⚛️ quantum physics

Effect of isotropic errors on the complexity of Grover's algorithm

यह शोध पत्र एक नए विकसित पायथन लाइब्रेरी का उपयोग करके ग्रोवर के सर्च एल्गोरिदम पर आइसोट्रोपिक त्रुटियों के प्रभाव का संख्यात्मक विश्लेषण करता है, जो शोर वाले क्वांटम हार्डवेयर पर एल्गोरिदम की मजबूती और सफलता की संभावना के लिए महत्वपूर्ण चुनौतियों को प्रकट करता है।

मूल लेखक: Anurag Saha Roy, Jesús Lacalle

प्रकाशित 2026-06-04

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Anurag Saha Roy, Jesús Lacalle

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 घास के एक विशाल ढेर में एक विशिष्ट सुई खोजने की कोशिश कर रहे हैं। क्लासिकल कंप्यूटरों की दुनिया में, आपको घास के हर एक टुकड़े को एक-एक करके जांचना होगा। यदि घास का ढेर बहुत बड़ा है, तो इसमें अनंत समय लग जाएगा।

ग्रोवर का एल्गोरिदम (Grover's Algorithm) क्वांटम कंप्यूटरों के लिए एक विशेष तरकीब है जो आपको उस सुई को बहुत तेज़ी से खोजने देता है—लगभग उस समय के वर्गमूल (square root) के भीतर, जो एक सामान्य कंप्यूटर को लगेगा। यह एक जादुई ट्यूनिंग फोर्क (tuning fork) की तरह काम करता है: हर बार जब आप इसे बजाते हैं (एल्गोरिदम का एक स्टेप चलाते हैं), तो सुई की "आवाज़" तेज़ होती जाती है, और बाकी घास की आवाज़ धीमी होती जाती है, जब तक कि आप सुई को स्पष्ट रूप से सुन नहीं पाते।

हालाँकि, यह शोध पत्र इस बात की जांच करता है कि क्या होता है जब उस ट्यूनिंग फोर्क के चारों ओर की हवा में एक बहुत ही विशिष्ट, जटिल प्रकार का स्टैटिक शोर भरा हो जिसे आइसोट्रोपिक एरर (Isotropic Errors) कहा जाता है।

यहाँ शोध पत्र के निष्कर्षों का सरल शब्दों में विवरण दिया गया है:

1. "सभी दिशाओं वाला" शोर

अधिकांश कंप्यूटर त्रुटियाँ (errors) एक ऐसी हवा की तरह होती हैं जो एक विशिष्ट दिशा से चलती है; आप उसे रोकने के लिए एक दीवार बना सकते हैं। आइसोट्रोपिक एरर अलग हैं। कल्पना कीजिए कि शोर एक ऐसे कोहरे की तरह है जो आपकी सुई के चारों ओर समान रूप से हर दिशा में घूम रहा है। यह सुई को बाएं या दाएं नहीं धकेलता; यह बस सुई के स्थान को एक पूर्ण गोले (sphere) की तरह धुंधला कर देता है।

शोध पत्र नोट करता है कि मानक "एरर करेक्शन" तकनीकें (जो आमतौर पर अतिरिक्त दीवारें बनाने का काम करती हैं) इस प्रकार के कोहरे के खिलाफ बेकार हैं। आप उस कोहरे को ब्लॉक नहीं कर सकते जो एक ही समय में हर तरफ से आ रहा हो।

2. प्रयोग: कोहरे में ट्यूनिंग फोर्क को ट्यून करना

शोधकर्ताओं ने एक कंप्यूटर सिमुलेशन का उपयोग यह देखने के लिए किया कि जब वे इस "कोहरे" की उपस्थिति में ग्रोवर के एल्गोरिदम का उपयोग करते हैं तो क्या होता है। उन्होंने केवल छोटे स्तर पर नहीं देखा; उन्होंने 3 क्यूबिट्स (qubits) से लेकर मध्यम आकार के 13 क्यूबिट्स तक के सिस्टम का सिमुलेशन किया।

उन्होंने कोहरे के विभिन्न "मोटाई" (thicknesses) का परीक्षण किया:

पतला कोहरा (High Fidelity): एल्गोरिदम अभी भी अच्छी तरह से काम करता है। आप अभी भी सुई को सुन सकते हैं, हालांकि वह थोड़ी धीमी हो जाती है।
घना कोहरा (Low Fidelity): एल्गोरिदम टूट जाता है। सुई की "आवाज़" अन्य घास के स्टैटिक शोर में दब जाती है।

3. बड़ी समस्या: "दोहराव का जाल" (The Repetition Trap)

एक आदर्श दुनिया में, ग्रोवर का एल्गोरिदम एक विशिष्ट संख्या में चरणों (steps) में सुई को ढूंढ लेता है। यदि आप बहुत कम चरण लेते हैं, तो सुई की आवाज़ पर्याप्त तेज़ नहीं होती। यदि आप बहुत अधिक चरण लेते हैं, तो आप लक्ष्य से आगे निकल जाते हैं और सुई फिर से शांत हो जाती है।

शोध पत्र ने पाया कि जब आइसोट्रोपिक एरर मौजूद होते हैं:

स्वीट स्पॉट (Sweet Spot) बदल जाता है: चरणों की आदर्श संख्या कोहरे की मोटाई के आधार पर बदल जाती है।
"सुधार" बहुत महंगा है: एक परफेक्ट कंप्यूटर जितना सफलता दर प्राप्त करने के लिए, आप सोच सकते हैं कि आप बस एल्गोरिदम को कुछ बार और चला सकते हैं। लेकिन शोधकर्ताओं ने पाया कि जैसे-जैसे समस्या बड़ी होती जाती है (अधिक घास), एल्गोरिदम को दोहराने की संख्या घातीय रूप से (exponentially) बढ़ती जाती है।

उपमा (Analogy):
कल्पना कीजिए कि आप शोर वाले कमरे में एक फुसफुसाहट सुनने की कोशिश कर रहे हैं।

यदि कमरा थोड़ा शोर वाला है, तो आपको शायद बस उस व्यक्ति से दो बार फुसफुसाहट दोहराने के लिए कहना होगा।
लेकिन यह शोध पत्र दिखाता है कि यदि शोर "आइसोट्रोपिक" है (हर तरफ से आ रहा है), और कमरा बड़ा हो जाता है, तो आपको सिर्फ दो बार पूछने की ज़रूरत नहीं है। आपको 10 बार, फिर 100 बार, फिर 10,000 बार पूछने की आवश्यकता हो सकती है।
अंततः, प्रक्रिया को दोहराने की संख्या इतनी बड़ी हो जाती है कि ग्रोवर के एल्गोरिदम का "गति लाभ" (speed advantage) गायब हो जाता है। आप वापस घास को एक-एक करके जांचने की स्थिति में आ जाते हैं, लेकिन बहुत अधिक धीरे।

4. सिमुलेशन टूल

इसे साबित करने के लिए, लेखकों ने एक मुफ्त सॉफ़्टवेयर टूल (एक पायथन लाइब्रेरी) बनाया जो इस विशिष्ट प्रकार के "कोहरे वाले" शोर का अनुकरण (simulate) कर सकता है। उन्होंने इसका उपयोग हजारों सिमुलेशन चलाने के लिए किया, जिससे यह दिखाया गया कि इस विशिष्ट प्रकार की त्रुटि की बहुत कम मात्रा भी बड़े स्तर की समस्याओं पर एल्गोरिदम के प्रदर्शन को खराब कर सकती है।

सारांश

शोध पत्र निष्कर्ष निकालता है कि जबकि ग्रोवर का एल्गोरिदम सैद्धांतिक रूप से शक्तिशाली है, यह इस विशिष्ट प्रकार के "सभी दिशाओं वाले" शोर के प्रति आश्चर्यजनक रूप से नाजुक है। यदि वास्तविक क्वांटम कंप्यूटर इस प्रकार की त्रुटि से ग्रस्त होते हैं, तो एल्गोरिदम बड़े प्रश्नों को कुशलतापूर्वक हल करने में सक्षम नहीं हो सकता है, क्योंकि त्रुटियों को ठीक करने की लागत (प्रक्रिया को दोहराकर) इतनी तेज़ी से बढ़ती है कि वह उपयोगी नहीं रह जाती।

मुख्य निष्कर्ष: आइसोट्रोपिक एरर एक अद्वितीय प्रकार का शोर है जिसे मानक सुधार नहीं संभाल सकते हैं, और वे बड़े पैमाने की समस्याओं के बढ़ने पर एक सुपर-फास्ट क्वांटम सर्च को एक धीमे, दोहराव वाले काम में बदल सकते हैं।

तकनीकी सारांश: ग्रोवर के एल्गोरिदम की जटिलता पर आइसोट्रोपिक त्रुटियों का प्रभाव

समस्या विवरण
क्वांटम कंप्यूटिंग एक मौलिक बाधा का सामना कर रही है जो क्वांटम त्रुटियों के रूप में मौजूद है, जो सार्थक एल्गोरिदम के लिए आवश्यक सैकड़ों या हजारों ऑपरेशनों के दौरान महत्वपूर्ण रूप से संचित होती हैं। जबकि क्वांटम एरर करेक्शन (QEC) स्कीमें, जैसे कि सरफेस कोड, मानक त्रुटि मॉडलों (जैसे, डिपोलराइजिंग नॉइज़, एम्प्लीट्यूड डैम्पिंग) को ठीक करने के लिए सैद्धांतिक और व्यावहारिक व्यवहार्यता प्रदर्शित कर चुकी हैं, हालिया सैद्धांतिक कार्यों ने एक श्रेणी की त्रुटियों की पहचान की है जो इन धारणाओं को चुनौती देती हैं: आइसोट्रोपिक त्रुटियाँ (Isotropic errors)।

आइसोट्रोपिक त्रुटियों को उच्च-आयामी हिल्बर्ट स्पेस में क्वांटम अवस्थाओं के चारों ओर घूर्णी समरूपता (rotational symmetry) द्वारा पहचाना जाता है। पारंपरिक मॉडलों के विपरीत, जो विशिष्ट अवस्था घटकों को अनुमानित रूप से प्रभावित करते हैं, आइसोट्रोपिक त्रुटियाँ मूल अवस्था के सापेक्ष सभी दिशाओं में समान प्रायिकता के साथ होती हैं। महत्वपूर्ण रूप से, सैद्धांतिक अध्ययनों ने दिखाया है कि मानक क्वांटम कोड आइसोट्रोपिक त्रुटियों को प्रभावी ढंग से ठीक नहीं कर सकते क्योंकि उनकी ज्यामितीय समरूपता विशिष्ट त्रुटि सिंड्रोम स्थापित करने में बाधा डालती है। इस सैद्धांतिक भेद्यता के बावजूद, व्यावहारिक क्वांटम एल्गोरिदम पर इन त्रुटियों के ठोस प्रभाव के संबंध में विश्लेषण का अभाव रहा है। यह कार्य इस अंतराल को संबोधित करता है और यह जांचता है कि आइसोट्रोपिक त्रुटियाँ ग्रोवर के सर्च एल्गोरिदम को कैसे प्रभावित करती हैं।

कार्यप्रणाली (Methodology)
लेखकों ने एक कस्टम ओपन-सोर्स पायथन लाइब्रेरी, isotropic का उपयोग करके एक व्यापक संख्यात्मक विश्लेषण किया है, जिसे विशेष रूप से इस अध्ययन के लिए विकसित किया गया है। कार्यप्रणाली में शामिल हैं:

गणितीय मॉडलिंग: आइसोट्रोपिक त्रुटियों को $\mathbb{R}^{d+1}$ में एक यूनिट स्फीयर $S^d$ (जहाँ $d = 2^{n+1}-1$ ) पर रैंडम वेरिएबल्स के रूप में मॉडल किया गया है। त्रुटि को एक डेंसिटी फंक्शन $f(\sigma, \theta_0)$ द्वारा परिभाषित किया जाता है जो एक पैरामीटर $\sigma \in [0, 1)$ पर निर्भर करता है, जो वितरण के फैलाव को नियंत्रित करता है। जैसे-जैसे $\sigma \to 1$ होता है, त्रुटि लुप्त हो जाती है; जैसे-जैसे $\sigma \to 0$ होता है, वितरण यूनिफॉर्म (समान) हो जाता है।
सिमुलेशन गुण: लेखक सिमुलेशन को सरल बनाने के लिए दो प्रमुख गुणों का लाभ उठाते हैं:
- कम्यूटेटिविटी (Commutativity): आइसोट्रोपिक त्रुटियाँ क्वांटम गेट्स के साथ कम्यूट करती हैं, जिससे सर्किट में सभी त्रुटियों को एकत्रित किया जा सकता है और माप (measurement) से ठीक पहले अंतिम स्टेट वेक्टर पर लागू किया जा सकता है।
- एडिटिविटी (Additivity): नॉर्मल डिस्ट्रीब्यूशन का पालन करने वाली आइसोट्रोपिक त्रुटियों का योग एक एकल आइसोट्रोपिक त्रुटि परिणाम देता है जिसका पैरामीटर $\sigma_f = \prod \sigma_i$ है। $j$ गेट्स और यूनिफॉर्म एरर पैरामीटर $\sigma$ वाले सर्किट के लिए, कुल त्रुटि को $\sigma_f = \sigma^j$ के साथ एक एकल अनुप्रयोग द्वारा सिम्युलेट किया जाता है।
एल्गोरिदम कार्यान्वयन: अध्ययन एकल चिह्नित आइटम (single marked item) के लिए अनस्ट्रक्चर्ड सर्च हेतु ग्रोवर के एल्गोरिदम पर केंद्रित है। सिमुलेशन आदर्श अंतिम स्टेट वेक्टर पर एकत्रित आइसोट्रोपिक त्रुटि लागू करने के बाद चिह्नित अवस्था को मापने की सफलता की प्रायिकता ( $p_e$ ) की गणना करता है।
जटिलता विश्लेषण: जटिलता पर प्रभाव को मापने के लिए, लेखक समान सफलता प्रायिकता प्राप्त करने के लिए आवश्यक अतिरिक्त पुनरावृत्तियों (repetitions) की संख्या $k(n)$ की गणना करते हैं। इसे निम्नलिखित सूत्र का उपयोग करके निकाला जाता है:
$k(n) = \frac{\log(1 - p(n))}{\log(1 - p_e(n))}$
जहाँ $p(n)$ आदर्श सफलता प्रायिकता है और $p_e(n)$ शोर (noise) के तहत सफलता प्रायिकता है।

प्रमुख परिणाम
संख्यात्मक सिमुलेशन, जो 3 से 11 क्वबिट्स के सिस्टम साइज और विभिन्न त्रुटि स्तरों ( $\sigma$ ) को कवर करते हैं, निम्नलिखित निष्कर्ष प्रदान करते हैं:

सफलता की प्रायिकता में गिरावट: यहाँ तक कि छोटी आइसोट्रोपिक त्रुटियाँ भी प्रदर्शन को काफी कम कर देती हैं। उच्च त्रुटि स्तरों ( $\sigma \leq 0.99$ ) के लिए, 7 या अधिक क्वबिट्स वाले सिस्टम के लिए सफलता की प्रायिकता रैंडम-गेसिंग बेसलाइन ( $1/N$ ) पर गिर जाती है, जो कोहेरेंट एम्प्लीट्यूड एम्प्लीफिकेशन के पूर्ण नुकसान को दर्शाता है।
सर्किट डेप्थ पर निर्भरता: त्रुटियों का प्रभाव सर्किट डेप्थ द्वारा बढ़ाया जाता है। मध्यम त्रुटि स्तरों ( $\sigma = 0.999$ ) के लिए, प्रति-गेट त्रुटियों के संचय के कारण बड़े क्वबिट काउंट (8–11 क्वबिट्स) के लिए पीक सक्सेस प्रोबेबिलिटी स्पष्ट रूप से कम हो जाती है।
ओवरहेड का घातीय विकास (Exponential Growth): आदर्श सफलता प्रायिकता को पुनः प्राप्त करने के लिए आवश्यक पुनरावृत्तियों $k(n)$ $k (n)$ की संख्या मध्यम-से-उच्च त्रुटि स्तरों के लिए क्वबिट्स की संख्या के साथ तेजी से (exponentially) बढ़ती है।
- बहुत कम त्रुटि स्तरों ( $\sigma \geq 0.9999$ ) के लिए, ओवरहेड कम रहता है (10 पुनरावृत्तियों से नीचे)।
- $\sigma = 0.999$ के लिए, ओवरहेड 10 क्वबिट्स के बाद तेजी से बढ़ता है।
- $\sigma \leq 0.99$ के लिए, 13 क्वबिट्स के लिए ओवरहेड $O(10^4)$ तक पहुँच जाता है।
सैद्धांतिक सत्यापन: पुनरावृत्ति ओवरहेड की देखी गई वृद्धि दर एक ज़ीरो-पैरामीटर सैद्धांतिक मॉडल के अनुरूप है जो सर्किट को कोहेरेंट और पूरी तरह से डिकोहेरेंट ऑपरेशन्स के मिश्रण के रूप में मानती है। यह मॉडल पुष्टि करता है कि ओवरहेड का घातीय विकास ग्रोवर के एल्गोरिदम की विशेषता वाले क्वाड्रेटिक स्पीड-अप ( $O(\sqrt{N})$ ) को निष्प्रभावी कर देता है।

महत्व और दावे
यह पेपर दावा करता है कि इसका प्राथमिक योगदान एक व्यावहारिक क्वांटम एल्गोरिदम पर आइसोट्रोपिक त्रुटियों का पहला ठोस विश्लेषण है। परिणाम एक महत्वपूर्ण भेद्यता को उजागर करते हैं: जबकि ग्रोवर का एल्गोरिदम कुछ प्रकार के शोर के प्रति मजबूत है, यह आइसोट्रोपिक त्रुटियों के प्रति अत्यधिक संवेदनशील है, जिन्हें मानक QEC द्वारा ठीक नहीं किया जा सकता है।

लेखक तर्क देते हैं कि इन त्रुटियों की भरपाई करने के लिए आवश्यक पुनरावृत्तियों में घातीय वृद्धि, वर्तमान और निकट भविष्य के हार्डवेयर के लिए प्रासंगिक समस्या आकार के लिए एल्गोरिदम के क्वांटम लाभ को प्रभावी रूप से नष्ट कर देती है। यह सुझाव देता है कि आइसोट्रोपिक त्रुटियों की उपस्थिति शोर वाले क्वांटम हार्डवेयर पर ग्रोवर के एल्गोरिदम के कार्यान्वयन के लिए एक मौलिक चुनौती पेश करती है।

यह कार्य isotropic लाइब्रेरी को भी एक टूल के रूप में पेश करता है ताकि समुदाय इसे सिमुलेशन में इन त्रुटि मॉडलों को शामिल करने के लिए उपयोग कर सके। लेखक विनम्रतापूर्वक नोट करते हैं कि उनका अध्ययन सिंगल-मार्क्ड-आइटम ग्रोवर सर्च तक सीमित है और पूरे गेट्स में यूनिफॉर्म एरर रेट मानकर चलता है, यह स्वीकार करते हुए कि वास्तविक हार्डवेयर में अक्सर सिंगल-क्वबिट और एंटैंगलिंग गेट्स के बीच अलग-अलग त्रुटि दरें होती हैं। वे सुझाव देते हैं कि भविष्य के कार्यों में मल्टी-सॉल्यूशन केस, बड़े सिस्टम स्केलिंग और वास्तविक क्वांटम प्रोसेसर पर प्रयोगात्मक सत्यापन का अन्वेषण किया जाना चाहिए।

1. "सभी दिशाओं वाला" शोर

2. प्रयोग: कोहरे में ट्यूनिंग फोर्क को ट्यून करना

3. बड़ी समस्या: "दोहराव का जाल" (The Repetition Trap)

4. सिमुलेशन टूल

सारांश

इसी तरह के और पेपर