⚛️ quantum physics

Faster matrix product state preparation by exploiting symmetry-induced block-sparsity

यह शोधपत्र $U(1)$ -समरूपताओं (symmetries) का लाभ उठाकर टेंसरों को ब्लॉक-डायगोनल रूप में बदलने और यूनिटरी संश्लेषण (unitary synthesis) को अनुकूलित करने के माध्यम से क्वांटम कंप्यूटरों पर ब्लॉक-स्पार्स मैट्रिक्स प्रोडक्ट स्टेट्स की फॉल्ट-टोलरेंट तैयारी को महत्वपूर्ण रूप से त्वरित करने की एक विधि प्रस्तावित करता है, जिससे अत्याधुनिक दृष्टिकोणों की तुलना में टोफोली (Toffoli) लागत में 10-30 गुना कमी आती है।

मूल लेखक: Felix Rupprecht, Sabine Wölk

प्रकाशित 2026-05-28

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Felix Rupprecht, Sabine Wölk

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 लेगो (LEGO) का एक विशाल, जटिल किला बनाने की कोशिश कर रहे हैं। क्वांटम भौतिकी की दुनिया में, यह किला एक जटिल अणु या पदार्थ की अवस्था (state) का प्रतिनिधित्व करता है। इसे एक क्वांटम कंप्यूटर पर सिम्युलेट करने के लिए, वैज्ञानिक एक ब्लूप्रिंट का उपयोग करते हैं जिसे मैट्रिक्स प्रोडक्ट स्टेट (MPS) कहा जाता है। MPS को लेगो ईंटों की एक लंबी श्रृंखला के रूप में समझें, जहाँ प्रत्येक ईंट में अगली ईंट से कैसे जुड़ने के निर्देश होते हैं।

समस्या यह है कि बड़े सिस्टम के लिए, ये ब्लूप्रिंट अविश्वसनीय रूप से विशाल और अस्त-व्यển हो जाते हैं। यदि आप इस ब्लूप्रिंट को क्वांटम कंप्यूटर में लोड करने की कोशिश करते हैं, तो इसमें बहुत अधिक समय और ऊर्जा (विशेष रूप से, एक प्रकार का डिजिटल "ईंधन" जिसे टोफ़ोली गेट्स (Toffoli gates) कहा जाता है) खर्च होता है।

यहाँ इस शोध पत्र के लेखकों ने इन सरल उपमाओं का उपयोग करके इस समस्या को कैसे हल किया है:

1. छिपा हुआ क्रम (Symmetry)

कई रासायनिक प्रणालियों में, प्रकृति के सख्त नियम होते हैं, जैसे कि "आप कणों को शून्य से पैदा नहीं कर सकते या नष्ट नहीं कर सकते" या "स्पिन (spin) संरक्षित रहना चाहिए।" भौतिकी की भाषा में, इन्हें सिमेट्री (Symmetries) कहा जाता है।

जब आप इन प्रणालियों के लिए लेगो ब्लूप्रिंट (MPS) को देखते हैं, तो आप कुछ दिलचस्प देखते हैं: यह कोई रैंडम कचरा नहीं है। इसमें एक छिपा हुआ ढांचा है। अधिकांश निर्देश खाली या शून्य हैं क्योंकि प्रकृति के नियम कुछ विशेष कनेक्शनों को वर्जित करते हैं। ब्लूप्रिंट ब्लॉक-स्पार्स (block-sparse) है।

उपमा: एक विशाल स्प्रेडशीट की कल्पना करें जहाँ 90% सेल खाली हैं क्योंकि नियमों के अनुसार वे संयोजन असंभव हैं। डेटा केवल सेल्स के विशिष्ट, अलग-थलग "ब्लॉक्स" में मौजूद है।

2. पुराना तरीका: पूरे ट्रक को ढोना

पहले, जब वैज्ञानिक इस ब्लूप्रिंट को क्वांटम कंप्यूटर में लोड करना चाहते थे, तो वे इसे एक घने, ठोस ब्लॉक की तरह मानते थे। भले ही अधिकांश डेटा खाली था, उन्हें पूरे ग्रिड को प्रोसेस करना पड़ता था, जिसमें सभी शून्य भी शामिल थे।

उपमा: यह एक गोदाम से भरे बक्सों को ले जाने वाले ट्रक की तरह है, लेकिन 90% बक्से खाली हवा हैं। फिर भी आपको पूरा ट्रक चलाना पड़ता है, ईंधन के लिए भुगतान करना पड़ता है, और खाली जगह को ले जाने के लिए ड्राइवरों को काम पर रखना पड़ता है। यह अविश्वसनीय रूप से अक्षम है।

3. नया तरीका: फर्नीचर को पुनर्व्यवस्थित करना

लेखकों ने उन खाली जगहों का लाभ उठाने का एक चतुर तरीका खोजा। उन्होंने महसूस किया कि चूंकि डेटा विशिष्ट "ब्लॉक्स" में व्यवस्थित है, इसलिए वे फर्नीचर को पुनर्व्यवस्थित (rearrange the furniture) कर सकते हैं।

उन्होंने ब्लूप्रिंट को इधर-उधर करने के लिए गणितीय "परम्यूटेशन" (rows और columns को बदलना) का उपयोग किया।

जादुई चाल: Rows और columns को बदलकर, वे उन बिखरे हुए, अलग-थलग ब्लॉक्स के डेटा को मैट्रिक्स के विकर्ण (diagonal) के साथ पूरी तरह से संरेखित कर सकते थे।
उपमा: कल्पना करें कि आपके पास एक बिखरा हुआ कमरा है जहाँ खिलौने हर जगह फैले हुए हैं। पूरे कमरे को साफ करने के बजाय, आप महसूस करते हैं कि सभी खिलौने वास्तव में विशिष्ट ढेरों में हैं। आप बस उन ढेरों को एक साथ धकेल कर एक सीधी पंक्ति में व्यवस्थित कर देते हैं। अब, पूरे कमरे को साफ करने के बजाय, आपको केवल उस एक सीधी पंक्ति को साफ करना होगा।

4. परिणाम: एक बहुत छोटा काम

एक बार जब डेटा इन व्यवस्थित "ब्लॉक्स" में संरेखित हो जाता है, तो क्वांटम कंप्यूटर को अब पूरे विशाल मैट्रिक्स को प्रोसेस करने की आवश्यकता नहीं होती है। उसे केवल सबसे बड़े एकल ब्लॉक को प्रोसेस करने की आवश्यकता होती है।

लाभ: लेखकों ने दिखाया कि इस पुनर्व्यवस्था को करके, वे अवस्था (state) तैयार करने के लिए आवश्यक "ईंधन" (Toffoli cost) को 10 से 30 गुना तक कम कर सकते हैं।
उपमा: कुछ बक्सों को ले जाने के लिए 50 टन के ट्रक को चलाने के बजाय, उन्होंने महसूस किया कि वे बस एक छोटा पिकअप ट्रक इस्तेमाल कर सकते हैं। उन्होंने भारी मात्रा में ईंधन बचाया।

5. वास्तविक संख्याओं (Real Numbers) के लिए एक बोनस ट्रिक

शोध पत्र में यह भी उल्लेख है कि कई रासायनिक प्रणालियाँ "वास्तविक संख्याओं" (सरल गणित) का उपयोग करती हैं, न कि जटिल संख्याओं (complex numbers) का। लेखकों ने इन विशिष्ट मामलों के लिए इस प्रक्रिया को और भी तेज़ (लगभग 1.4 या $\sqrt{2}$ के कारक से) बनाने के लिए अपने तरीके में सुधार किया।

सारांश

संक्षेप में, शोध पत्र कहता है: "हमने पाया कि क्वांटम केमिस्ट्री सिमुलेशन के ब्लूप्रिंट प्रकृति के नियमों के कारण खाली स्थान से भरे होते हैं। इसे अनदेखा करने और सब कुछ प्रोसेस करने के बजाय, हमने उपयोगी हिस्सों को एक साथ समूहबद्ध करने के लिए डेटा को पुनर्व्यवस्थित किया। इसने हमें काम के आकार को नाटकीय रूप से कम करने में मदद की, जिससे क्वांटम कंप्यूटर पर इन अवस्थाओं को तैयार करना बहुत सस्ता और तेज़ हो गया।"

लेखकों ने वास्तविक आणविक प्रणालियों (जैसे एंजाइम और आयरन-सल्फर क्लस्टर) पर अपने तरीके का परीक्षण किया और पुष्टि की कि उनकी विधि वर्तमान मानक विधियों की तुलना में काफी अधिक कुशल है।

तकनीकी सारांश: समरूपता-प्रेरित ब्लॉक-विरलता (Block-Sparsity) का लाभ उठाकर तेज़ मैट्रिक्स प्रोडक्ट स्टेट तैयारी

समस्या विवरण
मैट्रिक्स प्रोडक्ट स्टेट्स (MPS), क्वांटम केमिस्ट्री और कंडक्टेड-मैटर फिजिक्स में क्वांटम सिस्टमों के अनुकरण (Simulation) के लिए एक प्राथमिक उपकरण हैं, विशेष रूप से स्थानीय एक-आयामी गैप्ड हैमिल्टोनियन (gapped Hamiltonians) के ग्राउंड स्टेट्स खोजने के लिए। इन अवस्थाओं को क्वांटम कंप्यूटरों पर तैयार करना क्वांटम फेज एस्टीमेशन (QPE) जैसे एल्गोरिदम के लिए एक महत्वपूर्ण कदम है। जबकि मानक फॉल्ट-टोलरेंट तैयारी विधियाँ (जैसे कि अनसैल-असिस्टेड लीनियर-डेप्थ दृष्टिकोण) मौजूद हैं, वे अक्सर MPS टेंसरों को सघन (dense) मैट्रिसेस के रूप में मानती हैं। हालांकि, कई भौतिक प्रणालियाँ जिनमें $U(1)$ -समरूपता (कण संख्या और स्पिन प्रोजेक्शन का संरक्षण) होती है, वे MPS टेंसरों में एक ब्लॉक-स्पार्स संरचना उत्पन्न करती हैं। क्लासिकल एल्गोरिदम जैसे कि डेंसिटी मैट्रिक्स रिनॉर्मलाइजेशन ग्रुप (DMRG) दक्षता के लिए इस विरलता (sparsity) का लाभ उठाते हैं, लेकिन मानक क्वांटेंट तैयारी सर्किट इसका पूर्ण लाभ नहीं उठा पाते हैं, जिससे संसाधन लागत (विशेष रूप से टोफोली गेट काउंट) अनावश्यक रूप से अधिक हो जाती है।

कार्यप्रणाली
लेखक ब्लॉक-स्पार्स MPS की तैयारी लागत को कम करने के लिए अंतर्निहित यूनिटरी ऑपरेशन्स को ब्लॉक-डायगोनल रूप में बदलने की एक विधि प्रस्तावित करते हैं। यह दृष्टिकोण मानक अनसैल-असिस्टेड तैयारी योजना पर आधारित है जहाँ एक MPS को यूनिटरीज़ $U_i$ के एक अनुक्रम के माध्यम से तैयार किया जाता है।

ब्लॉक-विरलता का लाभ उठाना:
$U(1)$ -समरूपता वाले सिस्टम के लिए MPS टेंसर $M_i$ ब्लॉक-स्पार्स होते हैं। लेखक प्रदर्शित करते हैं कि $U'_i$ मैट्रिक्स (जो टेंसर ब्लॉक्स के ट्रांसपोज़ को स्टैक करके बनाया गया है) इस संरचना को विरासत में प्राप्त करता है, जहाँ प्रत्येक ब्लॉक रो और कॉलम में केवल एक गैर-शून्य (non-zero) ब्लॉक होता है।

परम्यूटेशन रणनीति: विधि गैर-शून्य ब्लॉक्स को पुनर्व्यवस्थित करने के लिए रो और कॉलम परम्यूटेशन मैट्रिसेस ( $P_r$ और $P_c$ ) का उपयोग करती है।
ब्लॉक-डायगोजनीकरण: यूनिटरी एक्सटेंशन $U_i = [U'_i \mid \ast]$ के अनिर्दिष्ट प्रविष्टियों (जिन्हें $\ast$ द्वारा दर्शाया गया है) को पूरक आयताकार ब्लॉक्स से भरकर, मैट्रिक्स को एक ब्लॉक-डायगोनल यूनिटरी $V$ में परिवर्तित किया जाता है। यह $U_i$ के संश्लेषण (synthesis) को एक एकल बड़े सघन यूनिटरी के बजाय छोटे, स्वतंत्र यूनिटरी ब्लॉक्स के संश्लेषण में विघटित करने की अनुमति देता है।

अनुकूलित यूनिटरी सिंथेसिस:
ब्लॉक-डायगोनल यूनिटरीज़ को गिवेंस रोटेशन्स (Givens rotations) का उपयोग करके सिंथेसाइज किया जाता है।

वास्तविक-मान अनुकूलन (Real-Valued Optimization): लेखक बेरी एट अल. [8] के यूनिटरी सिंथेसिस दृष्टिकोण को संशोधित करते हैं। वास्तविक-मान वाली यूनिटरीज़ के लिए (जो इन सिस्टमों में सामान्य हैं), वे प्रदर्शित करते हैं कि आवश्यक टोफोली गेट्स की संख्या को $\sqrt{2}$ के कारक से कम किया जा सकता है। यह केवल $R_y$ रोटेशन्स का उपयोग करके ( $R_z$ गेट्स को हटाकर) और एक फेज-ग्रेडिएंट फ्रेमवर्क का उपयोग करके प्राप्त किया जाता है।
लेयर अलाइनमेंट: पूरे ब्लॉक-डायगोनल मैट्रिक्स को कुशलतापूर्वक सिंथेसाइज करने के लिए, लेखक व्यक्तिगत ब्लॉक्स के गिवेंस रोटेशन लेयर्स को संरेखित करते हैं। वे मूल आधार (basis) और ब्लॉक-डायगोनल आधार के बीच रूपांतरण के लिए आवश्यक परम्यूटेशन मैट्रिसेस ( $W$ और $Q$ ) को साइन-फ्लिप सुधारों के साथ QROAM का उपयोग करके संभालते हैं, जिससे यह सुनिश्चित होता है कि लागत प्रबंधनीय बनी रहे।

मुख्य योगदान

ब्लॉक-डायगोनल ट्रांसफॉर्मेशन: रो/कॉलम परम्यूटेशन और रणनीतिक फिलिंग के माध्यम से ब्लॉक-स्पार्स MPS टेंसरों को ब्लॉक-डायगोनल यूनिटरीज़ में बदलने की एक नवीन प्रक्रिया। यह संश्लेषण लागत को कुल बॉन्ड डायमेंशन के बजाय सबसे बड़े ब्लॉक के आकार द्वारा निर्धारित होने से कम कर देता है।
वास्तविक यूनिटरीज़ के लिए $\sqrt{2}$ की गति (Speedup): बेरी एट अल. के यूनिटरी सिंथेसिस एल्गोरिदम का एक संशोधन जो अनावश्यक $R_z$ रोटेशन्स को हटाकर वास्तविक-मान वाली यूनिटरीज़ के लिए टोफोली लागत को $\sqrt{2}$ के कारक से कम करता है।
संसाधन बेंचमार्किंग: विभिन्न बॉन्ड डायमेंशन और स्पिन स्टेट्स के साथ आणविक प्रणालियों (जैसे P450 एंजाइम के एक्टिव स्पेस और आयरन-सल्फर क्लस्टर) के लिए क्वाल्ट्रान (Qualtran) फ्रेमवर्क के भीतर एल्गोरिदम का कार्यान्वयन और कठोर संसाधन अनुमान।

परिणाम
मजबूत सह-संबद्ध आणविक प्रणालियों (जैसे P450, [Fe $_2$ S $_2$ ], [Fe $_4$ S $_4$ ]) पर संख्यात्मक बेंचमार्क, जिनमें अलग-अलग बॉन्ड डायमेंशन और स्पिन स्टेट्स हैं, महत्वपूर्ण सुधार दिखाते हैं:

टोफोली लागत में कमी: प्रस्तावित विधि सघन तैयारी विधियों (दोनों सघन और वास्तविक-मान अनुकूलन के साथ) की तुलना में 10 से 30 के कारक तक टोफोली लागत सुधार प्राप्त करती है।
विरलता के साथ सहसंबंध: यह गति (speedup) उन प्रणालियों में सबसे अधिक स्पष्ट है जहाँ बॉन्ड डायमेंशन अधिक है और टेंसरों में गैर-शून्य प्रविष्टियों का घनत्व कम है। लेखक नोट करते हैं कि प्राप्त स्पीडअप सैद्धांतिक अधिकतम का लगभग आधा है (जो कि टेंसर घनत्व के व्युत्क्रम का $\sqrt{ \text{ } 2}$ होगा), जो ब्लॉकिंग स्टेप में और अधिक अनुकूलन की गुंजाइश का सुझाव देता है।
क्विबिट ओवरहेड: परम्यूटेशन सर्किट एक एकल यूनिटरी सिंथेसिस लेयर के बराबर लागत जोड़ते हैं, जो कुल बचत के सापेक्ष प्रबंधनीय है।

महत्व और दावे
यह पेपर दावा करता है कि समरूपता-प्रेरित ब्लॉक-विरलता का लाभ उठाना फॉल्ट-टोलरेंट क्वांटम कंप्यूटरों पर एंड-टू-एंड ग्राउंड-स्टेट एनर्जी एस्टीमेशन को अधिक कुशल बनाने के लिए एक महत्वपूर्ण कदम है।

QPE के लिए प्रासंगिकता: हालिया एल्गोरिथमिक प्रगति ने QPE के फेज एस्टीमेशन वाले हिस्से की लागत को कम कर दिया है, जिससे प्रारंभिक अवस्था तैयारी की लागत के साथ अंतर कम हो गया है। प्रारंभिक अवस्था तैयारी की लागत को महत्वपूर्ण रूप से कम करके, यह कार्य उच्च-गुणवत्ता वाली प्रारंभिक अवस्थाओं (बड़े बॉन्ड डायमेंशन के साथ) के उपयोग की अनुमति देता है बिना अत्यधिक संसाधन ओवरहेड के।
क्लासिकल और क्वांटम का एकीकरण: यह कार्य क्लासिकल सिमुलेशन तकनीकों (जो पहले से ही ब्लॉक-विरलता का उपयोग करती हैं) और क्वांटम सिमुलेशन के बीच एक सेतु के रूप में कार्य करता है, जिससे यह सुनिश्चित होता है कि क्वांटम संसाधन अनुमान लक्षित प्रणालियों की भौतिक समरूपताओं को दर्शाते हैं।
भविष्य की दिशाएं: लेखक सुझाव देते हैं कि ब्लॉकिंग स्टेप को अनुकूलित करके या स्पिन-एडेप्टेड $SU(2)$ रूपों के लिए योजना को अनुकूलित करके और सुधार किए जा सकते हैं। वे स्लेटर डिटर्मिनेंट्स के स्पार्स सम (sparse sums) तैयार करने या एडियाबेटिक/डिसिपेटिव तकनीकों का उपयोग करने जैसे अन्य तरीकों के विरुद्ध प्रत्यक्ष MPS तैयारी की तुलना करने की आवश्यकता पर भी प्रकाश डालते हैं।

लेखक निष्कर्ष निकालते हैं कि उनका दृष्टिकोण केमिस्ट्री और कंडक्टेड-मैटर फिजिक्स के लिए क्लासिकल और क्वांटम सिमुलेशन को जोड़ने के लिए एक अभिन्न अंग है, जो इन क्षेत्रों में क्वांटम एडवांटेज के लिए कुल संसाधन आवश्यकताओं को कम करने का एक ठोस मार्ग प्रदान करता है।