⚛️ quantum physics

Quantum resources in non-stoquastic quantum annealing

यह शोध पत्र प्रदर्शित करता है कि नॉन-स्टोकास्टिक क्वांटम एनीलिंग, जिसका लक्ष्य फर्स्ट-ऑर्डर फेज ट्रांजिशन को परिवर्तित करके एक्सपोनेंशियल स्पीडअप प्राप्त करना है, साथ ही एंटैंगलमेंट और नॉन-स्टेबिलाइज़रनेस जैसे क्वांटम कम्प्यूटेशनल संसाधनों को बनाए रखता है या बढ़ाता है, जिससे टेंसर नेटवर्क और स्टेबिलाइज़र-टेबलू जैसे क्लासिकल सिमुलेशन तरीके एक्सपोनेंशियल रूप से कठिन हो जाते हैं।

मूल लेखक: Chiara Capecci, Sebastian Nagies, Naga Dileep Varikuti, Philipp Hauke

प्रकाशित 2026-06-10

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Chiara Capecci, Sebastian Nagies, Naga Dileep Varikuti, Philipp Hauke

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

एक बड़ी तस्वीर: एक मोड़ के साथ पहाड़ चढ़ना

कल्पना कीजिए कि आप एक बहुत कठिन पहेली को हल करने की कोशिश कर रहे हैं। क्वांटम कंप्यूटिंग की दुनिया में, यह एक विशाल, धुंधले पर्वत श्रृंखला (जिसे "ग्राउंड स्टेट" कहा जाता है) में सबसे निचले बिंदु को खोजने की कोशिश करने जैसा है। इसे करने का मानक तरीका क्वांटम एनीलिंग (Quantum Annealing) है।

मानक तरीके को एक पर्वतारोही के रूप में सोचें जो धीरे-धीरे पहाड़ से नीचे उतर रहा है।

समस्या: कभी-कभी, पहाड़ में एक खड़ी ढलान (एक "फर्स्ट-ऑर्डर फेज ट्रांजिशन") होती है। नीचे तक पहुँचने के लिए, पर्वतारोही को एक बहुत ही छोटे, लगभग अदृश्य पुल के प्रकट होने का इंतज़ार करना पड़ता है। यदि पुल बहुत छोटा है, तो पर्वतारोही फंस जाता है, और इसे पूरा करने में लगने वाला समय तेजी से (exponentially) बढ़ जाता है (इसमें अनंत समय लग सकता है)।
"स्टोक्वास्टिक" (Stoquastic) सीमा: मानक पर्वतारोही एक विशिष्ट प्रकार के मानचित्र (एक "स्टोक्वास्टिक" हैमिल्टोनियन) का उपयोग करते हैं। ये मानचित्र क्लासिकल कंप्यूटरों (जैसे आपके लैपटॉप) के लिए सिम्युलेट करना आसान है क्योंकि इनमें भ्रमित करने वाली "साइन समस्याएं" (sign problems) नहीं होती हैं। हालाँकि, क्योंकि इन्हें सिम्युलेट करना आसान है, इसलिए वे क्लासिकल कंप्यूटरों पर वास्तविक "क्वांटम लाभ" (quantum advantage) प्रदान नहीं कर सकते हैं।

नया विचार: "कैटलिस्ट" (उत्प्रेरक) मोड़

शोधकर्ता एक नई रणनीति का परीक्षण कर रहे हैं: एक नॉन-स्टोक्वास्टिक कैटलिस्ट (Non-Stoquastic Catalyst) जोड़ना।

कल्पना कीजिए कि पर्वतारोही को एक समानांतर, जादुई आयाम के माध्यम से एक अस्थायी मोड़ लेने की अनुमति है।

कैटलिस्ट: यह एक विशेष उपकरण है जो यात्रा के बीच में ही काम करता है। यह आपकी शुरुआत या अंत को नहीं बदलता है; यह केवल बीच के रास्तों को बदल देता है।
लक्ष्य: इस उपकरण का उपयोग करके, पर्वारोही उस भयानक खड़ी ढलान को एक हल्की, ढालू पहाड़ी (एक "सेकंड-ऑर्डर फेज ट्रांजिशन") में बदल सकता है। यह यात्रा को बहुत तेज़ बना देता है।
चुनौती: क्योंकि यह उपकरण "जादुई" नियमों (नॉन-स्टोक्वास्टिक टर्म्स) का उपयोग करता है, इसलिए आपका लैपटॉप अब पर्वतारोही के रास्ते को आसानी से सिम्युलेट नहीं कर पाएगा। "साइन समस्या" वापस आ जाती है, जिससे क्लासिकल कंप्यूटरों के लिए मुकाबला करना कठिन हो जाता है।

बड़ा सवाल: क्या यह मोड़ सार्थक है?

यह पेपर एक महत्वपूर्ण सवाल पूछता है: सिर्फ इसलिए कि क्लासिकल कंप्यूटर अब रास्ते को सिम्युलेट नहीं कर सकता, क्या इसका मतलब यह है कि क्वांटम कंप्यूटर वास्तव में कुछ "कठिन" या "क्वांटम" कर रहा है?

कभी-कभी, कोई समस्या कंप्यूटर के लिए इसलिए कठिन होती है क्योंकि वह अव्यवस्थित होती है, न कि इसलिए कि उसके लिए गहरे क्वांटम जादू की आवश्यकता होती है। शोधकर्ता जानना चाहते थे: क्या यह तेज़ मोड़ वास्तव में अधिक क्वांटम संसाधनों (Quantum Resources) की मांग करता है?

उन्होंने दो विशिष्ट "संसाधनों" को मापा जो क्लासिकल कंप्यूटरों के लिए समस्या को कठिन बनाते हैं:

एंटैंगलमेंट (टीमवर्क का उदाहरण): कल्पना कीजिए कि नर्तकों का एक समूह है। एक साधारण नृत्य में, हर कोई स्वतंत्र रूप से चलता है। एक अत्यधिक एंटैंगल्ड नृत्य में, हर नर्तक की चाल दूसरे नर्तक की चाल से तुरंत जुड़ी होती है। यदि आप नृत्य का वर्णन किसी और को करना चाहते हैं, तो आपको पूरे समूह का एक साथ वर्णन करना होगा, न कि व्यक्तिगत नर्तकों का। यह क्लासिकल कंप्यूटरों के लिए कठिन है।
नॉन-स्टेबिलाइज़रनेस / "मैजिक" (सीक्रेट सॉस का उदाहरण): कल्पना कीजिए कि एक रेसिपी है। कुछ रेसिपीज़ केवल मानक सामग्रियों (स्टेबिलाइज़र) का उपयोग करती हैं जिन्हें एक कंप्यूटर आसानी से अनुमानित कर सकता है। "मैजिक" एक गुप्त, विदेशी मसाले को जोड़ने जैसा है जो स्वाद को अनिश्चित बनाता है जिसे बिना खाना बनाए अनुमानित करना असंभव है। जिस अवस्था में जितना अधिक "मैजिक" होता है, क्लासिकल कंप्यूटर के लिए उसे सिम्युलेट करना उतना ही कठिन होता है।

उन्हें क्या मिला

शोधकर्ताओं ने इसे दो विशिष्ट "पहाड़ों" (गणितीय मॉडल) पर परखा:

P-स्पिन मॉडल (P-Spin Model): एक अत्यधिक जुड़ा हुआ, सैद्धांतिक पहाड़।
लोकल आइसिंग मॉडल (Local Ising Model): एक स्थानीय कनेक्शन वाला पहाड़, जो वास्तविक दुनिया के हार्डवेयर जैसा है।

परिणाम:

गैप बढ़ गया: उम्मीद के मुताबिक, कैटलिस्ट ने सफलतापूर्वक "पुल" (एनर्जी गैप) को चौड़ा कर दिया, जिससे क्वांटम यात्रा तेज़ हो गई।
संसाधन ऊंचे (या और ऊंचे) रहे: महत्वपूर्ण रूप से, उन्होंने पाया कि यात्रा को तेज़ करने से क्वांटम अवस्था क्लासिकल कंप्यूटरों के लिए "सरल" नहीं हुई।
- एंटैंगलमेंट: नॉन-स्टोक्वास्टिक मोड़ में, कणों के बीच "टीमवर्क" (एंटैंगलमेंट) उच्च बना रहा या सिस्टम के बड़ा होने पर और भी बढ़ गया।
- मैजिक: "सीक्रेट सॉस" (नॉन-स्टेबिलाइज़रनेस) वास्तव में नॉन-स्टोक्वास्टिक शासन में काफी बढ़ गया।

निष्कर्ष

पेपर यह निष्कर्ष निकालता है कि नॉन-स्टोक्वास्टिक कैटलिस्ट का उपयोग करके क्वांटम एनीलिंग की गति में सुधार करने से क्वांटम जटिलता (quantum complexity) खोने का जोखिम नहीं होता है।

वास्तव में, वे चीजें जो क्वांटम कंप्यूटर को तेज़ बनाती हैं (कैटलिस्ट), वे ही इस अवस्था को क्लासिकल कंप्यूटरों के लिए सिम्युलेट करने में अविश्वसनीय रूप से कठिन भी बनाती हैं। "क्वांटम लाभ" वास्तविक है क्योंकि सिस्टम अभी भी गहराई से "क्वांटम" (एंटैंगलमेंट और मैजिक से भरपूर) है, भले ही वह तेज़ी से चल रहा हो।

संक्षेप में: शोधकर्ताओं ने साबित किया कि "जादुई मोड़" न केवल यात्रा को तेज़ करता है; बल्कि यह यात्रा को इतना जटिल और परस्पर जुड़ा हुआ रखता है कि क्लासिकल कंप्यूटर पीछे छूट जाते हैं और उनका मुकाबला नहीं कर पाते।

तकनीकी सारांश: नॉन-स्टोक्वास्टिक क्वांटम एनीलिंग में क्वांटम संसाधन

समस्या विवरण
क्वांटम एनीलिंग (QA) का लक्ष्य एक सरल ड्राइवर हैमिल्टनियन से एक जटिल समस्या हैमिल्टनियन तक एक सिस्टम को एडियाबेटिक रूप से विकसित करके कॉम्बिनेटोरियल ऑप्टिमाइज़ेशन समस्याओं को हल करना है। मानक QA प्रोटोकॉल स्टोक्वास्टिक हैमिल्टनियन्स का उपयोग करते हैं, जो 'साइन प्रॉब्लम' (sign problem) से मुक्त होते हैं और इस प्रकार क्लासिकल क्वांटम मोंटे कार्लो (QMC) विधियों द्वारा कुशलतापूर्वक सिम्युलेट किए जा सकते हैं। वास्तविक क्वांटम लाभ प्राप्त करने के लिए, नॉन-स्टोक्वास्टिक कैटलिस्ट हैमिल्टनियन्स को पेश करने का प्रस्ताव दिया गया है। ये कैटलिस्ट, जो केवल मध्यवर्ती चरणों के दौरान सक्रिय होते हैं, फर्स्ट-ऑर्डर क्वांटम फेज ट्रांजिशन (जो तेजी से घटते ऊर्जा अंतराल द्वारा पहचाने जाते हैं) को सेकंड-ऑर्डर ट्रांजिशन (पॉलीनोमियल गैप स्केलिंग) में बदलने में सक्षम हैं, जिससे घातांकीय (exponential) गति वृद्धि संभव होती है।

हालाँकि, एक महत्वपूर्ण खुला प्रश्न बना हुआ है: जबकि नॉन-स्टोक्वास्टिक टर्म्स QMC सिमुलेशन को बाधित करते हैं, क्या वे अन्य क्लासिकल सिमुलेशन विधियों—विशेष रूप से टेंसर नेटवर्क (कम एंटैंगलमेंट पर निर्भर) और स्टेबलाइज़र-टेब्लो विधियों (कम नॉन-स्टेबिलाइज़नेस या "मैजिक" पर निर्भर)—को भी अक्षम बनाते हैं? यदि स्पेक्ट्रल गैप में सुधार क्वांटम संसाधनों में कमी की कीमत पर आता है, तो क्लासिकल विधियाँ अभी भी अवस्था (state) को कुशलतापूर्वक ट्रैक कर सकती हैं, जिससे क्वांटम लाभ निष्प्रभावी हो जाता है। यह शोध पत्र इस बात की जांच करता है कि क्या नॉन-स्टोक्वास्टिक एनीलिंग से होने वाले प्रदर्शन लाभ क्वांटम संसाधनों में महत्वपूर्ण वृद्धि के साथ मेल खाते हैं।

कार्यप्रणाली
लेखक स्टोक्वास्टिक और नॉन-स्टोक्वास्टिक एनीलिंग प्रोटोकॉल की तुलना करने के लिए दो प्रतिमान बेंचमार्क मॉडल का विश्लेषण करते हैं:

पूर्णतः जुड़ा हुआ $p$ -स्पिन मॉडल (Fully Connected $p$ -Spin Model): एक परम्यूटेशन-सिमेट्रिक मॉडल जहाँ कॉस्ट हैमिल्टनियन में ऑल-टू-ऑल इंटरैक्शन शामिल है। लेखक डिके सबस्पेस (Dicke subspace) तक डायनेमिक्स को सीमित करने के लिए मॉडल की समरूपता का उपयोग करते हैं, जिससे $N=100$ तक सिस्टम साइज के लिए सटीक विकर्ण (exact diagonalization) संभव हो पाता है।
जियोमेट्रिकल लोकल आइसिंग मॉडल (Geometrically Local Ising Model): एक मॉडल जिसमें स्थानीय कनेक्टिविटी (दो क्वबिट रिंग्स) है, जिसे अल्बाश द्वारा पेश किया गया था, जिसमें परम्यूटेशन सिमेट्री का अभाव है लेकिन यह निकट-अवधि हार्डवेयर का अधिक प्रतिनिधित्व करता है। लेखक छोटे सिस्टम ( $N \le 16$ ) के लिए सटीक विकर्ण और बड़े सिस्टम के लिए रिसोर्स कंप्यूट करने हेतु मैट्रिक्स प्रोडक्ट स्टेट (MPS) प्रतिनिधित्व के साथ मोंटे कार्लो सैंपलिंग का उपयोग करते हैं।

दोनों मॉडलों के लिए, लेखक एक नॉन-स्टोक्वास्टिक कैटलिस्ट हैमिल्टनियन ( $H_{\text{catalyst}}$ ) पेश करते हैं जो ट्रांसवर्स टू-बॉडी इंटरैक्शन ( $\sigma^x_i \sigma^x_j$ ) से बना है। वे एक शेड्यूल का उपयोग करते हुए एनीलिंग पाथ $s \in [0,1]$ के अनुदिश विकास की निगरानी करते हैं, जिसमें एक ट्यूनेबल कैटलिस्ट स्ट्रेंथ $\lambda(s)$ शामिल है।

अध्ययन तीन प्रमुख अवलोकनों पर केंद्रित है:

स्पेक्ट्रल गैप ( $\Delta E$ ): ग्राउंड और फर्स्ट एक्साइटेड स्टेट्स के बीच न्यूनतम ऊर्जा अंतर, जो एडियाबेटिक रनटाइम को निर्धारित करता है।
बाइपार्टाइट एंटैंगलमेंट एंट्रॉपी ( $S$ ): क्वांटम सहसंबंधों का एक माप, जो टेंसर नेटवर्क सिमुलेशन की कठिनाई को परिमाणित करता है।
स्टेबलाइज़र रेनी एंट्रॉपी ( $M_2$ ): नॉन-स्टेबिलाइज़नेस (या "मैजिक") का एक माप, जो स्टेबलाइज़र-टेब्लो सिमुलेशन की कठिनाई को परिमाणित करता है।

मुख्य योगदान और परिणाम

संसाधनों और गैप स्केलिंग का सहसंबंध: लेखक पाते हैं कि वे क्षेत्र जहाँ नॉन-स्टोक्वास्टिक कैटलिस्ट स्पेक्ट्रल गैप स्केलिंग में सुधार करते हैं (एक्सपोनेंशियल को पॉलीनोमियल में बदलना), लगातार उच्च स्तर के क्वांटम संसाधनों से जुड़े होते हैं।
$p$ -स्पिन मॉडल के निष्कर्ष:
- गैप स्केलिंग: नॉन-स्टोक्वास्टिक पाथ (विशेष रूप से उन पाथ जो फर्स्ट-ऑर्डर ट्रांजिशन लाइन से बचते हैं) सफलतापूर्वक एक्सपोनेंशियल गैप क्लोजिंग को पॉलीनोमियल क्लोजिंग में बदल देते हैं।
- एंटैंगलमेंट: स्टोक्वास्टिक व्यवस्थाओं में, एंटैंगलमेंट एंट्रॉपी सिस्टम साइज के साथ संतृप्त (saturate) होती है। नॉन-स्टोक्हास्टिक व्यवस्थाओं में, एंटैंगलमेंट अध्ययन किए गए सिस्टम साइज के ऊपर बढ़ता रहता है, हालांकि स्केलिंग जटिल है (क्रिटिकल पॉइंट्स के पास सबलीनियर, बड़े $N$ पर संभावित रूप से संतृप्त)।
- नॉन-स्टेबिलाइज़नेस: स्टेबलाइज़र रेनी एंट्रॉपी (SRE) सभी मामलों में सिस्टम साइज के साथ एक्सटेंसिवली (रैखिक रूप से) स्केल करती है। हालाँकि, इसके विकास का ढलान (slope) स्टोक्वास्टिक व्यवस्थाओं की तुलना में नॉन-स्टोक्वास्टिक व्यवस्थाओं में काफी अधिक तीव्र है।
लोकल आइसिंग मॉडल के निष्कर्ष:
- मैग्नेटाइजेशन लैंडस्केप: नॉन-स्टोक्वास्टिक कैटलिस्ट स्टोक्वास्टिक मामले के एकल तीक्ष्ण मैग्नेटाइजेशन पुनर्गठन को प्लेटो (plateaus) और अवॉइड क्रेसिंग्स (avoided crossings) के एक क्रम में बदल देता है।
- रिसोर्स स्केलिंग: $p$ -स्पिन मॉडल की तरह, नॉन-स्टोक्वास्टिक प्रोटोकॉल ( $\lambda=4$ ) एक अधिक जटिल लैंडस्केप प्रदर्शित करता है जिसमें कई स्थानीय चरम (local extrema) होते हैं। जबकि स्टोक्वास्टिक प्रोटोकॉल स्थिर एंटैंगलमेंट और रैखिक SRE विकास दिखाता है, नॉन-स्टोक्वास्टिक प्रोटोकॉल इन रिसोर्स स्तरों को बनाए रखता है या बढ़ाता है, जिससे यह सुनिश्चित होता है कि सिस्टम इन विशिष्ट विधियों के माध्यम से क्लासिकली आसान सिमुलेशन न बन जाए।
बैरियर विश्लेषण: अध्ययन पहचानता है कि जबकि स्टोक्वास्टिक स्वीप्स में "एंटैंगलमेंट बैरियर्स" मौजूद होते हैं, नॉन-स्टोक्वास्टिक टर्म्स को पेश करने से इन बैरियर्स में कमी नहीं आती है। इसके बजाय, यह अक्सर "मैजिक बैरियर" (नॉन-स्टेबिलाइज़नेस) को महत्वपूर्ण रूप से बढ़ाता है।

महत्व और दावे
यह शोध पत्र निष्कर्ष निकालता है कि नॉन-स्टोक्वास्टिक एनीलिंग के माध्यम से क्वांटम प्रदर्शन में सुधार, क्वांटम कम्प्यूटेशनल संसाधनों की महत्वपूर्ण उपस्थिति के साथ मेल खाता है। विशेष रूप से:

एंटैंगलमेंट और नॉन-स्टेबिलाइज़नेस का स्केलिंग कम से कम बना रहता है, और कई मामलों में, गहराई से नॉन-स्टोक्वास्टिक शासन में काफी बढ़ जाता है।
यह सुझाव देता है कि टेंसर नेटवर्क और स्टेबलाइज़र-टेब्लो सिमुलेशन पर आधारित क्लासिकल कंप्यूटेशन विधियों को नॉन-स्टोक्वास्टिक एनीलिंग को सिम्युलेट करने में बढ़ती कठिनाइयों का सामना करना पड़ेगा, जो उन जटिलता-सैद्धांतिक तर्कों को दर्शाता है जो नॉन-स्टोक्वास्टिकिटी के उपयोग को प्रेरित करते हैं।
परिणाम इस बात के संख्यात्मक प्रमाण प्रदान करते हैं कि नॉन-स्टोक्वास्टिक प्रोटोकॉल के इंस्टेंटेनियस ग्राउंड स्टेट्स में आवश्यक "मैजिक" वास्तव में मौजूद है, जो इस परिकल्पना का समर्थन करता है कि ये संसाधन क्लासिकल एल्गोरिदम पर वास्तविक क्वांटम लाभ के लिए आवश्यक हैं।

लेखक विनम्र रहते हैं, यह नोट करते हुए कि रिसोर्स स्केलिंग का सटीक व्यवहार विशिष्ट मॉडल और एनीलिंग पाथ पर निर्भर करता है, और हालांकि उनके अंकगणित (numerics) निरंतर वृद्धि का सुझाव देते हैं, $p$ -स्पिन मॉडल में एंटैंगलमेंट के थर्मोडायनामिक लिमिट व्यवहार के लिए आगे के अन्वेषण की आवश्यकता है।

एक बड़ी तस्वीर: एक मोड़ के साथ पहाड़ चढ़ना

नया विचार: "कैटलिस्ट" (उत्प्रेरक) मोड़

बड़ा सवाल: क्या यह मोड़ सार्थक है?

उन्हें क्या मिला

निष्कर्ष

इसी तरह के और पेपर