⚛️ quantum physics

Sample-efficient benchmarking of shallow all-to-all random quantum circuits

यह शोध पत्र विश्लेषणात्मक व्युत्पत्तियों और संख्यात्मक सिमुलेशन द्वारा समर्थित, शोरयुक्त उथले ऑल-टू-ऑल रैंडम क्वांटम सर्किटों को अत्याधुनिक क्लासिकल स्पूफर्स से अलग करने में सक्षम, सैंपल-एफिशिएंट बेंचमार्क के रूप में नॉनलीनियर क्रॉस-एन्ट्रॉपी और एक हैवी-आउटपुट-आधारित बाइनरी क्लासिफायर प्रस्तुत करता है।

मूल लेखक: Gregory Bentsen, Bill Fefferman, Soumik Ghosh, Michael J. Gullans, Yinchen Liu

प्रकाशित 2026-05-25

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Gregory Bentsen, Bill Fefferman, Soumik Ghosh, Michael J. Gullans, Yinchen Liu

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 साबित करने की कोशिश कर रहे हैं कि एक नई, सुपर-फास्ट रेस कार (एक क्वांटम कंप्यूटर) वास्तव में एक बहुत ही चतुर मानव ड्राइवर (एक क्लासिकल कंप्यूटर) के सिम्युलेटर से तेज़ है। समस्या यह है कि रेस कार का इंजन हिल रहा है (शोर/नॉइज़), और सिम्युलेटर हर दिन स्मार्ट होता जा रहा है, जिससे कभी-कभी हमें लगता है कि वह असली कार है।

यह पेपर इस बारे में है कि इस रेस को आंकने का एक बेहतर तरीका कैसे खोजा जाए—विशेष रूप से "उथले" (shallow) रेसों के लिए—जो छोटी, त्वरित सर्किट हैं जहाँ कार अभी तक पूरी तरह से अराजक (chaotic) होने का समय नहीं पा सकी है। लेखक वास्तविक क्वांटम कार और नकली सिम्युलेटर के बीच अंतर बताने के दो नए तरीके प्रस्तावित करते हैं।

समस्या: "नकली" स्कोर

अतीत में, वैज्ञानिक यह देखने के लिए लीनियर क्रॉस-एन्ट्रॉपी (Linear Cross-Entropy) नामक एक परीक्षण का उपयोग करते थे कि क्या क्वांटम कंप्यूटर अपना काम कर रहा है। इसे एक शिक्षक द्वारा छात्र के निबंध को ग्रेड देने जैसा समझें। यदि निबंध ऐसा दिखता है जैसे वह एक इंसान (क्वांटम कंप्यूटर) द्वारा लिखा गया हो, तो शिक्षक उसे उच्च स्कोर देता है।

हालाँकि, हाल ही में, "चीटर्स" (क्लासिकल एल्गोरिदम) ने ऐसे निबंध लिखना सीख लिया है जो बिल्कुल इंसान के जैसे दिखते हैं, भले ही उन्होंने वास्तव में उन्हें शुरू से लिखने की मेहनत न की हो। वे इस टेस्ट को "स्पूफ" (धोखा देना) कर सकते हैं, यानी बिना वास्तविक क्वांटम कंप्यूटर हुए भी उच्च स्कोर प्राप्त कर सकते हैं। यह विशेष रूप रूप से छोटी, उथली (shallow) सर्किटों के लिए सच है।

समाधान 1: "डीप डाइव" टेस्ट (नॉनलीनियर क्रॉस-एन्ट्रॉपी)

लेखक एक नया टेस्ट प्रस्तावित करते हैं जिसे नॉनलीनियर क्रॉस-एन्ट्रॉपी (Nonlinear Cross-Entropy) कहा जाता है।

सादृश्य (Analogy): कल्पना करें कि लीनियर टेस्ट यह पूछने जैसा है, "क्या आपने एक वाक्य लिखा?" चीटर आसानी से "हाँ" कह सकता है और दिखावा कर सकता है। नॉनलीनियर टेस्ट यह पूछने जैसा है, "एक वाक्य लिखें, और फिर समझाएं कि आपने हर एक शब्द क्यों चुना, और आपके मुंह में अक्षर कैसे महसूस होते हैं।"
यह कैसे काम करता है: यह टेस्ट डेटा के "आकार" को बहुत अधिक जटिल तरीके से देखता है। लेखकों ने एक गणितीय उपकरण का उपयोग किया जिसे ब्राउनियन सर्किट (Brownian Circuit) कहा जाता है (इसे एक "तरल" संस्करण के रूप में सोचें जो एक क्वांटम सर्किट है जिसे विश्लेषण करना आसान है, जैसे व्यक्तिगत पानी के अणुओं के बजाय पानी के प्रवाह का अध्ययन करना) यह साबित करने के लिए कि:
1. एक वास्तविक, शोर वाले (noisy) क्वांटम कंप्यूटर से एक विशिष्ट "फिंगरप्रिंट" स्कोर प्राप्त होगा।
2. एक चीटर जो इसकी नकल करने की कोशिश करेगा, उसे पूरी तरह से अलग स्कोर मिलेगा।
3. "हिलते हुए इंजन" (शोर) के बावजूद, वास्तविक कंप्यूटर का स्कोर इतना अलग होता है कि आपको अंतर देखने के लिए लाखों रेस रन की आवश्यकता नहीं होती है। आपको केवल कुछ ही सैंपल की आवश्यकता है।

उन्होंने पाया कि छोटे सर्किटों के लिए, यह टेस्ट सैंपल-एफिशिएंट (Sample-efficient) है। इसका मतलब है कि आपको निश्चित होने के लिए एक अरब बार रेस चलाने की आवश्यकता नहीं है; अंतर देखने के लिए कुछ ही रन पर्याप्त हैं।

समाधान 2: "हैवी हिटर" डिटेक्टर (बाइनरी क्लासिफायर)

दूसरा तरीका और भी तेज़ है। यह हैवी आउटपुट जनरेशन (Heavy Output Generation - HOG) नामक एक अवधारणा पर आधारित है।

सादृश्य (Analogy): एक लॉटरी मशीन की कल्पना करें। एक निष्पक्ष मशीन नंबर पूरी तरह से रैंडम चुनती है। हालाँकि, एक क्वांटम मशीन अराजक होती है और कुछ विशिष्ट "लकी" नंबरों (भारी आउटपुट) को दूसरों की तुलना में अधिक बार चुनती है, जबकि अन्य को टाल देती है।
टेस्ट: लेखकों ने एक सरल "हाँ/नहीं" क्लासिफायर बनाया है।
- आप सर्किट को एक बार चलाते हैं और एक परिणाम प्राप्त करते हैं।
- आप जाँचते हैं: "क्या यह परिणाम एक 'हैवी' लकी नंबर है?"
- यदि उत्तर "हाँ" है, तो यह संभवतः वास्तविक क्वांटम कंप्यूटर है। यदि "नहीं" है, तो यह संभवतः चीटर है।
जादू: लेखकों ने सिद्ध किया कि इस पद्धति के साथ, आपको केवल उतने ही सैंपल की आवश्यकता होती है जो कंप्यूटर के बड़ा होने पर बहुत धीरे-धीरे (लॉगारिदमिक रूप से) बढ़ते हैं।
- सादृश्य (Analogy): यदि आपके पास एक छोटा कंप्यूटर है, तो आपको 10 सैंपल की आवश्यकता हो सकती है। यदि आपके पास एक बड़ा कंप्यूटर है, तो आपको केवल 20 सैंपल की आवश्यकता हो सकती है। आपको कंप्यूटर के बड़ा होने पर अपना प्रयास दोगुना करने की आवश्यकता नहीं है; आपको बस थोड़ा सा अधिक चाहिए। यह अविश्वसनीय रूप से कुशल है।

उन्होंने यह कैसे किया (द "सीक्रेट सॉस")

इन विचारों को काम करने के लिए सिद्ध करने के लिए, लेखकों ने केवल अनुमान नहीं लगाया। उन्होंने एक चतुर गणितीय ट्रिक का उपयोग किया:

फ्लुइड मॉडल (The Fluid Model): उन्होंने क्वांटम सर्किटों को एक "ब्राउनियन" तरल के रूप में मॉडल किया। इसने उन्हें भौतिकी के उन उपकरणों का उपयोग करने की अनुमति दी (जो आमतौर पर चुंबक या गर्मी के अध्ययन के लिए उपयोग किए जाते हैं) जिससे वे इन सर्किटों के व्यवहार के सटीक फॉर्मूले की गणना कर सकें।
रेप्लिका ट्रिक (The Replica Trick): उन्होंने कल्पना की कि सर्किट को समानांतर में कई बार चलाया जा रहा है (जैसे कंप्यूटर के क्लोन रखना) ताकि औसत व्यवहार की गणना की जा सके। इसने उन्हें यह भविष्यवाणी करने में मदद की कि वास्तविक कंप्यूटर बनाम चीटर के लिए स्कोर बिल्कुल कैसे दिखेंगे।
सत्यापन (Verification): उन्होंने वास्तविक, डिस्क्रीट क्वांटम गेट्स के साथ उनके "फ्लुइड" गणित का मिलान करने के लिए 40 क्यूबिट्स तक के कंप्यूटर सिमुलेशन भी चलाए।

निचोड़ (The Bottom Line)

यह पेपर दावा करता है कि छोटे, उथले क्वांटम सर्किटों के लिए:

नॉनलीनियर क्रॉस-एन्ट्रॉपी एक विश्वसनीय परीक्षण है जो एक वास्तविक शोर वाले क्वांटम कंप्यूटर को एक क्लासिकल चीटर से अलग कर सकता है, भले ही कंप्यूटर पूर्ण न हो।
एक नया बाइनरी क्लासिफायर (हैवी आउटपुट पर आधारित) और भी अधिक कुशल है, जिसमें अंतर करने के लिए बहुत कम सैंपल की आवश्यकता होती है।

यह वैज्ञानिकों को "क्वांटम एडवांटेज" (यह साबित करना कि क्वांटम कंप्यूटर कुछ ऐसा कर रहा है जिसे क्लासिकल कंप्यूटर आसानी से नकल नहीं कर सकता) को सिद्ध करने का एक नया, मजबूत तरीका देता है, बिना एरर-करेक्शन या गहरे सर्किटों की प्रतीक्षा किए।

शीर्षक: उथले ऑल-टू-ऑल रैंडम क्वांटम सर्किट्स का सैंपल-एफिशिएंट बेंचमार्किंग

समस्या विवरण
रैंडम सर्किट सैंपलिंग (RCS) शोर वाले इंटरमीडिएट-स्केल क्वांटम (NISQ) हार्डवेयर में क्वांटम लाभ प्रदर्शित करने के लिए एक प्राथमिक ढांचा है। हालांकि, मौजूदा बेंचमार्क, विशेष रूप से लीनियर क्रॉस-एंट्रॉपी बेंचमार्क (LXEB), को उन क्लासिकल एल्गोरिदम द्वारा "स्पूफिंग" (spoofing) किए जाने के प्रति संवेदनशील पाया गया है जो आदर्श आउटपुट वितरण से निष्ठापूर्वक नमूने नहीं लेते हैं। यह संवेदनशीलता एक महत्वपूर्ण प्रश्न खड़ा करती है: क्या ऐसे सैंपल-एफिशिएंट बेंचमार्क मौजूद हैं जो उथले-डेप्थ (shallow-depth) रैंडम सर्किट्स के विशेष क्षेत्र में वास्तविक शोर वाले क्वांटम हार्डवेयर और अत्याधुनिक क्लासिकल स्पूफर्स के बीच अंतर कर सकें? जबकि यह प्रमाण मिलता है कि उथले रैंडम सर्किट्स से सैंपलिंग एक निश्चित डेप्थ थ्रेशोल्ड के बाद क्लासिकली इंट्रैक्टेबल (classically intractable) हो सकती है, वर्तमान में कोई भी मौजूदा बेंचमार्क इस क्षेत्र में एक वास्तविक शोर वाले क्वांटम कंप्यूटर और एक प्रतिकूल क्लासिकल स्पूफर के बीच विश्वसनीय रूप से अंतर नहीं कर सकता है।

कार्यप्रणाली (Methodology)
लेखक ऑल-टू-ऑल ब्राउनियन रैंडम सर्किट एनसेम्बल्स पर आधारित एक सैद्धांतिक ढांचे का उपयोग करते हैं। डिस्क्रीट हेयर-रैंडम (Haar-random) सर्किट्स के विपरीत, ब्राउनियन सर्किट्स निरंतर-समय एनालॉग हैं जो गाऊसी व्हाइट-नॉइज़ कपलिंग द्वारा नियंत्रित रैंडम ऑल-टू-ऑल 2-क्विबिट इंटरैक्शन से बने होते हैं। यह मॉडल RCS के लिए एक विश्लेषणात्मक रूप से सुलभ "प्रयोगशाला" के रूप में कार्य करता है।

मुख्य तकनीकी दृष्टिकोण निम्नलिखित है:

सांख्यिकीय यांत्रिकी मैपिंग (Statistical Mechanics Mapping): लेखक यूनिटरी मैट्रिसेस के मोमेंट्स (विशेष रूप से $2k$ कॉपियां या रेप्लिकस) के एनसेम्बल औसत को एक इनवर्स टेम्परेचर $\beta$ (जो सर्किट डेप्थ के समानुपाती है) पर एक क्वांटम सांख्यिकीय यांत्रिकी समस्या में मैप करते हैं। यह एक प्रभावी मेनी-बॉडी हैमिल्टोनियन, $H^{(k)}_{\text{eff}}$ प्रदान करता है।
लार्ज- $n$ (मीन-फील्ड) विधियाँ: ऑल-टू-ऑल कनेक्टिविटी का उपयोग करते हुए, लेखक $H^{(k)}_{\text{eff}}$ के स्पेक्ट्रम को हल करने के लिए लार्ज- $n$ (मीन-फील्ड) तकनीकों को लागू करते हैं। यह आउटपुट प्रोबेबिलिटी डिस्ट्रीब्यूशन के मनमाने उच्च मोमेंट्स की सटीक गणना करने की अनुमति देता है, जो डिस्क्रीट यूनिटरी सर्किट्स के लिए अत्यंत कठिन कार्य है।
रेप्लिका ट्रिक्स (Replica Tricks): प्रोबेबिलिटी के लॉग के माध्य जैसी नॉनलीनर मात्राओं की गणना करने के लिए, लेखक रेप्लिका ट्रिक्स का उपयोग करते हैं। इसमें पूर्णांक $k$ के लिए मोमेंट्स $\langle q^k \rangle$ की गणना करना, उन्हें कॉम्प्लेक्स प्लेन तक निरंतर (continue) करना, $k$ के सापेक्ष डिफरेंशिएट करना और $k \to 0$ की सीमा लेना शामिल है।
नॉइज़ मॉडलिंग: सिंगल-क्विबिट डिपोलराइजिंग नॉइज़ को परटर्बेशन थ्योरी के माध्यम से मॉडल में शामिल किया गया है, जिसमें नॉइज़ रेट $\gamma$ को कपलिंग स्ट्रेंथ $J$ के सापेक्ष एक छोटे पैरामीटर के रूप में माना गया है।
संख्यात्मक सत्यापन (Numerical Validation): ब्राउनियन मॉडल से प्राप्त विश्लेषणात्मक परिणामों की पुष्टि हेयर-रैंडम 2-क्विबिट गेट्स (40 क्विबिट्स तक) से बने डिस्क्रीट ऑल-टू-ऑल रैंडम क्वांटम सर्किट्स के संख्यात्मक सिमुलेशन द्वारा की गई है।

प्रमुख योगदान और परिणाम

नॉनलीनर क्रॉस-एंट्रॉपी ( $\log \text{XEB}$ ) एक सैंपल-एफिशिएंट बेंचमार्क के रूप में:
लेखक सर्किट डेप्थ, सिस्टम साइज $n$ , और नॉइज़ रेट $\gamma$ के फलन (function) के रूप में एनसेम्बल-एवरेज नॉनलीनर क्रॉस-एंट्रॉपी ( $\log \text{XEB}$ ) और इसके वेरिएंस के सटीक विश्लेषणात्मक व्यंजक प्राप्त करते हैं।

परिणाम: उथले-डेप्थ शासन ( $\log n \gtrsim \beta J \gg 1$ ) में, $\log \text{XEB}$ के अनुमान के लिए सिग्नल-टू-नॉइज़ रेशियो सिस्टम साइज के इनवर्स पॉलिनोमियल के रूप में स्केल करता है।
निहितार्थ: गहरे सर्किट्स के विपरीत जहाँ $\log \text{XEB}$ के अनुमान के लिए एक्सपोनेंशियल सैंपल्स की आवश्यकता होती है, नॉनलीनर क्रॉस-एंट्रॉपी उथले सर्किट्स के लिए सैंपल-एफिशिएंट है। यह पूरी तरह से क्लीन सैंपलर ( $\gamma=0$ ), नॉइजी क्वांटम सैंपलर ( $\gamma > 0$ ), और "हार्वर्ड" स्पूफिंग एल्गोरिदम (जिसे $\gamma \to \infty$ की सीमा के रूप में मॉडल किया गया है) के बीच एक सख्त पदानुक्रम स्थापित करता है, जिससे उन्हें विश्वसनीय रूप से अलग किया जा सकता है।

हैवी आउटपुट जनरेशन (HOG) बाइनरी क्लासिफायर:
लेखक "हैवी आउटपुट जनरेशन" (HOG) की अवधारणा पर आधारित एक नया बाइनरी क्लासिफिकेशन प्रोटोकॉल विकसित करते हैं, जो रैंडम क्वांटम सर्किट्स द्वारा विशिष्ट "हैवी" बिटस्ट्रिंग्स को उच्च संभाव्यता के साथ उत्पन्न करने की प्रवृत्ति का लाभ उठाता है।

परिणाम: इस क्लासिफायर में कम डेप्थ पर लॉग-रिदम सैंपल कॉम्प्लेक्सिटी ( $m \sim \log n$ ) होती है। यह एक नॉइजी क्वांटम सैंपलर और एक क्लासिकल स्पूफर के बीच उच्च संभाव्यता के साथ अंतर करने के लिए केवल एक सिंगल बिटस्ट्रिंग सैंपल की आवश्यकता रखता है।
तंत्र (Mechanism): क्लासिफायर एक निर्णय सीमा (थ्रेशोल्ड स्कोर $z^*$ ) का उपयोग करता है जो क्लीन क्वांटम सैंपलर्स (जो उच्च स्कोर को प्राथमिकता देते हैं) के स्कोर डिस्ट्रीब्यूशन को क्लासिकल स्पूफर्स (जो निम्न स्कोर को प्राथमिकता देते हैं) से अलग करता है। मिसक्लासिफिकेशन की संभावना सैंपल्स की संख्या के साथ एक्सपोनेंशियल रूप से घटती है।

विश्लेषणात्मक व्यंजक (Analytical Expressions):
लेखक निम्नलिखित के लिए क्लोज्ड-फॉर्म एक्सप्रेशन प्रदान करते हैं:

औसत नॉनलीनर क्रॉस-एंट्रॉपी: $\log \text{XEB} = nH\left(\frac{1+a}{2}\right) + \gamma_e - e^{-n\beta\gamma}$ (जहाँ $a = e^{-12\beta J}$ और $H$ बाइनरी एंट्रॉपी है)।
नॉनलीनर क्रॉस-एंट्रॉपी का वेरिएंस, जो एक क्रॉसओवर पॉइंट ( $c=1/2$ ) के नीचे या ऊपर होने के आधार पर अलग-अलग स्केलिंग व्यवहार दिखाता है।

महत्व और दावे
यह पेपर दावा करता है कि नॉनलीनर क्रॉस-एंट्रॉपी उथले-डेप्थ ऑल-टू-ऑल रैंडम सर्किट्स के लिए एक व्यवहार्य, सैंपल-एफिशिएंट बेंचमार्क है, एक ऐसा क्षेत्र जहाँ पिछले बेंचमार्क विफल रहे थे या जिन्हें स्पूफ किया जा सकता था। लेखक तर्क देते हैं कि यह मेट्रिक डिपोलराइजिंग नॉइज़ की उपस्थिति में भी वास्तविक नॉइजी क्वांटम हार्डवेयर को अत्याधुनिक क्लासिकल स्पूफर्स (विशेष रूप से हार्वर्ड एल्गोरिदम) से विश्वसनीय रूप से अलग कर सकता है।

इसके अलावा, प्रस्तावित HOG-आधारित बाइनरी क्लासिफायर न्यूनतम डेटा के साथ क्वांटम एडवांटेज के त्वरित सत्यापन को सक्षम करके, मीन एस्टीमेशन (माध्य अनुमान) के लिए आवश्यक पॉलिनोमियल कॉम्प्लेक्सिटी से लॉगरिदमिक कॉम्प्लेक्सिटी तक कम करके एक महत्वपूर्ण व्यावहारिक लाभ प्रदान करता है।

लेखक नोट करते हैं कि हालांकि उनके परिणाम ब्राउनियन सर्किट एनसेम्बल्स से प्राप्त किए गए हैं, संख्यात्मक सिमुलेशन पुष्टि करते हैं कि ये निष्कर्ष डिस्क्रीट ऑल-टू-ऑल रैंडम सर्किट्स पर भी लागू होते हैं। वे सुझाव देते हैं कि ये बेंचमार्क विशेष रूप से उन प्लेटफॉर्म्स के लिए प्रासंगिक हो सकते हैं जिनमें ऑल-टू-ऑल कनेक्टिविटी है, जैसे कि न्यूट्रल एटम और ट्रैप्ड-आयन क्वांटम कंप्यूटर्स, जहाँ इन मेट्रिक्स का उपयोग करके लॉजिकल रैंडम सर्किट सैंपलिंग का मूल्यांकन किया जा सकता है। यह पेपर स्पष्ट रूप से कहता है कि अन्य संभावित स्पूफिंग एल्गोरिदम के विरुद्ध अधिक कठोर विश्लेषण भविष्य के कार्य के लिए छोड़ दिया गया है।

समस्या: "नकली" स्कोर

समाधान 1: "डीप डाइव" टेस्ट (नॉनलीनियर क्रॉस-एन्ट्रॉपी)

समाधान 2: "हैवी हिटर" डिटेक्टर (बाइनरी क्लासिफायर)

उन्होंने यह कैसे किया (द "सीक्रेट सॉस")

निचोड़ (The Bottom Line)

इसी तरह के और पेपर