⚛️ quantum physics

On Performance and Limitations of NISQ Hardware for Simulations of Quantum Wave Packet Dynamics

यह शोध पत्र एक-आयामी तरंग पैकेट गतिकी (wave packet dynamics) के लिए एक ग्रिड-आधारित डिजिटल क्वांटम सिमुलेशन पद्धति प्रस्तुत करता है जो ऑपरेटर स्केलिंग को $O(2^n)$ तक कम करता है और यह प्रदर्शित करता है कि जबकि IBM और IonQ हार्डवेयर पर लघु-स्तरीय कार्यान्वयन बेंचमार्क की गई गतिकी को गुणात्मक रूप से पुनरुत्पादित करते हैं, वहीं क्यूबिट संख्या बढ़ने के साथ IonQ, IBM की तुलना में उच्च सटीकता बनाए रखता है।

मूल लेखक: Tamila Kuanysheva, Jonathan Andrade-Plascencia, Jayakrushna Sahoo, Brian Kendrick, Dmitri Babikov

प्रकाशित 2026-05-20

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Tamila Kuanysheva, Jonathan Andrade-Plascencia, Jayakrushna Sahoo, Brian Kendrick, Dmitri Babikov

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 यह अनुमान लगाने की कोशिश कर रहे हैं कि पानी के गिलास में स्याही की एक बूंद कैसे फैलती है, या एक बॉक्स के अंदर एक गेंद कैसे उछलती है। भौतिकी की दुनिया में, इन गतिविधियों को "वेव पैकेट" (wave packet) नामक चीज़ द्वारा वर्णित किया जाता है। इस पर सिमुलेशन करने के लिए, आपको स्थान को छोटे-छोटे बिंदुओं के ग्रिड में तोड़ना पड़ता है। समस्या यह है कि जैसे ही आप आयाम (dimensions) बढ़ाते हैं या ग्रिड को और बारीक करते हैं, बिंदुओं की संख्या विस्फोट की तरह बढ़ती है, और यहाँ तक कि दुनिया के सबसे तेज़ सुपरकंप्यूटर भी अटक जाते हैं। इसे "आयाम का अभिशाप" (curse of dimensionality) कहा जाता है।

यह शोध पत्र एक अलग उपकरण का अन्वेषण करता है: क्वांटम कंप्यूटर। सामान्य कंप्यूटर की तरह बिट्स (0 और 1) का उपयोग करने के बजाय, क्वांटम कंप्यूटर "क्यूबिट्स" (qubits) का उपयोग करते हैं। क्योंकि क्यूब्स एक साथ कई अवस्थाओं में रह सकते हैं, वे इन जटिल तरंग पैटर्न को स्वाभाविक रूप से दर्शा सकते हैं, जिसके लिए असंभव संख्या में ग्रिड बिंदुओं की आवश्यकता नहीं होती।

यहाँ शोधकर्ताओं ने क्या किया, इसका सरल उपमाओं के साथ विवरण दिया गया है:

1. सिमुलेशन के लिए नया "नुस्खा"

शोधकर्ता एक कण के समय के साथ चलने के तरीके का सिमुलेशन करना चाहते थे। उन्होंने स्प्लिट-ऑपरेटर अप्रोच (Split-Operator Approach) नामक एक विधि का उपयोग किया। इसे एक डांस रूटीन की तरह समझें जो दो अलग-अलग मूव्स में विभाजित है:

मूव A (काइनेटिक एनर्जी): यह वह है कि कैसे एक कण अपने आप चलता है। शोधकर्ताओं ने इसे संभालने के लिए क्वांटम फूरियर ट्रांसफॉर्म (QFT) नामक एक गणितीय ट्रिक का उपयोग किया। कल्पना कीजिए कि यह एक विशेष लेंस है जो तुरंत आपके दृश्य को "कण कहाँ है" से बदलकर "वह कितनी तेज़ी से जा रहा है" में बदल देता है, जिससे गणना बहुत तेज़ हो जाती है।
मूव B (पोटेंशियल एनर्जी): यह वह है कि कैसे वातावरण (जैसे कोई दीवार या पहाड़ी) कण को प्रभावित करता है। अतीत में, शोधकर्ताओं को हर विशिष्ट दीवार के लिए एक कस्टम सर्किट बनाना पड़ता था। इस शोध पत्र में, उन्होंने पाउली-Z गेट्स (Pauli-Z gates) नामक सरल बिल्डिंग ब्लॉक्स का उपयोग करके एक सार्वभौमिक "लेगो सेट" विकसित किया है। यह उन्हें किसी भी आकार की पोटेंशियल एनर्जी (सपाट, ऊबड़-खाबड़ या लहरदार) को पूरे मशीन को फिर से डिज़ाइन किए बिना प्लग करने की अनुमति देता है।

बड़ी जीत: आमतौर पर, एक जटिल समस्या को इन लेगो ब्लॉक्स में तोड़ने पर यह काम क्यूबिट्स जोड़ने के साथ तेजी से कठिन होता जाता है (जैसे लेगो से एक गगनचुंबी इमारत बनाने की कोशिश करना जहाँ हर बार एक मंजिल जोड़ने पर टुकड़ों की संख्या दोगुनी हो जाती है)। लेखकों की नई विधि इस कठिनाई को आधा कर देती है, जिससे यह वर्तमान तकनीक के लिए बहुत अधिक प्रबंधनीय हो जाता है।

2. दौड़: कौन सबसे अच्छा नाच सकता है?

अपने नए नुस्खे का परीक्षण करने के लिए, टीम ने दो प्रकार के क्वांटम हार्डवेयर पर सिमुलेशन चलाया:

IBM के सुपरकंडक्टिंग प्रोसेसर: इन्हें उच्च गति वाली रेस कारों के रूप में सोचें जो बहुत तेज़ हैं लेकिन सड़क के झटकों (शोर/noise) के प्रति संवेदनशील हैं। उन्होंने तीन अलग-अलग मॉडल टेस्ट किए: टोरिनो (Torino), मियामी (Miami) और बोस्टन (Boston)।
IonQ का ट्रैप्ड-आयन डिवाइस: इसे एक सटीक जिम्नास्ट के रूप में सोचें। यह थोड़ा धीरे चलता है लेकिन अविश्वसनीय रूप से स्थिर और सटीक है, जिसमें अपने शरीर के किसी भी हिस्से को दूसरे किसी भी हिस्से से जोड़ने की क्षमता है (all-to-all connectivity)।

उन्होंने तीन परिदृश्य (scenarios) टेस्ट किए:

फ्री रनर (The Free Runner): एक सपाट सतह पर चलता हुआ कण (जैसे बर्फ पर स्केटर)।
टनलिंग हाइकर (The Tunneling Hiker): एक कण जो उस बाधा को पार करने की कोशिश कर रहा है जिसे उसे पार नहीं करना चाहिए (क्वांटम टनलिंग)।
बाउंसिंग बॉल (The Bouncing Ball): एक कटोरे में फंसा हुआ कण, जो आगे-पीछे उछलता रहता है (हार्मोनिक ऑसिलेटर)।

3. परिणाम: छोटे कदम बनाम बड़ी छलांग

शोधकर्ताओं ने इन परिदृश्यों का परीक्षण 2, 3, 4 और 5 "क्यूबिट्स" (जो 4, 8, 16 और 32 बिंदुओं के ग्रिड के अनुरूप है) का उपयोग करके किया।

छोटे पैमाने पर (2 और 3 क्यूबिट्स): IBM की रेस कारें और IonQ का जिम्नास्ट दोनों ने अच्छा प्रदर्शन किया। वे सभी गुणात्मक रूप से सही गति को दोहरा सके, हालांकि नए IBM मॉडल (बोस्टन और मियामी) पुराने मॉडलों की तुलना में थोड़े बेहतर थे।
मध्यम पैमाने पर (4 क्यूबिट्स): अंतर बढ़ना शुरू हो गया। IBM की रेस कारें डगमगाने लगीं और अपना रास्ता भटक गईं, जबकि IonQ का जिम्नास्ट स्थिर और सटीक बना रहा।
बड़े पैमाने पर (5 क्यूबिट्स): यहाँ अंतर नाटकीय हो गया।
- IBM: सुपरकंडक्टिंग प्रोसेसर इतने "शोरي" (noisy) हो गए कि वे वेव पैकेट (स्याही की बूंद) का आकार पूरी तरह से खो दिया। यह एक समान धुंधलेपन में बदल गया, जैसे कि बहुत अधिक मिलाई गई कॉफी का कप गिर गया हो। सिमुलेशन ने कोई सार्थक भौतिकी दिखाने में विफल रहा।
- IonQ: ट्रैप्ड-आयन डिवाइस ने सिमुलेशन को सटीक रूप से ट्रैक करना जारी रखा, और आदर्श "आइडियल" परिणाम के बहुत करीब रहा।

निचोड़ (The Bottom Line)

शोध पत्र निष्कर्ष निकालता है कि हालांकि क्वांटम कंप्यूटर कणों के चलने के सिमुलेशन के लिए आशाजनक हैं, लेकिन वर्तमान हार्डवेयर अभी भी बहुत नाजुक है।

शोर (Noise) दुश्मन है: जैसे-जैसे सिमुलेशन अधिक जटिल होता जाता है (अधिक क्यूबिट्स), हार्डवेयर में त्रुटियां तेजी से बढ़ती हैं।
हार्डवेयर मायने रखता है: क्वांटम कंप्यूटर का प्रकार बहुत बड़ा अंतर पैदा करता है। IonQ का ट्रैप्ड-आयन डिवाइस, अपनी बेहतर स्थिरता और कनेक्टिविटी के साथ, IBM के सुपरकंडक्टिंग चिप्स की तुलना में शोर को बहुत बेहतर तरीके से संभालता है।
डिज़ाइन मायने रखता है: लेखकों द्वारा विकसित नई विधि (विशिष्ट Pauli-Z गेट्स और QFT का उपयोग करके) पुरानी विधियों की तुलना में अधिक कुशल है, लेकिन सबसे अच्छा डिज़ाइन भी विफल हो जाता है यदि हार्डवेयर बहुत अधिक शोर वाला हो।

संक्षेप में, शोधकर्ताओं ने क्वांटम सिमुलेशन के लिए एक बेहतर "मानचित्र" सफलतापूर्वक बनाया है, लेकिन उन्होंने पाया कि "भू-भाग" (वर्तमान हार्डवेयर) अभी भी लंबे और जटिल सफर के लिए बहुत ऊबड़-खाबड़ है। केवल सबसे स्थिर मशीनें (जैसे IonQ) ही बिना रास्ता भटके लंबी यात्राएं पूरी कर सकीं।

तकनीकी सारांश: क्वांटम वेव पैकेट डायनेमिक्स के सिमुलेशन के लिए NISQ हार्डवेयर की प्रदर्शन क्षमता और सीमाओं पर

समस्या विवरण
क्वांटम गतिशील प्रक्रियाओं, जैसे कि आणविक कंपन (molecular vibrations), प्रकीर्णन (scattering) और टनलिंग (tunneling) का सटीक संख्यात्मक सिमुलेशन, समय-निर्भर श्रोडिंगर समीकरण (time-dependent Schrödinger equation) द्वारा नियंत्रित होता है। शास्त्रीय दृष्टिकोण "डायमेंशनलिटी के अभिशाप" (curse of dimensionality) का सामना करते हैं, जहाँ स्वतंत्रता की कोटियों (degrees of freedom) की संख्या के साथ गणनात्मक लागत तेजी से बढ़ती है, जिससे कुछ आयामों से अधिक के सिस्टम के लिए दीर्घकालिक प्रसार (long-time propagation) अव्यवहार्य हो जाता है। जबकि क्वांटम कंप्यूटर क्वांटम सिस्टम के सिमुलेशन के लिए एक स्वाभाविक मंच प्रदान करते हैं क्योंकि उनका स्टेट स्पेस एक्सपोनेंशियल रूप से स्केल करता है, डिजिटल क्वांटम सर्किटों का उपयोग करके वेव फंक्शन के स्पष्ट रियल-टाइम प्रसार का अध्ययन इलेक्ट्रॉनिक स्ट्रक्चर समस्याओं की तुलना में कम किया गया है। इसके अतिरिक्त, मौजूदा क्वांटम सिमुलेशन विधियाँ अक्सर विश्लेतिक पोटेंशियल ऊर्जा फलनों (analytic potential energy functions) पर निर्भर करती हैं या ऑपरेटर डिकंपोजिशन में एक्सपोनेंशियल स्केलिंग (आमतौर पर $n$ क्विबिट के लिए $\mathcal{O}(4^n)$ ) से ग्रस्त होती हैं, जो निकट-अवधि, नॉइजी इंटरमीडिएट-स्केल क्वांटम (NISQ) हार्डवेयर के लिए उनकी प्रयोज्यता को सीमित करती है।

कार्यप्रणाली (Methodology)
लेखक वेव फंक्शन को $n$ -qubit रजिस्टर पर एक ग्रिड-आधारित एनकोडिंग का प्रस्ताव करते हैं, जहाँ $M = 2^n$ ग्रिड पॉइंट्स विविक्त स्थानिक निर्देशांक (discretized spatial coordinate) का प्रतिनिधित्व करते हैं। समय विकास (time evolution) को स्प्लिट-ऑपरेटर दृष्टिकोण का उपयोग करके लागू किया जाता है, जो गतिज ( $\hat{T}$ ) और संभावित ( $\hat{V}$ ) ऊर्जा ऑपरेटरों को अलग करता है।

गतिज ऊर्जा (Kinetic Energy): गतिज ऑपरेटर को क्वांटम फूरियर ट्रांसफॉर्म (QFT) का उपयोग करके लागू किया जाता है। यह वेव फंक्शन को मोमेंटम बेसिस में मैप करता है जहाँ $\hat{T}$ विकर्ण (diagonal) होता है, जिससे $\mathcal{O}(n^2)$ के बहुपद सर्किट डेप्थ स्केलिंग के साथ कुशल अनुप्रयोग संभव होता है।
संभावित ऊर्जा (Potential Energy): पिछले कार्यों के विपरीत जो विश्लेतिक पोटेंशियल्स तक सीमित थे, यह अध्ययन पोटेंशियल ऊर्जा ऑपरेटर को कम्यूटिंग पाउली- $Z$ स्ट्रिंग्स के एक रैखिक संयोजन के रूप में एक सामान्य प्रतिनिधित्व का उपयोग करता है। चूँकि पोटेंशियल पोजीशन बेसिस में विकर्ण (diagonal) होता है, इसलिए इसके डिकंपोजिशन के लिए केवल $2^n$ पदों (जिसमें केवल $I$ और $Z$ ऑपरेटर शामिल हैं) की आवश्यकता होती है, न कि पूर्ण $\mathcal{O}(4^n)$ पाउली डिकंपोजिशन की। यह ऑपरेटर स्केलिंग को $\mathcal{O}(2^n)$ तक कम करता है और किसी भी विविक्त (discretized) पोटेंशियल लैंडस्केप के प्रत्यक्ष एनकोडिंग की अनुमति देता है।
कार्यान्वयन (Implementation): ग्लोबल प्रोपेगेटर को प्रथम-क्रम ट्रोटर डिकंपोजिशन (first-order Trotter decomposition) के माध्यम से अनुमानित किया गया है। सिमुलेशन क्लासिकल नॉइज़-फ्री एम्युलेटर्स (Qiskit SDK) पर और विभिन्न NISQ हार्डवेयर, विशेष रूप से IBM सुपरकंडक्टिंग प्रोसेसर्स (Torino, Boston, Miami) और IonQ Forte ट्रैप्ड-आयन डिवाइस पर निष्पादित किए गए थे।

प्रमुख योगदान

एल्गोरिदम दक्षता: यह शोध प्रदर्शित करता है कि कैसे पोजीशन बेसिस में पोटेंशियल की विकर्ण प्रकृति का लाभ उठाकर पोटेंशियल ऊर्जा ऑपरेटर के डिकंपोजिशन के स्केलिंग को $\mathcal{O}(4^n)$ से घटाकर $\mathcal{O}(2^n)$ किया जा सकता है।
सामान्यीकरण (Generalizability): यह दृष्टिकोण ज्ञात विश्लेतिक कार्यात्मक रूपों तक सीमित रहने के बजाय, मनमाने (arbitrary) विविक्त पोटेंशियल्स के सिमुलेशन को सक्षम बनाता है।
हार्डवेयर बेंचमार्किंग: यह अध्ययन कई वर्तमान हार्डवेयर प्लेटफॉर्मों पर 2 से 5 क्विबिट (4 से 32 ग्रिड पॉइंट्स के अनुरूप) के माध्यम से वेव पैकेट डायनेमिक्स का एक व्यापक बेंचमार्क प्रदान करता है।

परिणाम
इस कार्यप्रणाली का परीक्षण तीन प्रतिनिधि एक-आयामी समस्याओं पर किया गया था: फ्री पार्टिकल प्रोपेगेशन, बैरियर के माध्यम से टनलिंग, और हार्मोनिक ऑसिलेटर वाइब्रेशन।

लघु-स्तरीय प्रदर्शन (2–3 Qubits): सभी परीक्षण किए गए प्लेटफॉर्म (IBM और IonQ) गुणात्मक रूप से बेंचमार्क डायनेमिक्स को पुनरुत्पादित करते हैं। 2-qubit मामलों के लिए, नए IBM डिवाइसेस (Boston, Miami) एम्युलेटर के साथ लगभग मात्रात्मक (near-quantitative) सहमति दिखाते हैं।
स्केलेबिलिटी और शोर संवेदनशीलता (Noise Sensitivity): जैसे-जैसे क्विबिट की संख्या बढ़कर 4 और 5 हुई, प्रदर्शन विभिन्न प्लेटफॉर्मों के बीच काफी भिन्न हो गया।
- IBM सुपरकंडक्टिंग डिवाइसेस: परिणामों ने बढ़ते क्विबिट काउंट के साथ तीव्र गिरावट दिखाई। 5-qubit सिमुलेशन में, IBM हार्डवेयर पर वेव फंक्शन तीसरे टाइम स्टेप तक एक समान वितरण (uniform distribution) में ढह गया, जो संचित गेट एरर और सर्किट डेप्थ सीमाओं के कारण वेव-पैकेट संरचना के नुकसान को दर्शाता है।
- IonQ ट्रैप्ड-आयन डिवाइस: IonQ Forte प्रोसेसर ने सभी क्विबिट काउंट्स के लिए, जिसमें 5-qubit फ्री-पार्टिकल केस भी शामिल है, क्लासिकल बेंचमार्क के साथ काफी बेहतर सहमति बनाए रखी। यह प्रदर्शन ट्रैप्ड-आयन आर्किटेक्चर में अंतर्निहित उच्च टू-क्विबिट गेट फिडेलिटी और ऑल-टू-ऑल कनेक्टिविटी के कारण है।
समस्या विशिष्टता: टनलिंग और हार्मोनिक ऑसिलेटर परिदृश्यों में, IonQ ने लगातार सुपरकंडक्टिंग डिवाइसेस की तुलना में बेहतर प्रदर्शन किया, विशेष रूप से 5-qubit रिजीम में जहाँ IBM डिवाइसेस पर्याप्त विचलन प्रदर्शित करते हैं।

महत्व और दावे
यह शोध निष्कर्ष निकालता है कि हालांकि वर्तमान NISQ हार्डवेयर छोटे सिस्टम साइज के लिए क्वांटम डायनेमिक्स को गुणात्मक रूप से पुनरुत्पादित कर सकता है, लेकिन समय-निर्भर सिमुलेशन की फिडेलिटी सर्किट डेप्थ और हार्डवेयर नॉइज़ के प्रति अत्यधिक संवेदनशील है। परिणाम इस बात पर प्रकाश डालते हैं कि ट्रैप्ड-आयन आर्किटेक्चर वर्तमान में इन विशिष्ट डायनेमिकल सिमुलेशन के लिए सुपरकंडक्टिंग प्रोसेसर्स की तुलना में बेहतर प्रदर्शन प्रदान करते हैं। लेखक दावा करते हैं कि क्वांटम वेव पैकेट डायनेमिक्स के स्केलेबल कार्यान्वयन के लिए ऐसे सर्किट डिजाइन की आवश्यकता होगी जो डेप्थ को कम करे और हार्डवेयर नॉइज़ के प्रति मजबूत हो, और वे इस बात पर जोर देते हैं कि प्रस्तावित $\mathcal{O}(2^n)$ पोटेंशियल एनकोडिंग निकट-अवधि के उपकरणों पर मनमाने पोटेंशियल का उपयोग करने की दिशा में एक आवश्यक कदम है।

1. सिमुलेशन के लिए नया "नुस्खा"

2. दौड़: कौन सबसे अच्छा नाच सकता है?

3. परिणाम: छोटे कदम बनाम बड़ी छलांग

निचोड़ (The Bottom Line)

इसी तरह के और पेपर