⚛️ nuclear theory

Qubit-efficient variational algorithm for nuclear structure

यह शोध पत्र $^{10}$ B और $^{12}$ C नाभिकों की जमीनी अवस्थाओं (ground states) का अध्ययन करने के लिए वेरिएशनल क्वांटम आइजनसोलवर (VQE) ढांचे के भीतर तीन क्यूबिट-मैपिंग रणनीतियों की तुलना करता है, जो यह प्रदर्शित करता है कि स्लेटर डिटर्मिनेंट (SD) मैपिंग क्वांटम हार्डवेयर पर उच्चतम सटीकता प्रदान करती है जबकि चार्ज-सिमेट्री एडेप्टेड (cSD) मैपिंग जटिल नाभिकों तक विस्तार करने के लिए बेहतर क्यूबिट दक्षता प्रदान करती है।

मूल लेखक: Chandan Sarma, Paul Stevenson

प्रकाशित 2026-05-29

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Chandan Sarma, Paul Stevenson

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 जिग्सॉ पज़ल (jigsaw puzzle) को हल करने की कोशिश कर रहे हैं। यह पज़ल एक परमाणु नाभिक (atomic nucleus) के "ग्राउंड स्टेट" (सबसे स्थिर, निम्नतम-ऊर्जा व्यवस्था) का प्रतिनिधित्व करती है, जैसे कि बोरॉन-10 और कार्बन-12 जैसे तत्वों के लिए। भौतिकी की दुनिया में, इन सूक्ष्म कणों के व्यवस्थित होने के तरीके को समझना एक ऐसे पूर्ण चित्र को खोजने जैसा है जो अरबों गलत संभावनाओं के बीच छिपा हो।

पारंपरिक रूप से, वैज्ञानिक इसे हल करने के लिए शक्तिशाली क्लासिकल कंप्यूटरों का उपयोग करते हैं, लेकिन जैसे-जैसे पज़ल बड़ी होती जाती है (अधिक कणों के साथ), संभावित व्यवस्थाओं की संख्या इतनी तेजी से बढ़ती है कि सबसे अच्छे सुपरकंप्यूटर भी फंस जाते हैं। यहीं पर क्वांटम कंप्यूटिंग काम आती है। यह एक नए प्रकार के जादुई पज़ल सॉल्वर की तरह है जो एक साथ कई संभावनाओं को देख सकता है।

यह शोध पत्र इस बात का परीक्षण करने के बारे में है कि क्वांटम कंप्यूटर की समझ में इस परमाणु पज़ल को अनुवादित करने के लिए तीन अलग-अलग "रणनीतियों" या "मानचित्रों" (mappings) का उपयोग कैसे किया जाए। शोधकर्ताओं ने VQE (वेरिएशनल क्वांटम आइजनसोल्वर) नामक एक विधि का उपयोग किया, जो कि एक 'ट्रायल-एंड-एरर' प्रक्रिया है जहाँ कंप्यूटर अपने सेटिंग्स को तब तक बदलता रहता है जब तक कि वह सबसे अच्छा समाधान न ढूंढ ले।

यहाँ परीक्षण की गई तीन रणनीतियों का सरल उपमाओं (analogies) का उपयोग करके विवरण दिया गया:

तीन रणनीतियाँ (मैपिंग)

क्वांटम कंप्यूटर के "क्यूबिट्स" (qubits - उनकी सूचना की बुनियादी इकाइयाँ) को एक बस की सीटों के रूप में सोचें। लक्ष्य पज़ल के सभी टुकड़ों (परमाणु अवस्थाओं) को कुशलतापूर्वक बस में बिठाना है।

1. "एक टुकड़े के लिए एक सीट" वाली रणनीति (SD मैपिंग)

यह कैसे काम करती है: कल्पना करें कि आपके पास 26 पज़ल के टुकड़े हैं। इस रणनीति में, आप प्रत्येक एकल पज़ल टुकड़े के लिए बस में एक विशिष्ट सीट आवंटित करते हैं। यदि आपके पास 26 टुकड़े हैं, तो आपको 26 सीटों की आवश्यकता होगी।
इसके लाभ (Pros): यह बहुत सीधा है। टुकड़ों के बीच परस्पर क्रिया के "नियम" सरल हैं, इसलिए कंप्यूटर को उत्तर की गणना करने के लिए बहुत अधिक मेहनत नहीं करनी पड़ती। यह एक बहुत ही स्पष्ट, सरल निर्देश पुस्तिका होने जैसा है।
इसकी कमियाँ (Cons): यह बहुत अधिक सीटों (क्यूबिट्स) का उपयोग करता है। यदि आपकी पज़ल बड़ी होती है, तो आपके पास बस में सीटें खत्म हो सकती हैं।
परिणाम: वास्तविक क्वांटम हार्डवेयर पर परीक्षण किए जाने पर, यह विधि सबसे सटीक थी, जो पूर्ण उत्तर से केवल 0.21% ही चूक गई। यह सबसे भरोसेमंद धावक था।

2. "स्प्लिट-टीम" (विभाजित टीम) रणनीति (pnSD मैपिंग)

यह कैसे काम करती है: यह रणनीति जगह बचाने के लिए पज़ल को दो टीमों में विभाजित करके काम करती है: "प्रोटॉन" और "न्यूट्रॉन"। हर टुकड़े को अपनी सीट देने के बजाय, यह उन्हें समूहों में बांट देती है। बोरॉन पज़ल के लिए, इसने 26 सीटों की आवश्यकता को घटाकर 20 कर दिया।
इसके लाभ (Pros): यह बस में जगह बचाता है (कम क्यूबिट्स)।
इसकी कमियाँ (Cons): इन टीमों के बीच परस्पर क्रिया के निर्देश अविश्वसनीय रूप से जटिल और अस्त-व्यस्त हो जाते हैं। कंप्यूटर को उत्तर खोजने के लिए बहुत सारे जटिल चरणों (गेट्स) को निष्पादित करना पड़ता है। यह दो टीमों के बीच एक नृत्य को समन्वित करने जैसा है जहाँ हर किसी को एक बहुत लंबे, भ्रमित करने वाले स्क्रिप्ट का पालन करना होता है।
परिणाम: क्योंकि निर्देश इतने जटिल थे और वर्तमान हार्डवेयर थोड़ा "शोर वाला" (noisy - जैसे कि बहुत अधिक बैकग्राउंड शोर वाला कमरा) है, इसलिए इस पद्धति को सबसे अधिक संघर्ष करना पड़ा, जिसमें त्रुटियां लगभग 8.88% थीं।

3. "मैजिक कम्प्रेशन" (जादुई संपीड़न) रणनीति (cSD मैपिंग)

यह कैसे काम करती है: यह सबसे अभिनव दृष्टिकोण है। हर टुकड़े को एक सीट देने के बजाय, शोधकर्ताओं ने एक चतुर तकनीक का उपयोग किया जिससे पूरी पज़ल को "कंप्रेस" (सिकोड़ना) किया जा सके। उन्होंने 26 टुकड़ों को एक ऐसे प्रारूप में सिकोड़ दिया जिसे केवल 5 सीटों (क्यूबिट्स) की आवश्यकता थी।
इसके लाभ (Pros): यह स्थान के मामले में अविश्वसनीय रूप से कुशल है। इसने उन्हें एक बड़ी, अधिक जटिल पज़ल (कार्बन-12) का अध्ययन करने की अनुमति दी, जो अन्य दो विधियों के साथ बस में फिट होना असंभव था।
इसकी कमियाँ (Cons): क्योंकि उन्होंने पज़ल को बहुत कसकर सिकोड़ा था, इसलिए "निर्देश पुस्तिका" बहुत लंबी और जटिल हो गई। सही उत्तर खोजने के लिए कंप्यूटर को कई अधिक नॉब्स (पैरामीटर्स) को एडजस्ट करना पड़ता है।
परिणाम: इसने ठीक-ठाक प्रदर्शन किया (बोरॉन के लिए लगभग 3.37% त्रुटि और कार्बन के लिए 6.82%)। हालांकि यह पहली विधि जितना सटीक नहीं था, लेकिन इसने सिद्ध किया कि आप बहुत कम संसाधनों के साथ बहुत बड़ी समस्याओं को हल कर सकते हैं।

प्रयोग और परिणाम

शोधकर्ताओं ने इन रणनीतियों को दो प्रकार के "टेस्ट ट्रैक" पर चलाया:

एक परफेक्ट सिम्युलेटर: एक शोर रहित कंप्यूटर सिमुलेशन जहाँ सब कुछ पूरी तरह से काम करता है।
वास्तविक क्वांटम हार्डवेयर: उन्होंने एक वास्तविक क्वांटम कंप्यूटर (IBM का ibm_fez) और एक शोर वाले सिम्युलेटर का उपयोग किया जो वास्तविक दुनिया की खामियों की नकल करता है।

मुख्य निष्कर्ष:

शोर (Noise) दुश्मन है: वास्तविक क्वांटम कंप्यूटर वर्तमान में "शोर वाले" हैं, जिसका अर्थ है कि वे छोटी गलतियाँ करते हैं। निर्देश जितने जटिल होंगे (जैसे कि pnSD रणनीति में), ये गलतियाँ उतनी ही अधिक जुड़ती जाएँगी।
त्रुटि सुधार (Error Correction): उन्होंने "जीरो-नॉइज़ एक्सट्रैपोलेशन" (ZNE) नामक तकनीक का उपयोग किया। कल्पना कीजिए कि आप एक धुंधली फोटो लेते हैं, फिर उसे दोबारा लेते हैं जब कैमरा थोड़ा और धुंधला होता है, और फिर गणित का उपयोग करके यह अनुमान लगाते हैं कि स्पष्ट फोटो कैसी दिखती। इसने परिणामों को साफ करने में मदद की।
विजेता: छोटे पज़ल (बोरॉन-10) के लिए, "एक-सीट-पर-टुकड़ा" (SD) रणनीति चैंपियन थी, जिसने वास्तविक हार्डवेयर पर भी लगभग सटीक उत्तर प्राप्त किया।
भविकी आशा: "मैजिक कम्प्रेशन" (cSD) रणनीति ने बहुत अच्छी क्षमता दिखाई। भले ही यह छोटे पज़ल के लिए सबसे सटीक नहीं थी, लेकिन इसने सिद्ध किया कि हम बिना सैकड़ों सीटों वाली बस के, बहुत बड़े और जटिल नाभिक (जैसे कार्बन-12) को हल कर सकते हैं।

मुख्य निष्कर्ष (The Bottom Line)

यह शोध पत्र क्वांटम कंप्यूटरों के साथ परमाणु नाभिक के बारे में बात करने के विभिन्न तरीकों के लिए एक "तनाव परीक्षण" (stress test) है।

यदि आप अभी अधिकतम सटीकता चाहते हैं, तो सीधा SD मैपिंग का उपयोग करें।
यदि आप सीमित क्वांटम संसाधनों के साथ बड़ी, कठिन समस्याओं को हल करना चाहते हैं, तो cSD मैपिंग सबसे कुशल उपकरण है, भले ही इसके लिए अधिक जटिल ट्यूनिंग की आवश्यकता हो।

लेखक निष्कर्ष निकालते हैं कि हालांकि अभी तक कोई भी विधि एकदम पूर्ण नहीं है, लेकिन "मैजिक कम्प्रेशन" (cSD) दृष्टिकोण आज के क्वांटम कंप्यूटरों पर जटिल परमाणु भौतिकी की समस्याओं को हल करने के लिए एक आशाजनक मार्ग है।

तकनीकी सारांश: परमाणु संरचना के लिए क्यूबिट-कुशल वेरिएशनल एल्गोरिदम

समस्या विवरण
परमाणु नाभिक का अध्ययन करने में न्यूक्लियर शेल मॉडल एक महत्वपूर्ण कम्प्यूटेशनल बाधा का सामना करता है: हिल्बर्ट स्पेस का आकार न्यूक्लिऑन की संख्या के साथ कॉम्बिनेटोरियल रूप से बढ़ता है, जिससे कई प्रणालियाँ शास्त्रीय कंप्यूटरों के लिए अव्यवहार्य हो जाती हैं। जबकि क्वांटम कंप्यूटिंग इन दृढ़ता से एंटेंगल्ड (entangled) अवस्थाओं को कुशलतापूर्वक सिम्युलेट करने के लिए एक मार्ग प्रदान करती है, वर्तमान नोइज़ी इंटरमीडिएट-स्केल क्वांटम (NISQ) डिवाइस क्यूबिट संख्या और सर्किट डेप्थ (circuit depth) द्वारा सीमित हैं। लेखकों के पिछले कार्य ने प्रदर्शित किया था कि कई-शरीर (many-body) कॉन्फ़िगरेशन को सीधे क्यूबिट्स में मैप करने से लो-डेप्थ सर्किट मिल सकते हैं, लेकिन इसके लिए बड़ी संख्या में क्यूबिट्स की आवश्यकता होती है, जो स्केलेबिलिटी को सीमित करता है। यह कार्य वेरिएशनल क्वांटम आइजनसोल्वर (VQE) का उपयोग करके परमाणु ग्राउंड स्टेट्स की गणना के लिए तीन अलग-अलग मैपिंग रणनीतियों की तुलना करके क्यूबिट दक्षता और सर्किट डेप्थ के बीच के संतुलन को संबोधित करता है।

कार्यप्रणाली
लेखक CKpot प्रभावी इंटरेक्शन का उपयोग करके दो मिड-पी-शेल नाभिकों, $^{10}\text{B}$ ( $3^+$ ) और $^{12}\text{C}$ ( $0^+$ ) की ग्राउंड स्टेट्स की जांच करते हैं। वे कई-कण आधार (स्लेटर डिटर्मिनेंट्स, SDs) को क्यूबिट हिल्बर्ट स्पेस में मैप करने के लिए तीन रणनीतियों की तुलना करते हैं:

स्लेटर डिटर्मिनेंट (SD) मैपिंग: प्रत्येक $N_{SD}$ कई-कण अवस्थाओं को एक एकल क्यूबिट में मैप किया जाता है। $^{10}\text{B}$ के लिए, इसके परिणामस्वरूप एक 26-क्यूबिट सिस्टम प्राप्त होता है। हैमिल्टनियन को पाउली स्ट्रिंग्स में परिवर्तित किया जाता है जहाँ प्रत्येक क्यूबिट एक पूर्ण SD का प्रतिनिधित्व करता है, जो स्वाभाविक रूप से एंटीसिमेट्री (antisymmetry) को ध्यान में रखता है। यह दृष्टिकोण एक सरल, लो-डेप्थ ट्रायल वेवफंक्शन प्रदान करता है लेकिन इसके लिए अधिकतम क्यूबिट्स की आवश्यकता होती है।
प्रोटॉन-न्यूट्रॉन स्लेटर डिटर्मिनेंट (pnSD) मैपिंग: SDs को प्रोटॉन और न्यूट्रॉन घटकों में विभाजित किया जाता है। अद्वितीय प्रोटॉन SDs और न्यूट्रॉन SDs को अलग-अलग क्यूबिट्स के रूप में सौंपा जाता है। $^{10}\text{B}$ के लिए, यह सिस्टम को 20 क्यूबिट्स (10 प्रोटॉन + 10 न्यूट्रॉन) तक कम कर देता है। हैमिल्टनियन को जॉर्डन-विगनर ट्रांसफॉर्मेशन का उपयोग करके मैप किया जाता है। यह क्यूबिट संख्या को कम करता है लेकिन कंट्रोल्ड एक्साइटेशन गेट्स और अधिक कम्यूटिंग पाउली समूहों के कारण सर्किट डेप्थ को बढ़ाता है।
कॉम्पैक्ट स्लेटर डिटर्मिनेंट (cSD) मैपिंग: यह रणनीति अधिकतम क्यूबिट दक्षता के लिए लक्षित है। हैमिल्टनियन मैट्रिक्स आयाम को निकटतम पावर ऑफ टू (जैसे, $^{10}\text{B}$ के लिए 26 $\to$ 32, $^{12}\text{C}$ के लिए 51 $\to$ 64) तक पैड किया जाता है और Qiskit का उपयोग करके एक पाउली स्ट्रिंग हैमिल्टनियन में परिवर्तित किया जाता है। इसके परिणामस्वरूप $^{10}\text{B}$ के लिए 5-क्यूबिट सिस्टम और $^{12}\text{C}$ के लिए 6-क्यूबिट सिस्टम प्राप्त होता है। ट्रायल वेवफंक्शन भौतिकी-प्रेरित एक्साइटेशन ऑपरेटर्स के बजाय एक हार्डवेयर-एफिशिएंट एंसेट्स (RY और CNOT गेट्स के वैकल्पिक लेयर्स) का उपयोग करता है। यह क्यूबिट और गेट काउंट को न्यूनतम करता है लेकिन इसके लिए काफी अधिक वेरिएशनल पैरामीटर्स की आवश्यकता होती है।

VQE अनुकूलन (optimization) को इष्टतम मापदंडों को निर्धारित करने के लिए एक नोइज़लेस स्टेटवेक्टर सिम्युलेटर पर SLSQP ऑप्टिमाइज़र का उपयोग करके किया गया था। इन फिक्स्ड-पैरामीटर सर्किट्स को फिर एक नॉइजी सिम्युलेटर (IBM का FakeFez बैकएंड) और वास्तविक क्वांटम हार्डवेयर (ibm_fez) पर निष्पादित किया गया। टू-क्यूबिट गेट्स के नॉइज़ लेवल को स्केल करके त्रुटियों को कम करने के लिए ज़ीरो-नॉइज़ एक्सट्रैपलेशन (ZNE) लागू किया गया था।

मुख्य परिणाम

संसाधन गणना (Resource Counts): SD मैपिंग के लिए $^{10}\text{B}$ के लिए 26 क्यूबिट्स की आवश्यकता थी लेकिन ऊर्जा मापन के लिए केवल 4 कम्यूटिंग पाउली समूह थे। pnSD मैपिंग के लिए 20 क्यूबिट्स और 530 कम्यूटिंग समूह चाहिए थे। cSD मैपिंग के लिए $^{10}\text{B}$ के लिए केवल 5 क्यूबिट और $^{12}\text{C}$ के लिए 6 क्यूबिट की आवश्यकता थी, जिसमें क्रमशः 122 और 365 कम्यूटिंग समूह थे।
हार्डवेयर पर सटीकता:
- $^{10}\text{B}$ के लिए, SD मैपिंग ने कम सर्किट डेप्थ और कम कम्यूटिंग समूहों के कारण हार्डवेयर पर सबसे सटीक पोस्ट-एरर-मिटिगेटेड परिणाम दिया, जिसका प्रतिशत त्रुटि सटीक शेल मॉडल परिणाम के सापेक्ष 0.21% थी।
- $^{10}\text{B}$ के लिए cSD मैपिंग का परिणाम 3.37% त्रुटि थी।
- $^{10}\text{B}$ के लिए pnSD मैपिंग ने 8.88% की त्रुटि दिखाई।
- $^{12}\text{C}$ के लिए, जो शास्त्रीय सिम्युलेटर्स पर SD और pnSD मैपिंग के लिए कम्प्यूटेशनल रूप से निषेध योग्य (prohibitive) था, cSD मैपिंग ने हार्डवेयर पर 6.82% की त्रुटि प्राप्त की।
वेवफंक्शन फिडेलिटी (Wavefunction Fidelity): cSD मैपिंग के लिए, हार्डवेयर पर सैंपल किए गए VQE वेवफंक्शन की फिडेलिटी (बिना एरर मिटिगेशन के) सटीक शेल मॉडल वेवफंक्शंस की तुलना में $^{10}\text{B}$ के लिए 0.942 और $^{12}\text{C}$ के लिए 0.915 थी।

महत्व और दावे
लेख का दावा है कि जबकि SD मैपिंग अपने कम सर्किट डेप्थ और कम कम्यूटिंग समूहों के कारण वर्तमान हार्डवेयर पर बेहतर सटीकता प्रदान करती है, cSD मैपिंग जटिल नाभिकों के लिए स्केलिंग हेतु सबसे आशाजनक रणनीति है। cSD दृष्टिकोण केवल 6 क्यूबिट का उपयोग करके $^{12}\text{C}$ की ग्राउंड स्टेट को परिभाषित करने की क्षमता प्रदर्शित करता है, जो एक ऐसा कार्य है जिसके लिए SD मैपिंग के लिए 51 क्यूबिट और pnSD के लिए 30 क्यूबिट की आवश्यकता होगी, जिससे दूसरा विकल्प मानक शास्त्रीय स्टेटवेक्टर सिम्युलेटर्स की पहुंच से बाहर हो जाता है।

लेखक निष्कर्ष निकालते हैं कि cSD मैपिंग, हालांकि इसमें अधिक वेरिएशनल पैरामीटर्स की आवश्यकता होती है, NISQ हार्डवेयर पर विभिन्न द्रव्यमान क्षेत्रों के जटिल परमाणु प्रणालियों का वर्णन करने के लिए आशाजनक है क्योंकि यह क्यूबिट-कुशल है। वे यह भी उल्लेख करते हैं कि SD और pnSD मैपिंग भविष्य के क्वांटम उपकरणों और अन्य क्वांटम एल्गोरिदम में प्रारंभिक अवस्था तैयारी (initial state preparation) के लिए मूल्यवान बनी हुई हैं जहाँ व्यक्तिगत स्लेटर डिटर्मिनेंट्स को एकल मापदंडों द्वारा नियंत्रित किया जा सकता है। यह कार्य क्यूबिट उपलब्धता, सर्किट डेप्थ और शास्त्रीय सिमुलेशन की कम्प्यूटेशनल लागत के आधार पर मैपिंग रणनीतियों के चयन के लिए एक तुलनात्मक ढांचा स्थापित करता है।

तीन रणनीतियाँ (मैपिंग)

प्रयोग और परिणाम

मुख्य निष्कर्ष (The Bottom Line)

इसी तरह के और पेपर