🔢 mathematics

Quantum Viterbi Algorithm

यह शोधपत्र हिडन क्वांटम मार्कोव मॉडल्स के लिए एक क्वांटम विटेर्बी डिकोडिंग एल्गोरिदम प्रस्तुत करता है जो शुद्ध क्वांटम प्रभावों के निरंतर मैनिफोल्ड्स पर अनुकूलन करता है ताकि क्लासिकल रणनीतियों की तुलना में डिकोडिंग स्कोर में एक सख्त क्वांटम लाभ प्राप्त किया जा सके, जो क्वांटम अनुक्रमिक निर्णय लेने और मशीन लर्निंग के लिए एक नया प्रिमिटिव प्रदान करता है।

मूल लेखक: Luigi Accardi, Abdessatar Souissi, El Gheteb Soueidi, Farrukh Mukhamedov, Mohamed Rhaima

प्रकाशित 2026-05-20

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Luigi Accardi, Abdessatar Souissi, El Gheteb Soueidi, Farrukh Mukhamedov, Mohamed Rhaima

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 रहस्य सुलझाने की कोशिश कर रहे हैं। आपके पास सुरागों (अवलोकनों) की एक श्रृंखला है जिन्हें आप देख सकते हैं, लेकिन उसके पीछे की वास्तविक कहानी (छिपा हुआ मार्ग) अदृश्य है। क्लासिकल कंप्यूटिंग की दुनिया में, हमारे पास एक बहुत ही प्रसिद्ध जासूसी उपकरण है जिसे विटर्बी एल्गोरिदम (Viterbi Algorithm) कहा जाता है। यह एक अत्यंत कुशल मानचित्र-पठन प्रणाली की तरह है जो सभी सुरागों को देखता है और यह पता लगाता है कि सबसे संभावित मार्ग कौन सा था, जो कदम-दर-कदम लिया गया था। यह स्पीच रिकग्निशन और डीएनए विश्लेषण जैसी चीजों के लिए दशकों से आधार रहा है।

हालाँकि, यह शोध पत्र एक नए, उन्नत जासूसी उपकरण का परिचय देता है जिसे क्वांटम विटर्बी एल्गोरिदम (Quantum Viterbi Algorithm) कहा जाता है। इसे एक ऐसी दुनिया के लिए डिज़ाइन किया गया है जहाँ "छिपा हुआ मार्ग" केवल विकल्पों की एक सरल सूची (जैसे "बाएँ मुड़ें" या "दाएँ मुड़ें") नहीं है, बल्कि एक जटिल, तरल क्वांटम वास्तविकता है जहाँ चीजें एक साथ कई अवस्थाओं में हो सकती हैं।

यहाँ इस शोध पत्र के वास्तविक दावों का सरल उपमाओं के माध्यम से विवरण दिया गया है:

1. पुराना तरीका बनाम नया तरीका

क्लासिकल जासूस (पुराना तरीका): एक भूलभुलैया की कल्पना करें जहाँ हर चौराहे पर केवल दो रास्ते हैं: एक लाल दरवाजा या एक नीला दरवाजा। क्लासिकल विटर्बी एल्गोरिदम लाल और नीले दरवाजों के हर संभावित संयोजन की जाँच करता है ताकि सबसे अच्छा मार्ग मिल सके। यह बहुत अच्छा है, लेकिन यह इन अलग-अलग, पृथक विकल्पों तक ही सीमित है।
क्वांटम जासूस (नया तरीका): अब, कल्पना करें कि वह भूलभुलैया पानी से बनी है। हर चौराहे पर, आप केवल लाल या नीला नहीं चुनते; आप दोनों के मिश्रण या उनके बीच मौजूद एक बैंगनी रंग के शेड को चुन सकते हैं। यह नया एल्गोरिदम केवल लाल और नीले दरवाजों की जाँच नहीं करता है; यह संभावनाओं के पूरे महासागर की खोज करता है, जिसमें उनके बीच के सभी घूमते-फिरते मिश्रित अवस्थाओं भी शामिल हैं। इसे पेपर में "क्वांटम प्रभावों का एक निरंतर मैनिफोल्ड (continuous manifold)" कहा गया है।

2. मुख्य खोज: "क्वांटम लाभ" (Quantum Advantage)

इस शोध पत्र का सबसे महत्वपूर्ण दावा यह है कि यह नया क्वांटम जासूस स्पष्ट रूप से बेहतर है, भले ही वे बिल्कुल एक ही सुरागों को देख रहे हों।

प्रयोग: लेखकों ने एक विशिष्ट परिदृश्य (एक "क्यूबिट मेमोरी मॉडल") तैयार किया जहाँ छिपी हुई प्रणाली एक छोटा क्वांटम कण (जैसे एक घूमता हुआ सिक्का) है। उन्होंने एल्गोरिदम को सुरागों का एक क्रम दिया।
परिणाम: उन्होंने गणितीय रूप से सिद्ध किया कि क्वांटम विटर्बी एल्गोरिदम ने एक ऐसा "स्कोर" (एक माप कि समाधान कितना अच्छा है) पाया जो क्लासिकल एल्गोरिदम द्वारा प्राप्त किए जा सकने वाले सर्वोत्तम स्कोर से भी अधिक था।
क्यों? क्लासिकल एल्गोरिदम "लाल" या "नीले" दरवाजों (विकर्ण अवस्थाओं) से चिपके रहने के लिए मजबूर है। क्वांटम एल्गोरिदम "बैंगनी" मिश्रण (कोहेरेंट सुपरपोजिशन) का उपयोग करने की अनुमति देता है। पेपर दिखाता है कि कभी-कभी, "बैंगनी" मार्ग ही उच्चतम स्कोर प्राप्त करने का एकमात्र तरीका होता है। यह एक पहेली को हलने जैसा है जहाँ समाधान के लिए एक ऐसे टुकड़े की आवश्यकता होती है जो क्लासिकल बॉक्स में मौजूद नहीं है, लेकिन क्वांटम बॉक्स में मौजूद है।

3. यह कैसे काम करता है: "पीछे की ओर" वाला तरीका (The "Backward" Trick)

पेपर बताता है कि यह एल्गोरिदम कहानी को अंत से शुरुआत की ओर, यानी पीछे से देखते हुए काम करता है।

क्लासिकल: यह पूछता है, "यदि मैं यहाँ पहुँचा, तो पिछला सबसे अच्छा कदम क्या था?"
क्वांटम: यह वही प्रश्न पूछता है, लेकिन केवल कुछ अलग-अलग चरणों की जाँच करने के बजाय, यह संभावनाओं की एक चिकनी, घुमावदार सतह पर अनुकूलन (optimize) करता है (जैसे कि कुछ सपाट स्थानों की जाँच करने के बजाय एक लुढ़कती हुई पहाड़ी पर सबसे ऊँची चोटी खोजने जैसा)। पेपर सिद्ध करता है कि इस पहाड़ी पर एक "सर्वश्रेष्ठ" पथ हमेशा मौजूद होता है, और एल्गोरिदम उसे खोज सकता है।

4. "मेमोरी" (स्मृति) के लिए इसका क्या अर्थ है

पेपर का तर्क है कि यह लाभ इस बात से आता है कि सिस्टम चीजों को कैसे "याद रखता" है।

क्लासिकल मेमोरी: एक नोटबुक की तरह जहाँ आप लिखते हैं "चरण 1: लाल, चरण 2: नीला।" जानकारी कठोर और अलग है।
क्वांटम मेमोरी: एक घूमते हुए लट्टू (spinning top) की तरह जो अपनी गति और दिशा में एक साथ जानकारी रखता है। पेपर का दावा है कि इस "लट्टू" वाली स्मृति (कोहेरेंस) का उपयोग करके, एल्गोरिदम छिपी हुई कहानी को किसी भी नोटबुक-आधारित प्रणाली की तुलना में अधिक सटीकता से डिकोड कर सकता है, भले ही नोटबुक का आकार समान हो।

5. यह पेपर क्या दावा नहीं करता है

यह महत्वपूर्ण है कि आप लेखकों द्वारा लिखे गए तथ्यों पर ही टिके रहें:

वे यह दावा नहीं करते हैं कि यह आज आपके स्मार्टफोन के लिए तैयार एक अंतिम उत्पाद है।
वे यह दावा नहीं करते हैं कि यह चिकित्सा निदान को हल करता है या शेयर बाजार की भविष्यवाणी करता है (हालांकि वे उल्लेख करते हैं कि भविष्य में इसका उपयोग क्वांटम संचार या मशीन लर्निंग के लिए किया जा सकता है, लेकिन उन्होंने अभी तक वास्तविक दुनिया के डेटा पर इसका परीक्षण नहीं किया है)।
वे यह नहीं कहते कि यह कंप्यूटर को कच्ची गति (जैसे "सेकंड बनाम मिनट") के मामले में तेज़ बनाता है। इसके बजाय, वे कहते हैं कि यह एक बेहतर उत्तर (उच्च स्कोर) पाता है जिसे क्लासिकल कंप्यूटर, चाहे वह कितनी भी कोशिश क्यों न करे, खोज ही नहीं सकता।

सारांश

इस पेपर को इस तरह समझें कि क्वांटम मैकेनिक्स "छिपे हुए पथ" वाली पहेलियों को हल करने का एक नया, श्रेष्ठ तरीका प्रदान करता है। जिस तरह एक 3D मानचित्र वह शॉर्टकट दिखा सकता है जो एक 2D कागजी मानचित्र से छूट जाता है, यह क्वांटम विटर्बी एल्गोरिदम एक ऐसा "छिपा हुआ पथ" खोजता है जो क्लासिकल संस्करण के लिए गणितीय रूप से असंभव है, क्योंकि इसे "बीच की" क्वांटम अवस्थाओं को खोजने की अनुमति है।

तकनीकी सारांश: क्वांटम विटेर्बी एल्गोरिदम (Quantum Viterbi Algorithm)

1. समस्या विवरण (Problem Statement)

यह शोध पत्र हिडन क्वांटम मार्कोव मॉडल्स (HQMMs) को डिकोड करने की चुनौती को संबोधित करता है, जो क्लासिकल हिडन मार्कोव मॉडल्स (HMMs) का सामान्यीकरण (generalization) हैं और क्वांटम मैकेनिक्स के नॉन-कम्यूटेटिव परिवेश में कार्य करते हैं। क्लासिकल HMMs में, विटेर्बी एल्गोरिदम अवलोकनों (observations) के एक अनुक्रम के दिए जाने पर सबसे संभावित छिपे हुए अवस्थाओं (hidden states) के अनुक्रम की पहचान कुशलतापूर्वक करता है।

क्वांटम क्षेत्र में, हिडन स्टेट स्पेस एक परिमित सेट नहीं है, बल्कि एक हिल्बर्ट स्पेस $\mathcal{H}$ पर शुद्ध क्वांटम प्रभावों (pure quantum effects - rank-one projections) का एक निरंतर मैनिफोल्ड (continuous manifold) है। मुख्य समस्या एक "क्वांटम विटेर्बी" समस्या को परिभाषित करना और हल करना है: अवलोकनों के एक परिमित अनुक्रम (pure effects $q_0, \dots, q_n$ ) के दिए जाने पर, एक संयुक्त डिकोडिंग फंक्शनल $\psi_n$ को अधिकतम करने वाले इष्टतम शुद्ध प्रभावों (optimal sequence of hidden pure effects) $(p_0, \dots, p_n)$ की पहचान करना। क्लासिकल मामले के विपरीत, यह अनुकूलन (optimization) एक निरंतर, नॉन-कम्यूटेटिव मैनिफोल्ड ( $\mathcal{P}_1(\mathcal{H}) \cong \mathbb{C}P^{N-1}$ ) पर होता है, जो समाधानों के अस्तित्व, अनुकूलन परिदृश्य (optimization landscape) की संरचना, और इस प्रश्न को जन्म देता है कि क्या क्वांटम कोहेरेंस (quantum coherence) डायगोनल (commuting) अवस्थाओं तक सीमित शास्त्रीय रणनीतियों की तुलना में एक सख्त लाभ प्रदान करता है।

2. कार्यप्रणाली (Methodology)

लेखक क्वांटम मार्कोव चेन्स (QMCs) और हिडन क्वांटम मार्कोव प्रोसेसेज (HQMPs) के सिद्धांत पर आधारित एक ऑपरेटर-एल्जेब्रिक ढांचे का उपयोग करते हैं।

गणितीय ढांचा (Mathematical Framework): सिस्टम को छिपे हुए ( $\mathcal{B}_H$ ) और अवलोकन योग्य ( $\mathcal{B}_O$ ) सिस्टम के टेंसर-प्रोडक्ट अल्जेब्रा पर परिभाषित किया गया है। गतिकी (dynamics) निम्नलिखित द्वारा नियंत्रित होती है:
- हिडन ट्रांजिशन एक्सपेक्टेशन्स ( $E_{H;n}$ ): पूर्णतः पॉजिटिव, यूनिटल मैप्स (completely positive, unital maps) जो छिपे हुए सिस्टम के विकास का वर्णन करते हैं।
- एमिशन मैप्स ( $E_{H,O;n}$ ): क्वांटम इंस्ट्रूमेंट्स जो हिडन सिस्टम को अवलोकनों के साथ जोड़ते हैं और मेजरमेंट बैक-एक्शन (measurement back-action) को लागू करते हैं।
- संयुक्त अवस्था (Joint State $\phi_{H,O}$ ): सैंपल अल्जेब्रा पर एक अवस्था जो प्रक्रिया के सांख्यिकी (statistics) को एनकोड करती है।
क्वांटम विटेर्बी फंक्शनल (The Quantum Viterbi Functional): डिकोडिंग उद्देश्य को इस एक्सपेक्टेशन फंक्शनल को अधिकतम करना है:
$\psi_n(p_0, \dots, p_n) := \phi_{H,O} \left( \bigotimes_{m=0}^n (p_m \otimes q_m) \right)$
जहाँ $p_m \in \mathcal{P}_1(\mathcal{H})$ हिडन प्योर इफेक्ट्स हैं और $q_m \in \mathcal{P}_1(\mathcal{K})$ ऑब्जर्व्ड प्योर इफेक्ट्स हैं।
अनुकूलन रणनीति (Optimization Strategy):
- अस्तित्व प्रमाण (Existence Proof): लेखक एक इष्टतम प्रक्षेपवक्र (optimal trajectory) के अस्तित्व को स्थापित करते हैं, जिसमें वे सर्च स्पेस को शुद्ध अवस्थाओं के एक कॉम्पैक्ट प्रोडक्ट मैनिफोल्ड के रूप में देखते हैं। वे फंक्शनल की निरंतरता (continuity) और कॉम्पैक्ट रीमैनियन मैनिफोल्ड्स (विशेष रूप से कॉम्प्लेक्स प्रोजेक्टिव स्पेस का उत्पाद) पर एक्स्ट्रीम वैल्यू थ्योरम का उपयोग करते हैं।
- बैकवर्ड इंडक्शन (Backward Induction): क्लासिकल बेलमैन-विटेर्बी रिकर्सन का एक क्वांटम एनालॉग तैयार किया गया है। इसमें "बैकवर्ड चयनकर्ता" (backward selectors) को परिभाषित करना शामिल है जो वर्तमान अवस्था पर आधारित भविष्य के पथ को निर्धारित करते हैं, जो अंतिम समय चरण $n$ से $0$ की ओर पीछे की ओर बढ़ते हैं।
- क्लासिकल लिमिट विश्लेषण (Classical Limit Analysis): फ्रेमवर्क का परीक्षण क्लासिकल HMMs के विरुद्ध किया जाता है, जहाँ हिडन डायनेमिक्स को डायगोनल सब-अल्जेब्रा (commuting effects) तक सीमित कर दिया जाता है।
केस स्टडी (Case Study): एक विशिष्ट भौतिक मॉडल एक सिंगल क्यूबिट ( $\mathcal{H} \cong \mathbb{C}^2$ ) का उपयोग करके बनाया गया है जिसमें शामिल हैं:
- डायनेमिक्स: यूनिटरी रोटेशन (कोहेरेंट इवोल्यूशन) और फेज-डैम्पिंग चैनल्स (डिकोहेरेंस) के बीच एक इंटरपोलेशन।
- मेजरमेंट्स: कमजोर मेजरमेंट्स (weak measurements) जो कम्प्यूटेशनल बेसिस स्टेट्स को आंशिक रूप से अलग करते हैं जबकि ऑफ-डायगोनल कोहेरेंस को बनाए रखते हैं।

3. प्रमुख योगदान और परिणाम (Key Contributions and Results)

A. इष्टतम क्वांटम पथों का अस्तित्व (Existence of Optimal Quantum Paths)

पेपर थ्योरम 3.1 को सिद्ध करता है, जो गारंटी देता है कि किसी भी परिमित अवलोकन अनुक्रम के लिए, एक इष्टतम हिडन क्वांटम प्रक्षेपवपथ (optimal hidden quantum trajectory) मौजूद होता है। यह गैर-तुच्छ (non-trivial) है क्योंकि अनुकूलन डोमेन एक निरंतर, अनंत-आयामी मैनिफोल्ड (सीमा में) या एक उच्च-आयामी कॉम्पैक्ट मैनिफोल्ड है, न कि एक परिमित सेट। इसका प्रमाण प्योर-स्टेट मैनिफोल्ड की कॉम्पैक्टनेस और जॉइंट एक्सपेक्टेशन फंक्शनल की निरंतरता पर आधारित है।

B. क्वांटम विटेर्बी सिद्धांत (The Quantum Viterbi Principle)

लेखक एक क्वांटम विटेर्बी सिद्धांत (सेक्शन 3.2) तैयार करते हैं, जो इष्टतम पथ की गणना करने के लिए एक बैकवर्ड-इंडक्शन एल्गोरिदम (एल्गोरिदम 1) प्रदान करता है। यह क्लासिकल डायनेमिक प्रोग्रामिंग दृष्टिकोण को क्वांटम इफेक्ट्स के मैनिफोल्ड पर ऑपरेटर-वैल्यूड स्कोर्स के लिए सामान्यीकृत करता है।

C. सख्त क्वांटम लाभ (Strict Quantum Advantage)

मुख्य परिणाम एक सख्त डिकोडिंग-लेवल क्वांटम एडवांटेज का प्रदर्शन है (थ्योरम 5.3 और 5.4)।

द गैप (The Gap): लेखक सिद्ध करते हैं कि विशिष्ट भौतिक रूप से स्वीकार्य मापदंडों (यूनिटरी रोटेशन और वीक मेजरमेंट्स से संबंधित) के लिए, पूर्ण शुद्ध क्वांटम इफेक्ट्स ( $\mathcal{P}_1(\mathcal{H})$ ) पर अनुकूलन करके प्राप्त अधिकतम स्कोर, डायगोनल इफेक्ट्स ( $\mathcal{D}_H = \{|0\rangle\langle0|, |1\rangle\langle1|\}$ ) के क्लासिकल सबसेट तक सीमित होने पर प्राप्त अधिकतम स्कोर से काफी अधिक है।
तंत्र (Mechanism): यह लाभ इफेक्ट स्पेस की नॉन-कम्यूटेटिव संरचना से उत्पन्न होता है। विशेष रूप से, इष्टतम प्रक्षेपवपथ के लिए कम से कम एक कोहेरेंट (off-diagonal) हिडन स्टेट की आवश्यकता होती है। "स्कोर गैप" $\Delta$ को $l_1$ -कोहेरेंस के सीधे आनुपातिक दिखाया गया है, बशर्ते कि फेज मेजरमेंट स्ट्रक्चर के साथ सही ढंग से संरेखित (aligned) हो।
निहितार्थ (Implication): समान हिल्बर्ट स्पेस डाइमेंशन (जैसे, एक क्यूबिट) के साथ भी, एक क्वांटम डिकोडर जो कोहेरेंट सुपरपोजिशन का उपयोग करता है, उसी नाममात्र स्टेट कार्डिनैलिटी वाले किसी भी क्लासिकल HMM डिकोडर से बेहतर प्रदर्शन करता है।

D. सूचना-सैद्धांतिक व्याख्या (Information-Theoretic Interpretation)

पेपर इस लाभ को हिडन क्वांटम मेमोरी के प्रकटीकरण के रूप में व्याख्यायित करता है। केवल जनसंख्या संभाव्यता (population probabilities) के बजाय फेज संबंधों (off-diagonal elements) में भविष्य कहने वाली जानकारी को संग्रहीत करने की क्षमता, क्वांटम मॉडल को हिडन स्पेस की डाइमेंशनिटी बढ़ाए बिना उच्च डिकोडिंग फिडेलिटी प्राप्त करने की अनुमति देती है। यह उन क्वांटम प्रक्रियाओं के साथ मेल खाता है जहाँ क्वांटम मॉडल क्लासिकल मॉडल्स की तुलना में कम आंतरिक डिग्री ऑफ फ्रीडम के साथ प्रक्रियाओं का अनुकरण कर सकते हैं।

4. महत्व और दावे (Significance and Claims)

यह पेपर क्वांटम विटेर्बी एल्गोरिदम को क्वांटम सूचना प्रसंस्करण में क्रमिक निर्णय लेने (sequential decision-making) के लिए एक मौलिक प्रिमिटिव के रूप में स्थापित करता है।

सैद्धांतिक कठोरता (Theoretical Rigor): यह HQMMs के लिए विटेर्बी डिकोडिंग का पहला कठोर ऑपरेटर-एल्जेब्रिक फॉर्मूलेशन प्रदान करता है, जो क्लासिकल डायनेमिक प्रोग्रामिंग से आगे बढ़कर क्वांटम स्टेट मैनिफोल्ड्स पर निरंतर, ज्यामितीय अनुकूलन की ओर ले जाता है।
परिचालन साक्षी (Operational Witness): क्लासिकल और क्वांटम विटेर्बी स्कोर्स के बीच सख्त असमानता "हिडन क्वांटम मेमोरी" के लिए एक परिचालन साक्षी के रूप में कार्य करती है। यह प्रदर्शित करता है कि कुछ टेम्पोरल कोरिलेशन (temporal correlations) को समान डाइमेंशन के एक कम्यूटेटिव (क्लासिकल) मॉडल में बिना प्रदर्शन घटाए संकुचित नहीं किया जा सकता है।
व्यावहारिक प्रासंगिकता (Practical Relevance): लेखक सुझाव देते हैं कि एल्गोरिदम निम्नलिखित के लिए लागू हो सकता है:
- क्वांटम मेमोरीज़: ऐसी प्रक्रियाओं को डिकोड करना जहाँ मेमोरी को कोहेरेंट क्वांटम अवस्थाओं में संग्रहीत किया जाता है।
- क्वांटम कम्युनिकेशन: मेमोरी वाले चैनलों में क्रमिक डिकोडिंग।
- क्वांटम मशीन लर्निंग: NISQ (Noisy Intermediate-Scale Quantum) डिवाइसेस पर क्वांटम-एन्हांस्ड सीक्वेंस मॉडलिंग और टाइम-सीरीज प्रेडिक्शन के लिए एक सब-रूटीन के रूप में कार्य करना।
सीमाएं और भविष्य की राह (Limitations and Outlook): पेपर स्वीकार करता है कि हालांकि इष्टतम (optimum) का अस्तित्व गारंटीकृत है, लेकिन उच्च-आयामी मैनिफोल्ड पर ग्लोबल मैक्सिमम खोजने की कम्प्यूटेशनल जटिलता गैर-तुच्छ है। भविष्य के कार्य के लिए कुशल सन्निकटन रणनीतियों (जैसे, वेरिएशनल पैरामीट्राइजेशन, टेंसर नेटवर्क) और सर्किट-लेवल कार्यान्वयन पर ध्यान केंद्रित करने का सुझाव दिया गया है।

संक्षेप में, यह पेपर स्थापित करता है कि क्वांटम कोहेरेंस केवल एक सैद्धांतिक जिज्ञासा नहीं है, बल्कि एक कार्यात्मक संसाधन है जो क्रमिक डेटा के डिकोडिंग में एक प्रमाणित, सख्त लाभ प्रदान करता है, जो हिडन प्रोसेस इन्फरेंस के स्केलिंग और रिप्रेजेंटेशनल लैंडस्केप को मौलिक रूप से बदल देता है।