Performance analysis of classical adiabatic annealing on Ising machines

यहाँ इस शोध पत्र (paper) का सरल भाषा और रोज़मर्रा के उदाहरणों के साथ विवरण दिया गया है।

बड़ी तस्वीर: एक ऊबड़-खाबड़ पर्वत श्रृंखला में रास्ता खोजना

कल्पना कीजिए कि आप एक विशाल, धुंधली पर्वत श्रृंखला में सबसे निचले बिंदु को खोजने की कोशिश कर रहे हैं। कंप्यूटर जटिल अनुकूलन समस्याओं (जैसे कि सबसे कुशल डिलीवरी रूट ढूंढना या फैक्ट्री का शेड्यूल तय करना) को हल करने के लिए यही करते हैं। भौतिक विज्ञान (physics) की दुनिया में, इस "सबसे निचले बिंदु" को ग्राउंड स्टेट (ground state) कहा जाता है, और पर्वत श्रृंखला को एनर्जी लैंडस्पेस (energy landscape) कहा जाता है।

आइसिंग मशीनें (Ising Machines) विशेष प्रकार के कंप्यूटर हैं जिन्हें इन समस्याओं को हल करने के लिए डिज़ाइन किया गया है। मानक डिजिटल बिट्स (0 और 1) के बजाय, वे "स्पिन्स" (spins) का उपयोग करते हैं जिन्हें दिशा सूचक सुइयों (compass needles) के रूप में सोचा जा सकता है जो ऊपर या नीचे की ओर इशारा करती हैं। लक्ष्य यह है कि इन सभी सुइयों को एक ऐसे पैटर्न में स्थिर किया जाए जो पूर्णतः न्यूनतम ऊर्जा (सबसे अच्छा समाधान) को दर्शाता हो।

हालाँकि, ये पहाड़ लोकल मिनिमा (local minima) से भरे होते—ये छोटी घाटियाँ हैं जो असली तल जैसी दिखती तो हैं, पर वास्तव में नहीं हैं। यदि कंप्यूटर इनमें से किसी छोटी घाटी में फंस जाता है, तो उसे लगता है कि उसने सबसे अच्छा उत्तर ढूंढ लिया है, लेकिन ऐसा नहीं होता।

पुराना तरीका: "रेगुलर एनीलिंग" (Regular Annealing)

कंप्यूटर को इन छोटी घाटियों से बाहर निकलने में मदद करने के लिए, वैज्ञानिक रेगुलर एनीलिंग (RA) नामक तकनीक का उपयोग करते हैं। इसे ऐसे समझें जैसे कोई हाइकर धीरे-धीरे अपने बैग का भार समायोजित कर रहा हो।

• हाइकर बहुत हल्का भार (सुइयों के बीच कम इंटरेक्शन) लेकर शुरुआत करता है।
• धीरे-धीरे, वे भार बढ़ाते हैं (इंटरेक्शन बढ़ाते हैं)।
• विचार यह है कि धीमी गति से चलकर, हाइकर ढलानों से "फिसल" सकता है और गलत घाटियों में फंसने से बच सकता है।

यह तरीका अच्छा काम करता है, लेकिन शोधकर्ता यह देखना चाहते थे कि क्या वे इससे बेहतर कर सकते हैं।

नया विचार: "क्लासिकल एडियाबेटिक एनीलिंग" (Classical Adiabatic Annealing - CAA)

शोधकर्ताओं ने क्वांटम भौतिकी से प्रेरित एक तकनीक को देखा जिसे एडियाबेटिक एनीलिंग (Adiabatic Annealing) कहा जाता है।

• उपमा: कल्पना कीजिए कि आपके पास एक साधारण, सपाट पहाड़ी का नक्शा है (एक आसान समस्या)। आप जानते हैं कि उसका निचला हिस्सा कहाँ है। अब आप इस सपाट पहाड़ी को उस जटिल, ऊबड़-खाबड़ पर्वत श्रृंखला (कठिन समस्या) में बदलना चाहते हैं जिसे आपको वास्तव में हल करना है।
• विधि: आप सपाट पहाड़ी से शुरू करते हैं। धीरे-धीरे, आप पहाड़ी के आकार को जटिल पर्वत श्रृंखला में बदलते हैं। यदि आप इसे पर्याप्त धीरे करते हैं, तो हाइकर (कंप्यूटर) पूरे समय सबसे निचले पथ पर बना रहना चाहिए, और अंत में जटिल पर्वत के वास्तविक तल पर पहुँचना चाहिए।

शोधकर्ताओं ने इसे क्लासिकल आइसिंग मशीनों (गैर-क्वांटम प्रकार की) पर आज़माया। उन्होंने इसे क्लासिकल एडियाबेटिक एनीलिंग (CAA) नाम दिया।

समस्या: "चट्टान" (Saddle-Node Bifurcations)

जब उन्होंने इसका परीक्षण किया, तो उन्हें एक बड़ी बाधा मिली। जैसे-जैसे वे सपाट पहाड़ी को जटिल पर्वत में बदल रहे थे, हाइकर जिस पथ का अनुसरण कर रहा था वह अचानक गायब हो गया।

• रूपक (Metaphor): कल्पना कीजिए कि हाइकर एक संकीर्ण कगार (ridge) पर चल रहा है। जैसे-जैसे परिदृश्य बदलता है, वह कगार अचानक एक चट्टान (सैडल-नोड बाइफरकेशन) पर समाप्त हो जाता है। हाइकर पथ से गिर जाता है और एक यादृच्छिक (random), गलत घाटी में गिर जाता है।
• कारण: ऐसा इसलिए होता है क्योंकि "इंटरेक्शन स्ट्रेंथ" (कि सुइयाँ एक-दूसरे को कितना प्रभावित करती हैं) बहुत अधिक थी। जब परिदृश्य बदलता है, तो पथ टूट जाता है।

समाधान: "हाइब्रिड क्लासिकल एडियाबेटिक एनीलिंग" (Hybrid Classical Adiabatic Annealing)

इसे ठीक करने के लिए, शोधकर्ताओं ने दो-चरणीय रणनीति बनाई जिसे वे हाइब्रिड CAA कहते हैं।

चरण 1: "घोस्ट वॉक" (कम इंटरेक्शन)
पहले, वे इंटरेक्शन स्ट्रेंथ को लगभग शून्य तक कम कर देते हैं।

• क्यों? जब इंटरेक्शन बहुत कमजोर होता है, तो "चट्टानें" गायब हो जाती हैं। पथ चिकना और निरंतर होता है। हाइकर बिना गिरे शुरुआत से अंत तक चल सकता है, भले ही गंतव्य अभी पूरी तरह सही न हो क्योंकि इंटरेक्शन इतना कमजोर है कि वह वास्तविक समाधान को परिभाषित नहीं कर पाता।

चरण 2: "हैवी वॉक" (उच्च इंटरेक्शन)
एक बार जब हाइकर पथ के अंत (लक्ष्य पर्वत के आकार) पर पहुँच जाता है, तो वे दूसरे चरण पर स्विच करते हैं।

• क्रिया: वे धीरे-धीरे इंटरेक्शन स्ट्रेंथ बढ़ाते हैं (बैग में वापस वजन जोड़ते हैं)।
• परिणाम: क्योंकि वे पहले से ही सही स्थान के करीब हैं, वे अब बिना गिरे पर्वत के वास्तविक निम्नतम बिंदु में "सेटल्ड" हो सकते हैं।

क्या यह काम आया? परिणाम

शोधकर्ताओं ने हजारों समस्याओं पर इस नए "हाइब्रिड" तरीके का पुराने "रेगुलर" तरीके के मुकाबले परीक्षण किया।

1. सरल समस्याओं के लिए (कोई बाहरी क्षेत्र नहीं):

   • हाइब्रिड तरीका रेगुलर तरीके की तुलना में थोड़ा तेज़ था।
   • पेंच: यह केवल थोड़ा सा ही तेज़ था (लगभग 1.6 गुना)। शोधकर्ताओं ने निष्कर्ष निकाला कि दो-चरणीय प्रक्रिया को प्रबंधित करने की अतिरिक्त जटिलता इस छोटे से गति लाभ के लिए वास्तव में सार्थक नहीं थी। यह एक महंगे GPS खरीदने जैसा है जो आपकी यात्रा में केवल 2 मिनट बचाता है; यह उसकी लागत के लायक नहीं है।

2. जटिल समस्याओं के लिए (बाहरी क्षेत्रों के साथ):

   • शुरुआत में, हाइब्रिड तरीका बहुत बेहतर लग रहा था, जिसने कुछ समस्याओं को 100 गुना तेज़ी से हल किया।
   • मोड़: हालाँकि, उन्हें एहसास हुआ कि "रेगुलर" तरीके के पास एक गुप्त हथियार था जिसका उन्होंने अभी तक उपयोग नहीं किया था: स्पिन साइन मेथड (Spin Sign Method)। यह एक ऐसी ट्रिक है जहाँ कंप्यूटर सुई के सटीक आकार को अनदेखा करता है और केवल यह देखता है कि वह किस दिशा में (ऊपर या नीचे) इशारा कर रही है।
   • अंतिम निर्णय: जब उन्होंने इस ट्रिक को रेगुलर तरीके पर लागू किया, तो रेगुलर तरीका बराबरी पर आ गया। हाइब्रिड तरीका अपना लाभ खो बैठा। दोनों तरीके लगभग एक जैसा प्रदर्शन करते हैं।

निष्कर्ष

शोध पत्र यह निष्कर्ष निकालता है कि हालांकि हाइब्रिड क्लासिकल एडियाबेटिक एनीलिंग एक चतुर, सैद्धांतिक रूप से सुदृढ़ विचार है जो कंप्यूटर को फंसने से बचने में मदद करता है, लेकिन यह मौजूदा सरल तरीकों की तुलना में कोई महत्वपूर्ण व्यावहारिक लाभ प्रदान नहीं करता है।

• इसके लिए अधिक जटिल सेटअप (अतिरिक्त नॉब्स ट्यून करना) की आवश्यकता होती है।
• इसके लिए कंप्यूटर को हर हिस्से को दूसरे से जोड़ने (all-to-all connectivity) में सक्षम होना चाहिए, जिसे वास्तविक हार्डवेयर में बनाना कठिन है।
• एक बार जब आप मौजूदा बेहतरीन ट्रिक्स का उपयोग सरल तरीके के साथ करते हैं, तो फैंसी नया तरीका जीत नहीं पाता है।

संक्षेप में: नया तरीका एक अच्छा वैज्ञानिक आविष्कार है जो हमें यह समझने में मदद करता है कि ये मशीनें कैसे काम करती हैं, लेकिन आज की वास्तविक दुनिया की समस्याओं को हल करने के लिए, पुराने, सरल तरीके उतने ही अच्छे और उपयोग में बहुत आसान हैं।