Pure and mixed Dicke state ansatz for equality and inequality constraints in variational quantum eigensolver
यह शोध पत्र वेरिएशनल क्वांटम आइजनसॉल्वर (Variational Quantum Eigensolver) के लिए एक व्यवहार्यता-संरक्षण मिश्रित डिकी अवस्था एंसेटस (feasibility-preserving mixed Dicke state ansatz) प्रस्तुत करता है जो दंड पदों (penalty terms) की आवश्यकता को समाप्त करने के लिए समानता और असमानता हैमिंग वेट बाधाओं (equality and inequality Hamming weight constraints) दोनों को संरचनात्मक रूप से समाहित करता है, जो कॉम्बिनेटोरियल पोर्टफोलियो अनुकूलन (combinatorial portfolio optimization) में रैंडम सर्च की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है और साथ ही NISQ हार्डवेयर पर तैनाती के लिए शेष चुनौतियों को रेखांकित करता है।
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 नहीं लिखा है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
मुख्य चित्र: विकल्पों के समुद्र में सबसे अच्छी टीम खोजना
कल्पना कीजिए कि आप 100 उम्मीदवारों के समूह में से एक आदर्श टीम बनाने की कोशिश कर रहे हैं। आपके दो मुख्य लक्ष्य हैं:
- प्रदर्शन को अधिकतम करना (सर्वश्रेष्ठ परिणाम प्राप्त करना)।
- कड़े नियमों का पालन करना (जैसे, "आपको ठीक 5 लोग चुनने चाहिए," या "आपको 3 और 7 के बीच लोग चुनने चाहिए")।
वित्त (finance) की दुनिया में, इसे पोर्टफोलियो ऑप्टिमाइज़ेशन (Portfolio Optimization) कहा जाता है। कर्मचारियों के बजाय, आप स्टॉक चुन रहे हैं। प्रदर्शन के बजाय, आप कम जोखिम के साथ उच्च रिटर्न की तलाश कर रहे हैं।
समस्या यह है कि जैसे-जैसे उम्मीदवारों की संख्या बढ़ती है, संभावित टीमों की संख्या बहुत अधिक बढ़ जाती है। हर एक संयोजन (combination) की बारी-बारी से जांच करना (जैसे कि ब्रूट-फोर्स सर्च) बहुत समय लेता है। यहीं पर क्वांटम कंप्यूटिंग (Quantum Computing) काम आती है। यह इन विशाल संभावनाओं को सामान्य कंप्यूटर की तुलना में बहुत तेज़ी से खोजने का वादा करती है।
समस्या: "पेनल्टी" का जाल
अतीत में, जब वैज्ञानिकों ने क्वांटम कंप्यूटरों के साथ इसे हल करने की कोशिश की, तो उन्होंने वेरिएशनल क्वांटम ईजनसोल्वर (VQE) नामक विधि का उपयोग किया। VQE को एक छात्र के रूप में समझें जो गणित का सवाल हल करने की कोशिश कर रहा है।
यह सुनिश्चित करने के लिए कि छात्र नियमों का पालन करे (जैसे "ठीक 5 स्टॉक चुनें"), शिक्षक आमतौर पर एक पेनल्टी (दंड) जोड़ता है।
- शिक्षक: "यदि आप 6 स्टॉक चुनते हैं, तो आपको अपने पेपर पर एक बड़ा लाल निशान मिलेगा।"
- छात्र: "ठीक है, मैं उस लाल निशान से बचने की कोशिश करूँगा।"
समस्या यह है कि शिक्षक को यह अनुमान लगाना पड़ता है कि वह लाल निशान कितना बड़ा होना चाहिए। यदि पेनल्टी बहुत कम है, तो छात्र नियमों को अनदेखा कर देता है। यदि यह बहुत बड़ी है, तो छात्र भ्रमित हो जाता है और सर्वोत्तम समाधान नहीं खोज पाता। इस "पेनल्टी" को ट्यून करना एक बड़ा सिरदर्द है और अक्सर खराब परिणामों की ओर ले जाता है।
समाधान: ब्लूप्रिंट में ही नियमों को शामिल करना
यह पेपर क्वांटम कंप्यूटर के "छात्र" (जिसे एंसाट्ज़/Ansatz कहा जाता है) को बनाने का एक नया तरीका पेश करता है। बाद में पेनल्टी जोड़ने के बजाय, लेखक नियमों को सीधे छात्र के डीएनए (DNA) में ही बुन देते हैं।
वे डिक स्टेट्स (Dicke States) नामक चीज़ का उपयोग करते हैं।
- उपमा: कल्पना कीजिए कि एक जादुई बॉक्स है जो केवल ठीक 5 लोगों की टीमें ही बाहर निकालता है। आप बॉक्स से 4 या 6 लोगों की टीम नहीं मांग सकते। बॉक्स के लिए नियम तोड़ना भौतिक रूप से असंभव है।
- प्योर डिक स्टेट (Pure Dicke State): यह वह बॉक्स है जो केवल ठीक 5 लोगों की टीमें ही निकालता है। यह "समानता बाधा" (Equality Constraint - ठीक 5 होना चाहिए) को हल करता है।
- मिक्सड डिक स्टेट (Mixed Dicke State): यह इस पेपर का बड़ा नवाचार है। कल्पना कीजिए कि एक बॉक्स है जो 3, 4, 5, 6 या 7 लोगों की टीमें निकाल सकता है, लेकिन 2 या 8 कभी नहीं। यह अलग-अलग वैध टीम आकारों का एक "मिश्रण" है। यह "असमानता बाधा" (Inequality Constraint - 3 और 7 के बीच होना चाहिए) को हल करता है।
डेंसिटी मैट्रिसेस (Density Matrices) (संभावनाओं के मिश्रण का वर्णन करने का एक फैंसी गणितीय तरीका) का उपयोग करके, लेखकों ने एक ऐसा क्वांटम सर्किट बनाया जो केवल वैध समाधानों की ही खोज करता है।
- कोई पेनल्टी की आवश्यकता नहीं: चूंकि मशीन भौतिक रूप से एक अमान्य टीम नहीं बना सकती, इसलिए आपको लाल निशान या पेनल्टी जोड़ने की आवश्यकता नहीं है।
- कोई ट्यूनिंग नहीं: आपको यह अनुमान लगाने की आवश्यकता नहीं है कि नियम कितने सख्त होने चाहिए; नियम मशीन के भीतर ही हार्ड-वायर्ड हैं।
उन्होंने इसका परीक्षण कैसे किया
लेखकों ने इस विचार का परीक्षण एक "कॉम्बिनेटोरियल पोर्टफोलियो ऑप्टिमाइज़ेशन" (स्टॉक के सर्वश्रेष्ठ मिश्रण को चुनना) समस्या का उपयोग करके किया। उन्होंने तीन परिदृश्य बनाए, जो कठिनाई के बढ़ते स्तर के साथ एक पहाड़ चढ़ने जैसा है:
- परिदृश्य 1 (छोटा टीला): 11 विकल्पों में से अधिकतम 4 स्टॉक चुनें।
- परिदृश्य 2 (मध्यम टीला): 11 विकल्पों में से 3 और 6 के बीच स्टॉक चुनें।
- परिदृश्य 3 (बड़ा पर्वत): एक जटिल मिश्रण जहाँ स्टॉक्स के विभिन्न समूहों के लिए अलग-अलग नियम हैं (जैसे, "ऊर्जा क्षेत्र से ठीक 3 चुनें," "वित्त क्षेत्र से 1 या 2 चुनें")।
उन्होंने अपने नए "नियम-बिल्ट-इन" क्वांटम तरीके की तुलना एक रैंडम सर्च (Random Search) (बस यादृच्छिक रूप से वैध टीमों का अनुमान लगाना) से की।
परिणाम:
- जैसे-जैसे संभावित वैध टीमों की संख्या बढ़ी (परिदृश्य 1 से 3 तक), उनका तरीका रैंडम गेसिंग की तुलना में बहुत बेहतर रहा।
- रैंडम गेसिंग आँखों पर पट्टी बांधकर निशाना लगाने जैसा है; अंततः, आप बुलआई (bullseye) पर लग सकते हैं, लेकिन इसमें बहुत समय लगता है। उनका तरीका एक गाइडेड मिसाइल की तरह है जो केवल वैध लक्ष्यों की ओर ही उड़ती है।
- उन्होंने रैंडम सर्च की तुलना में बहुत तेज़ी से उच्च-गुणवत्ता वाले समाधान (एफिशिएंट फ्रंटियर पर पोर्टफोलियो, जो जोखिम और इनाम का सबसे अच्छा संतुलन है) खोजे।
पेच: वास्तविक दुनिया का शोर (Noise)
लेखकों ने वास्तविक क्वांटम कंप्यूटरों (IBM के शोर वाले मशीनों) पर भी इसका परीक्षण किया।
- मुद्दा: वास्तविक क्वांटम कंप्यूटर नाजुक उपकरणों की तरह होते हैं; वे "शोरي" (noisy) होते हैं। थोड़ा सा हस्तक्षेप भी एक बिट को बदल सकता है (0 को 1 में बदल सकता है)।
- जोखिम: यदि एक बिट बदल जाता है, तो 5 लोगों की एक वैध टीम गलती से 6 लोगों की टीम बन सकती है, जिससे नियम टूट जाता है।
- निष्कर्ष: लेखकों ने पाया कि उनका "मिक्सड" तरीका (वह बॉक्स जो 3, 4, 5, 6 या 7 की अनुमति देता है) वास्तव में "प्योर" तरीके की तुलना में इन त्रुटियों के प्रति अधिक मजबूत (robust) है। यदि एक त्रुटि होती है, तो "मिक्सड" बॉक्स सख्त बॉक्स की तुलना में वैध सीमा के भीतर रहने की अधिक संभावना रखता है।
- वास्तविकता की जाँच: इसके लाभ के बावजूद, वास्तविक हार्डवेयर अभी भी बहुत शोर वाला है। वास्तविक मशीनों पर उनके परिणामों में सिमुलेशन की तुलना में लगभग 50% त्रुटि दर देखी गई। पेपर निष्कर्ष निकालता है कि हालांकि विचार शानदार है, लेकिन वास्तविक धन प्रबंधन के लिए इसका उपयोग करने से पहले हमें बेहतर "नॉइज़ कैंसिलेशन" तकनीक की आवश्यकता है।
सारांश
यह पेपर क्वांटम कंप्यूटरों के लिए एक चतुर तरकीब प्रस्तावित करता है: गलत उत्तरों को दंडित करना बंद करें; इसके बजाय, एक ऐसी मशीन बनाएं जो उन्हें बना ही न सके। "मिक्सड डिक स्टेट्स" का उपयोग करके क्वांटम सर्किट में संरचनात्मक रूप से नियमों (जैसे "3 से 7 स्टॉक चुनें") को शामिल करके, उन्होंने जटिल पेनल्टी ट्यूनिंग की आवश्यकता को समाप्त कर दिया। उनके प्रयोगों ने दिखाया कि उनका तरीका रैंडम गेसिंग की तुलना में बहुत तेज़ी से सर्वोत्तम समाधान खोजता है, विशेष रूप से जटिल समस्याओं के लिए, हालांकि वास्तविक दुनिया के हार्डवेयर का शोर अभी भी एक बाधा बना हुआ है जिसे पार करने की आवश्यकता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।