⚛️ quantum physics

Efficient Fourier-Based Linear Combination of Unitaries and Applications in Quantum Optimization

यह शोध पत्र एक अनिसिला-मुक्त (ancilla-free), फूरियर-आधारित लीनियर कॉम्बिनेशन ऑफ यूनिटरीज (LCU) ढांचे का प्रस्ताव करता है जो सर्किट जटिलता के बदले बहुपद सैंपलिंग ओवरहेड (polynomial sampling overhead) का उपयोग करके अनुकूलन कार्यों के लिए जटिल क्वांटम सर्किट को कुशलतापूर्वक विघटित करता है, जिससे कठोर प्रदर्शन गारंटी बनाए रखते हुए निकट-अवधि के क्वांटम उपकरणों पर QAOA जैसे एल्गोरिदम के हार्डवेयर-अनुकूल कार्यान्वयन को सक्षम बनाया जा सके।

मूल लेखक: Almudena Carrera Vazquez, Daniel J. Egger, Stefan Woerner

प्रकाशित 2026-05-20

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Almudena Carrera Vazquez, Daniel J. Egger, Stefan Woerner

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, अविश्वसनीय रूप से जटिल पहेली को हल करने की कोशिश कर रहे हैं। क्वांटम कंप्यूटिंग की दुनिया में, यह अक्सर एक अनुकूलन समस्या (optimization problem) होती है: चीजों की सबसे अच्छी व्यवस्था खोजना (जैसे सबसे कुशल डिलीवरी रूट या सबसे अच्छा निवेश पोर्टफोलियो)।

कैरERA वाज़क्वेज़, एगर और वर्नर का शोध पत्र इस तरह की पहेलियों को हल करने के लिए एक नया और चतुर तरीका पेश करता है, जो विशेष रूप से एक क्वांटम कंप्यूटर का उपयोग करता है जो अभी भी अपने शुरुआती, "शोर वाले" (noisy) चरणों में है।

यहाँ उनके विचार का सरल उपमाओं (analogies) का उपयोग करके विवरण दिया गया है:

समस्या: "ऑल-हैंड्स-ऑन-डेक" सर्किट

परंपरागत रूप से, इन पहेलियों को क्वांटम कंप्यूटर पर हल करने के लिए, आपको एक विशिष्ट मशीन (एक क्वांटम सर्किट) बनाने की आवश्यकता होती है जहाँ पहेली का हर एक हिस्सा एक साथ दूसरे हर हिस्से से बात करता है।

उपमा: कल्पना कीजिए कि आप एक पार्टी आयोजित करने की कोशिश कर रहे हैं जहाँ 100 मेहमानों को एक ही समय में एक-दूसरे से हाथ मिलाने की आवश्यकता है। एक वास्तविक कमरे में, यह असंभव है; लोग एक-दूसरे से टकराएंगे, कमरा बहुत भीड़भाड़ वाला हो जाएगा, और कार्यक्रम विफल हो जाएगा।
क्वांटम वास्तविकता: क्वांटम शब्दों में, इसके लिए "ऑल-टू-ऑल कनेक्टिविटी" और बहुत गहरे, जटिल सर्किट की आवश्यकता होती है। वर्तमान क्वांटम कंप्यूटर छोटे कमरों की तरह हैं; वे बिना गलतियाँ किए (शोर के कारण) इतने सारे एक साथ हाथ मिलाने को संभाल नहीं सकते।

समाधान: "रेसिपी बुक" दृष्टिकोण (LCU)

लेखक एक नई रणनीति प्रस्तावित करते हैं जिसे लिनियर कॉम्बिनेशन ऑफ यूनिटरीज (LCU) कहा जाता है। उस असंभव "ऑल-हैंड्स" मशीन को बनाने के बजाय, वे जटिल कार्य को बहुत सरल, छोटे कार्यों की एक सूची में तोड़ देते हैं।

उपमा: एक बार में एक विशाल, जटिल वेडिंग केक बनाने की कोशिश करने के बजाय (जो शायद ढह जाए), आप 100 साधारण, छोटे कपकेक्स बेक करते हैं।
- कुछ वनीला हैं, कुछ चॉकलेट हैं, कुछ में स्प्रिंकल्स हैं।
- आपको एक विशाल ओवन की आवश्यकता नहीं है; आप उन्हें एक-एक करके या छोटे बैचों में बेक कर सकते हैं।
- इसके बाद, आप परिणामों को एक प्लेट पर मिलाते हैं। यदि आप उन्हें सही अनुपात में मिलाते हैं, तो प्लेट का "स्वाद" बिल्कुल वैसा ही होगा जैसा कि आप चाहते थे उस विशाल वेडिंग केक का।

शोध पत्र में, ये "कपकेक्स" सरल क्वांटम सर्किट हैं जिन्हें केवल सिंगल-क्विबिट गेट्स (एक व्यक्ति एक अन्य व्यक्ति से हाथ मिलाता है) की आवश्यकता होती है। "मिक्सिंग" क्वांटम भाग पूरा होने के बाद क्लासिकली (एक सामान्य कंप्यूटर पर) होती है।

गुप्त सामग्री: फूरियर ट्रांसफॉर्म (Fourier Transform)

उन्हें कैसे पता चलता है कि कौन से कपकेक्स बेक करने हैं और प्रत्येक को कितना मिलाना है? वे फूरियर ट्रांसफॉर्म नामक एक गणितीय उपकरण का उपयोग करते हैं।

उपमा: एक जटिल गाने के बारे में सोचें। एक फूरियर ट्रांसफॉर्म उस गाने को व्यक्तिगत नोट्स (फ्रीक्वेंसी) में तोड़ देता है। लेखक इस जटिल क्वांटम "गाने" (सर्किट) को सरल, दोहराव वाले नोट्स (सिंगल-क्विबिट रोटेशन) की एक श्रृंखला में तोड़ने के लिए इसका उपयोग करते हैं।
परिणाम: वे एक बहुत ही कठिन, जटिल क्वांटम ऑपरेशन को बहुत आसान ऑपरेशन्स के एक भारित योग (weighted sum) के रूप में व्यक्त कर सकते हैं।

ट्रेड-ऑफ: गुणवत्ता बनाम मात्रा

यहाँ एक पेच है। क्योंकि आप सीधे विशाल मशीन नहीं बना रहे हैं, इसलिए आपको एक विश्वसनीय उत्तर प्राप्त करने के लिए बहुत अधिक बार "कपकेक" प्रयोग करना होगा।

उपमा: यदि आप भीड़ की औसत ऊंचाई जानना चाहते हैं, तो आप एक बार में सभी को माप सकते हैं (यदि वे हिल रहे हों तो यह कठिन है)। या, आप 10 यादृच्छिक लोगों को माप सकते हैं, फिर 10 और, फिर 10 और, और उनका औसत ले सकते हैं। आपको वही परिणाम मिलता है, लेकिन आपको अधिक बार माप करना पड़ता है।
शोध पत्र का दावा: लेखक दिखाते हैं कि हालांकि आपको सरल सर्किट को कई बार चलाने की आवश्यकता होती है (एक "सैंपलिंग ओवरहेड"), लेकिन अतिरिक्त रन की संख्या प्रबंधनीय (पॉलीनोमियल) है, असंभव नहीं। यह ट्रेड-ऑफ उन्हें उन समस्याओं को आज के हार्डवेयर पर चलाने की अनुमति देता है जो अन्यथा असंभव होतीं।

वास्तविक दुनिया का अनुप्रयोग: "डेंसेस्ट सबग्राफ" (Densest Subgraph)

यह काम करता है, यह साबित करने के लिए, उन्होंने एक विशिष्ट समस्या पर परीक्षण किया जिसे "डेंसेस्ट k-सबग्राफ" कहा जाता है (एक विशाल सोशल नेटवर्क में सबसे घनिष्ठ मित्र समूह को खोजना)।

लघु स्तर: उन्होंने यह दिखाने के लिए कि गणित पूरी तरह से काम करता है, इसे 12-नोड ग्राफ (एक छोटे पड़ोस की तरह) पर सिम्युलेट किया।
बड़े स्तर: उन्होंने 106 क्विबिट्स (एक बड़े पड़ोस) वाले एक वास्तविक IBM क्वांटम कंप्यूटर पर इसे चलाया।
- उन्होंने उच्च-गुणवत्ता वाले समाधान सफलतापूर्वक खोजे।
- उन्होंने दो विधियों की तुलना की: एक जिसने "पेनल्टी" (नियम तोड़ने के लिए जुर्माने की तरह) का उपयोग किया और एक जिसने एक विशेष "मिक्सर" (नियम मानने वाला नृत्य) का उपयोग किया।
- निष्कर्ष: "मिक्सर" दृष्टिकोण ने, उनके नए फूरियर तरीके के साथ मिलकर, असाधारण रूप से अच्छा काम किया, और ऐसे समाधान खोजे जो सैद्धांतिक रूप से सर्वश्रेष्ठ के लगभग जितने अच्छे थे, यहाँ तक कि वास्तविक, शोर वाले हार्डवेयर पर भी।

"नो-हेल्पर" ट्रिक (बिना सहायक वाली तकनीक)

आमतौर पर, इन "कपकेक्स" को मिलाने के लिए, आपको एक अतिरिक्त हेल्पर क्वबिट (एक एनसिला) की आवश्यकता होती है ताकि गणित का हिसाब रखा जा सके।

नवाचार: लेखकों ने इसे बिना किसी हेल्पर के करने का एक तरीका विकसित किया है।
उपमा: एक रेफरी की आवश्यकता होने के बजाय जो यह बताए कि किस टीम ने स्कोर किया, आप बस खिलाड़ियों को यादृच्छिक रूप से खेलने देते हैं और फिर विजेता का पता लगाने के लिए स्कोरबोर्ड देखते हैं। यह क्वांटम सर्किट की एक बड़ी मात्रा में जटिलता को हटा देता है, जिससे यह आज की मशीनों के लिए बहुत अधिक अनुकूल बन जाता है।

सारांश

यह शोध पत्र आज के अपूर्ण हार्डवेयर पर जटिल क्वांटम अनुकूलन एल्गोरिदम चलाने का एक नया तरीका प्रस्तुत करता है। एक विशाल, नाजुक मशीन बनाने के बजाय जो सब कुछ एक-दूसरे से जोड़ती है, वे समस्या को कई छोटे, सरल टुकड़ों में तोड़ देते हैं, उन टुकड़ों को चलाते हैं, और परिणामों को क्लासिकली मिलाते हैं।

उन्होंने सिद्ध किया कि यह काम करता है—एक 106-क्विबिट क्वांटम कंप्यूटर पर एक कठिन ग्राफ समस्या को हल करके, यह दिखाते हुए कि हम "सर्किट जटिलता" (मशीन बनाना कितना कठिन है) को "सैंपलिंग ओवरहेड" (परीक्षण को कितनी बार चलाना पड़ता है) के साथ बदलकर आज बड़ी, अधिक जटिल समस्याओं को हल कर सकते हैं।

तकनीकी सारांश: यूनिटरीज का कुशल फूरियर-आधारित रैखिक संयोजन और क्वांटम अनुकूलन में अनुप्रयोग

समस्या विवरण
क्वांटम अनुकूलन एल्गोरिदम, विशेष रूप से क्वांटम एप्रोक्सिमेट ऑप्टिमाइजेशन एल्गोरिदम (QAOA), निकट-अवधि (near-term) हार्डवेयर पर महत्वपूर्ण कार्यान्वयन बाधाओं का सामना करते हैं। अनुकूलन समस्याओं की गणितीय संरचना, विशेष रूप से बाधाओं (जैसे, कार्डिनैलिटी बाधाएं) से जुड़ी संरचना, अक्सर उच्च कनेक्टिविटी (all-to-all इंटरैक्शन), गहरे सर्किट डेप्थ और अनेक टू-क्विबिट गेट्स वाले क्वांटम सर्किटों की मांग करती है। ये आवश्यकताएं वर्तमान सुपरकंडक्टिंग क्वांटम प्रोसेसरों की क्षमताओं से अक्सर परे होती हैं। हालांकि सर्किट कटिंग या सर्किट एप्रोक्सिमेशन जैसी रणनीतियां मौजूद हैं, लेकिन वे अक्सर जटिलता के लिए समाधान की गुणवत्ता से समझौता करती हैं या बिना किसी कठोर प्रदर्शन गारंटी के पर्याप्त सैंपलिंग ओवरहेड की मांग करती हैं।

कार्यप्रणाली
लेखक एक फूरियर-आधारित लीनियर कॉम्बिनेशन ऑफ यूनिटरीज (LCU) फ्रेमवर्क प्रस्तावित करते हैं, जिसे सरल, हार्डवेयर-अनुकूल सर्किट के एन्सेम्बल्स (ensembles) का उपयोग करके जटिल क्वांटम सर्किटों को अनुमानित करने के लिए डिज़ाइन किया गया है। मुख्य कार्यप्रणाली में शामिल है:

सैंपलिंग के लिए अनिसिला-मुक्त (Ancilla-Free) LCU: मानक LCU कार्यान्वयन के विपरीत, जो यूनिटरीज के रैखिक संयोजन को सुसंगत रूप से लागू करने के लिए एक अनिसिला क्वबिट का उपयोग करता है (जिसके लिए कंट्रोल्ड ऑपरेशंस की आवश्यकता होती है), यह कार्य सैंपलिंग-आधारित अनुप्रयोगों पर केंद्रित है। इस कार्य में क्वैसी-प्रोबेबिलिटी डीकंपोजिशन (QPD) से जुड़े साइन फैक्टर्स को हटाकर और अनिसिला को क्लासिकल रैंडमनेस से बदलकर, यह विधि अनिसिला क्वबिट्स और कंट्रोल्ड गेट्स की आवश्यकता को समाप्त कर देती है। यह कार्यान्वयन को सरल सर्किटों के एक संभावabilistic मिश्रण में बदल देता है, जहाँ सैंपलिंग ओवरहेड को एक कारक $\Gamma$ द्वारा मापा जाता है।
डायगोनल यूनिटरीज के लिए फूरियर डीकंपोजिशन: डायगोनल यूनिटरीज (जो कॉस्ट फंक्शन्स और पेनल्टी टर्म्स में सामान्य हैं) के लिए, लेखक डिस्क्रीट फूरियर ट्रांसफॉर्म का उपयोग करते हैं। एक लक्षित यूनिटरी $U_f(\gamma) = \sum_x e^{-i\gamma f(g(x))} |x\rangle\langle x|$ को सरल यूनिटरीज $V(\theta_j)$ के एक रैखिक संयोजन में विघटित किया जाता है, जो अक्सर केवल सिंगल-क्विबिट $R_Z$ गेट्स की परतें होती हैं। इनके गुणांक (coefficients) यूनिटरी को परिभाषित करने वाले फंक्शन के फूरियर ट्रांसफॉर्म से प्राप्त होते हैं। यह दृष्टिकोण जटिल मल्टी-क्विबिट इंटरैक्शन (जैसे, $O(n^2)$ गेट्स की आवश्यकता वाले क्वाड्रेटिक पेनल्टी) को सिंगल-क्विबिट लेयर्स से बदल देता है, जिसके बदले में एक सैंपलिंग ओवरहेड $\Gamma \le m+1$ का भुगतान करना होता है।
गैर-डायगोनल परम्यूटेशन-इनवेरिएंट यूनिटरीज तक विस्तार: फ्रेमवर्क को गैर-डायगोनल यूनिटरीज तक सामान्यीकृत किया गया है, जैसे कि हैमिंग वेट बाधाओं को बनाए रखने के लिए उपयोग किया जाने वाला पूर्ण रूप से जुड़ा हुआ XY-मिक्सर। शूर-वेइल ड्यूअलिटी (Schur-Weyl duality) और $SU(2) $के रिप्रेजेंटेशन थ्योरी का लाभ उठाते हुए, लेखक परम्यूटेशन-इनवेरिएंट यूनिटरीज को सामूहिक सिंगल-क्विबिट रोटेशन्स$ R(g)^{\otimes n} $के निरंतर रैखिक संयोजन के रूप में व्यक्त करते हैं। यह अत्यधिक नॉन-लोकल मिक्सर्स को केवल सिंगल-क्विबिट गेट्स का उपयोग करके लागू करने की अनुमति देता है, जिसमें एक सैद्धांतिक सैंपलिंग ओवरहेड$ O(n^3)$ तक सीमित है।
लैग्रेंजियन रिलैक्सेशन के साथ संबंध: यह पेपर फूरियर-आधारित क्वांटम पेनल्टी और क्लासिकल लैग्रेंजियन रिलैक्सेशन के बीच एक औपचारिक संबंध स्थापित करता है। LCU डीकंपोजिशन की एक एकल शाखा (branch) को अनुकूलित करने को एक लैग्रेंजियन पैरामीटर को अनुकूलित करने के समान दिखाया गया है, जो बाधा प्रबंधन (constraint handling) पर एक एकीकृत दृष्टिकोण प्रदान करता है।

प्रमुख योगदान

फ्रेमवर्क विकास: सिंगल-क्विबिट गेट लेयर्स के एन्सेम्बल्स में डायगोनल और नॉन-डायगोनल यूनिटरीज की विस्तृत श्रेणियों को विघटित करने वाले एक अनिसिला-मुक्त, फूरियर-आधारित LCU फ्रेमवर्क का परिचय।
हार्डवेयर दक्षता: यह प्रदर्शन कि जटिल, ऑल-टू-ऑल कनेक्टेड ऑपरेटर्स (जैसे, कार्डिनैलिटी पेनल्टी और XY-मिक्सर) को काफी सरल सर्किटों से बदला जा सकता है, जो सैंपलिंग ओवरहेड के लिए सर्किट डेप्थ और कनेक्टिविटी का ट्रेड-ऑफ करते हैं।
सैद्धांतिक गारंटी: कठोर प्रदर्शन सीमाएँ प्रदान करना, जो दर्शाती हैं कि LCU दृष्टिकोण में उच्च-गुणवत्ता वाले बिटस्ट्रिंग्स को सैंपल करने की संभावना $1/\Gamma$ द्वारा स्केल की गई कोहेरेंट प्रोबेबिलिटी द्वारा निम्न-बद्ध (lower-bounded) है। यह पेपर कंडीशनल वैल्यू एट रिस्क (CVaR) ऑप्टिमाइजेशन को इन सीमाओं से भी जोड़ता है।
स्केलेबिलिटी वैलिडेशन: वास्तविक IBM क्वांटम हार्डवेयर पर 106 क्वबिट्स के इंस्टेंस तक डेन्सेस्ट $k$ -सबग्राफ प्रॉब्लम पर इस फ्रेमवर्क का सफल अनुप्रयोग।

प्रायोगिक परिणाम
लेखकों ने एक 12-नोड इंस्टेंस पर सटीक स्टेटवेक्टर सिमुलेशन और 106-क्विबिट डिवाइस पर बड़े पैमाने के प्रयोगों के माध्यम से अपने दृष्टिकोण को सत्यापित किया:

12-नोड सिमुलेशन: पूरी तरह से कोहेरेंट QAOA और फूरियर-आधारित LCU दृष्टिकोण के बीच तुलना से पता चला कि जबकि LCU सर्किटों के रॉ एक्सपेक्टेशन वैल्यू कम थे (सैंपलिंग ओवरहेड के कारण), एक सिंगल LCU बेसिस सर्किट (एक वेरिएशनल एंसेट जो LCU से व्युत्पन्न है) को अनुकूलित करने से इष्टतम समाधानों को सैंपल करने की उच्चतम संभावना मिली, जिसने विशिष्ट मेट्रिक्स में कोहेरेंट बेसलाइन को पछाड़ दिया।
106-नोड हार्डवेयर प्रयोग: 106-क्विबिट हेवी-हेक्स ग्राफ (SWAP लेयर्स के माध्यम से विस्तारित) पर, पेनल्टी-आधारित और XY-मिक्सर-आधारित LCU दृष्टिकोणों को निष्पादित किया गया। परिणामों ने प्रदर्शित किया कि व्यावहारिक सैंपलिंग ओवरहेड, सबसे खराब स्थिति वाले सैद्धांतिक बाउंड ( $\Gamma \approx 10^4$ ) की तुलना में काफी कम था। सिंगल-ब्रांच LCU एंसेट ने उच्च-गुणवत्ता वाले समाधान (81 किनारों तक का डेन्सेस्ट सबग्राफ) सफलतापूर्वक खोजे, जिनकी व्यवहार्य संभावना 2.7% से 4.8% के बीच थी, जो इस पद्धति की व्यवहार्यता को दर्शाता है।
XY-मिक्सर बनाम पेनल्टी: XY-मिक्सर-आधारित LCU दृष्टिकोण ने विशेष रूप से एक अनुकूलित सिंगल बेसिस सर्किट का उपयोग करने पर, पेनल्टी-आधारित दृष्टिकोण की तुलना में आम तौर पर बेहतर प्रदर्शन किया, जो यह सुझाव देता है कि बाधा-संरक्षण मिक्सर इस तरह के डीकंपोजिशन के साथ अधिक प्रभावी होते हैं।

महत्व और दावे
यह पेपर दावा करता है कि फूरियर-आधारित LCU फ्रेमवर्क निकट-अवधि क्वांटम अनुकूलन की व्यावहारिक पहुंच को बढ़ाने के लिए एक व्यवस्थित मार्ग प्रदान करता है। जटिल कोहेरेंट ऑपरेशंस को सरल सर्किटों के भारित संयोजनों से बदलकर, यह विधि उन समस्याओं के दायरे को बढ़ाती है (विशेष रूप से वैश्विक बाधाओं वाली) जिन्हें वर्तमान हार्डवेयर पर निष्पादित किया जा सकता है। लेखक इस बात पर जोर देते हैं कि यह दृष्टिकोण लक्षित वितरण के सटीक पुनरुत्पादन की आवश्यकता नहीं रखता है, बल्कि उच्च-गुणवत्ता वाले समाधानों को सैंपल करने पर ध्यान केंद्रित करता है, जो अनुकूलन कार्यों के लिए उपयुक्त लक्ष्य है। यह कार्य सुझाव देता है कि सर्किट जटिलता और सैंपलिंग ओवरहेड के बीच का ट्रेड-ऑफ अनुकूल है, क्योंकि सैद्धांतिक सीमाएँ अक्सर व्यवहार में ढीली (loose) होती हैं, और यह विधि उन एल्गोरिदम और समस्या इंस्टेंस के अध्ययन को सक्षम बनाती है जो अन्यथा हार्डवेयर क्षमताओं से परे होते। यह निष्कर्ष निकालता है कि यह हार्डवेयर-अनुकूल क्वांटम एल्गोरिदम, विशेष रूप से बाधा प्रबंधन के लिए QAOA में, के लिए एक लचीला डिजाइन सिद्धांत प्रदान करता है।