रेशन (Temporal Integration)

3. एक्टिवेशन (द डिसीजन मेकर): टू-लेवल सिस्टम (Two-Level System)

परिणाम

यह क्यों महत्वपूर्ण है

इसी तरह के और पेपर