⚛️ quantum physics

Scalable quantum circuit knitting using a weak-coupling approximation

यह शोध पत्र वितरित क्वांटम कंप्यूटिंग के लिए एक स्केलेबल विधि प्रस्तुत करता है जो कमजोर-कपलिंग सन्निकटन (weak-coupling approximation) के आधार पर सर्किटों को विभाजित करके शास्त्रीय पुनर्निर्माण लागत को घातीय (exponential) से बहुपद (polynomial) में कम करता है, जिसे विशेष रूप से क्वांटम एप्रोक्सिमेट ऑप्टिमाइजेशन एल्गोरिदम में प्रयुक्त लेयर्ड सर्किटों पर प्रदर्शित किया गया है।

मूल लेखक: John P. T. Stenger, Daniel Gunlycke, Nikos Chrisochoides

प्रकाशित 2026-06-19

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: John P. T. Stenger, Daniel Gunlycke, Nikos Chrisochoides

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

यहाँ सरल भाषा और रचनात्मक उपमाओं का उपयोग करके शोध पत्र (paper) की व्याख्या दी गई है।

बड़ी समस्या: "फिट होने के लिए बहुत बड़ा" वाला पहेली (The "Too Big to Fit" Puzzle)

कल्पना कीजिए कि आपके पास एक विशाल, जटिल जिग्सॉ पहेली (jigsaw puzzle) है जो एक जटिल गणना (calculation) का प्रतिनिधित्व करती है। आप इसे एक क्वांटम कंप्यूटर का उपयोग करके हल करना चाहते हैं। हालाँकि, आपका क्वांटम कंप्यूटर एक छोटी मेज की तरह है; इसमें एक साथ सभी पहेली के टुकड़ों को बिछाने के लिए पर्याप्त जगह नहीं है।

क्वांटम कंप्यूटिंग की दुनिया में, इन "टुकड़ों" को qubits कहा जाता है। यदि किसी समस्या के लिए 100 qubits की आवश्यकता है, लेकिन आपके पास केवल 20 हैं, तो आप फंस जाते हैं।

इसे हल करने के लिए, वैज्ञानिक सर्किट नीटिंग (Circuit Knitting) नामक तकनीक का उपयोग करते हैं। इसे एक विशाल पहेली को दो छोटी पहेलियों में काटने, उन्हें दो अलग-अलग मेजों पर हल करने और फिर उनके उत्तरों को वापस जोड़ने (stitch करने) की कोशिश करने के रूप में सोचें।

पुराना तरीका: "एक्सपोनेंशियल दुःस्वप्न" (The "Exponential Nightmare")

इन पहेलियों को वापस जोड़ने का पारंपरिक तरीका अविश्वसनीय रूप से महंगा है। दो हिस्सों से पूरी तस्वीर को फिर से बनाने के लिए, आपको हर उस संभावित संयोजन (combination) को आज़माना होगा कि टुकड़े कैसे फिट हो सकते हैं।

यदि आप पहेली को 10 स्थानों पर काटते हैं, तो संयोजनों की संख्या तेजी से (exponentially) बढ़ती है (जैसे $2^{10}$ , $2^{20}$ , आदि)। यह ब्रह्मांड के हर एक अक्षर संयोजन को आज़माकर पासवर्ड का अनुमान लगाने जैसा है। इसके लिए इतनी अधिक क्लासिकल कंप्यूटिंग शक्ति की आवश्यकता होती है कि यह क्वांटम कंप्यूटर का उपयोग करने के उद्देश्य को ही विफल कर देता है।

नया विचार: "कमजोर जुड़ाव" वाला शॉर्टकट (The "Weakly Connected" Shortcut)

इस शोध पत्र के लेखक एक चतुर शॉर्टकट का प्रस्ताव देते हैं। उन्होंने देखा कि कई वास्तविक दुनिया की समस्याओं में, पहेली के दो हिस्से आपस में मजबूती से चिपके हुए नहीं होते हैं। इसके बजाय, वे एक कमजोर कड़ी (weak link) द्वारा जुड़े होते हैं।

उपमा: एक घर के दो कमरों की कल्पना करें।

कमरा A और कमरा B लोगों की बातचीत (क्वांटम गणनाओं) से भरे हुए हैं।
आमतौर पर, दीवारें साउंडप्रूफ होती हैं और कमरे पूरी तरह से स्वतंत्र होते हैं।
लेकिन इस विशिष्ट परिदृश्य में, उन्हें जोड़ने वाला एक पतला, कमजोर दरवाजा (एक "weakly coupled qubit") है।
क्योंकि दरवाजा कमजोर है, कमरे A का शोर कमरे B को बहुत कम परेशान करता है, और इसके विपरीत भी।

शोध पत्र का तर्क है कि यदि दो भागों के बीच का संबंध "कमजोर" है, तो आपको उन्हें वापस जोड़ने के लिए हर संभव संयोजन को जांचने की आवश्यकता नहीं है। आपको केवल उन संयोजनों को जांचने की आवश्यकता है जहाँ "कमजोर दरवाजा" बहुत अधिक हिलता-डुलता नहीं है।

यह कैसे काम करता है: "फ्लिप" नियम (The "Flip" Rule)

लेखकों ने यह तय करने के लिए नियमों का एक सेट बनाया कि कौन से संयोजन जांचने लायक हैं और किन्हें अनदेखा किया जा सकता है।

"नो फ्लिप" नियम (The "No Flip" Rule): वे मानते हैं कि चूंकि कनेक्शन कमजोर है, इसलिए गणना के दौरान "दरवाजे" (qubit) की स्थिति बहुत अक्सर नहीं बदलनी चाहिए।
फ्लिप्स की गिनती (Counting the Flips): वे गिनते हैं कि "दरवाजा" कितनी बार अपनी स्थिति बदलता है (एक "फ्लिप")।
- यदि दरवाजा 0 बार बदलता है, तो इसकी संभावना बहुत अधिक है कि यह सही है।
- यदि यह 1 बार बदलता है, तो इसकी संभावना कम है।
- यदि यह 5 बार बदलता है, तो यह इतना असंभव है कि आप इसे सुरक्षित रूप से अनदेखा कर सकते हैं।
अनुमान (The Approximation): एक सीमा चुनकर (उदाहरण के लिए, "किसी भी चीज़ को अनदेखा करें जो 2 बार से अधिक बार बदलती है"), वे गणना करने के लिए आवश्यक संयोजनों की संख्या को नाटकीय रूप से कम कर देते हैं।

परिणाम: एक्सपोनेंशियल से पॉलिनोमियल तक (From Exponential to Polynomial)

यह उनके तरीके का जादू है:

बिना इस ट्रिक के: आवश्यक कार्य एक्सपोनेंशियल रूप से बढ़ता है (1, 2, 4, 8, 16, 32...)| यह बहुत तेज़ी से नियंत्रण से बाहर हो जाता है।
इस ट्रिक के साथ: आवश्यक कार्य पॉलिनोमियल रूप से बढ़ता है (1, 4, 9, 16...)| यह बढ़ता तो है, लेकिन धीरे और प्रबंधनीय तरीके से।

उन्होंने सिद्ध किया कि जिन समस्याओं में दो भाग केवल कमजोर रूप से जुड़े होते हैं, उनमें आप बहुत कम अतिरिक्त काम करके एक बहुत सटीक उत्तर प्राप्त कर सकते हैं।

शोध पत्र में उल्लेखित वास्तविक दुनिया के उदाहरण

लेखक केवल सिद्धांत की बात नहीं करते हैं; वे दिखाते हैं कि यह "कमजोर जुड़ाव" स्वाभाविक रूप से कहाँ होता है:

व्हीकल रूटिंग (डिलीवरी ट्रक): कल्पना कीजिए कि दो डिपो से दूर स्थित एक डिलीवरी कंपनी है। डिपो A के ट्रक डिपो B के ट्रकों के साथ शायद ही कभी बातचीत करते हैं। "कमजोर कड़ी" उनके बीच की लंबी दूरी है। आप प्रत्येक डिपो के लिए रूटिंग को अलग से हल कर सकते हैं और उन्हें आसानी से जोड़ सकते हैं।
इमेज प्रोसेसिंग: यदि आप एक विशाल मेडिकल इमेज का विश्लेषण कर रहे हैं, तो इमेज का ऊपरी-बायां कोना निचले-दाएं कोने से बहुत कम संबंधित हो सकता है। आप उन्हें अलग-अलग कमजोर रूप से जुड़े हिस्सों के रूप में प्रोसेस कर सकते हैं।
मॉलिक्यूल्स (अणु): रसायन विज्ञान में, दो बड़े अणु एक-दूसरे के पास हो सकते हैं लेकिन मजबूती से बंधे नहीं होते हैं। उनकी अंतःक्रिया (interaction) कमजोर होती है, जिससे वे इस पद्धति के लिए आदर्श बन जाते हैं।

मुख्य निष्कर्ष (The Bottom Line)

यह शोध पत्र छोटे क्वांटम कंप्यूटरों पर बड़े क्वांटम समस्याओं को हल करने की एक विधि प्रस्तुत करता है। यह पहचानकर कि समस्या के कुछ हिस्से केवल "कमजोर रूप से जुड़े" (जैसे एक कमजोर दरवाजे वाले दो कमरे) हैं, वे समस्या को दो हिस्सों में काट सकते हैं, टुकड़ों को अलग-अलग हल कर सकते हैं, और एक असंभव मात्रा के बजाय बहुत कम अतिरिक्त काम के साथ उन्हें वापस जोड़ सकते हैं। यह बड़े पैमाने पर क्वांटम कंप्यूटिंग को निकट भविष्य के लिए बहुत अधिक व्यावहारिक बनाता है।

तकनीकी सारांश: एक कमजोर-युग्मन सन्निकटन (Weak-Coupling Approximation) का उपयोग करके स्केलेबल क्वांटम सर्किट नीटिंग

समस्या विवरण
डिस्ट्रीब्यूटेड क्वांटम कंप्यूटिंग (DQC) मोनोलिथिक क्वांटम प्रोसेसिंग यूनिट्स (QPUs) की क्वबिट सीमाओं से परे क्वांटम एल्गोरिदम को स्केल करने के लिए एक महत्वपूर्ण मार्ग है। DQC के लिए एक प्राथमिक तकनीक "सर्किट नीटिंग" (circuit knitting) है, जो एक बड़े क्वांटम सर्किट को छोटे सब-सर्किट्स में विभाजित करती है जिन्हें अलग-अलग हार्डवेयर पर निष्पादित किया जाता है, और फिर उनके परिणामों को शास्त्रीय रूप से पुनर्गठित (recombine) किया जाता है। हालाँकि, सटीक सर्किट नीटिंग (विशेष रूप से CutQC प्रोटोकॉल) को वैश्विक क्वांटम प्रक्रिया को पुनर्गठित करने के लिए घातीय (exponential) मात्रा में शास्त्रीय सूचना और सैंपलिंग की आवश्यकता होती है। आवश्यक शास्त्रीय प्रक्रियाओं की संख्या $4^{N_x}$ के रूप में स्केल करती है, जहाँ $N_x$ कट्स (cuts) की संख्या है, जो इस दृष्टिकोण को कई कट्स वाले सर्किटों के लिए अव्यवहार्य बना देती है। जबकि कुछ सन्निकटन (approximations) मौजूद हैं (जैसे, टोमोग्राफी या टेंसर नेटवर्क पर आधारित), ऐसे तरीकों की आवश्यकता है जो समाधान की गुणवत्ता से समझौता किए बिना शास्त्रीय ओवरहेड को कम करने के लिए समस्याओं के विशिष्ट भौतिक गुणों का लाभ उठा सकें।

कार्यप्रणाली (Methodology)
लेखक कमजोर युग्मन (weak coupling) का लाभ उठाकर वितरित क्वांटम कंप्यूटिंग करने के लिए एक विधि प्रस्तावित करते हैं। यह दृष्टिकोण CutQC वायर-कटिंग प्रतिमान का एक विशेष रूप है, जिसे उन परिदृश्यों के लिए अनुकूलित किया गया है जहाँ एक क्वांटम सर्किट को एक एकल क्वबिट लाइन ( $q_x$ ) के साथ विभाजित किया जा सकता है जो शेष प्रणाली के साथ कमजोर रूप से युग्मित (coupled) है।

कमजोर-युग्मन मॉडल: यह विधि मानती है कि कट क्वबिट $q_x$ और शेष प्रणाली के बीच की अंतःक्रिया एक छोटे युग्मन पैरामीटर $\lambda$ द्वारा नियंत्रित होती है। कट के आर-पार कार्य करने वाले गेट्स को $\hat{G} = \eta \hat{E} + \lambda \hat{O}_i \hat{O}_j$ के रूप में मॉडल किया जाता है। इस स्थिति में, गेट के कारण कट क्वबिट की अवस्था बदलने की प्रायिकता $\mathcal{O}(\lambda)$ होती है।
प्रतीकात्मक प्रतिनिधित्व (Symbolic Representation): सर्किट को सब-सर्किट्स $\mathcal{C}_1$ और $\mathcal{C}_2$ में विभाजित किया गया है। लेखक एक प्रतीकात्मक ढांचे को पेश करते हैं जहाँ कट पर इनपुट और आउटपुट ऑपरेशन्स को प्रतीकों की स्ट्रिंग्स (strings of symbols) द्वारा दर्शाया जाता है ( $\alpha$ -प्रकार: $\{0, 1, +, i\}$ रिसेट/तैयारी के लिए; $\sigma$ -प्रकार: $\{X, Y, Z, E\}$ मापन के लिए)।
"नो-फ्लिप" नियम (The "No-Flip" Rule): कमजोर-युग्मन सीमा में, एक "फ्लिप" (कट क्वबिट के प्रतीक अवस्था में परिवर्तन) की प्रायिकता $\lambda$ द्वारा दमित (suppressed) होती है। फलस्वरूप, $k$ फ्लिप्स वाली स्ट्रिंग्स के लिए प्रायिकता आयाम (probability amplitudes) $\mathcal{O}(\lambda^k)$ के रूप में स्केल करते हैं।
पॉलीनोमियल ट्रंकेशन (Polynomial Truncation): सभी स्ट्रिंग्स पर योग करने के बजाय (जो कि घातीय है), यह विधि गणना को स्ट्रिंग्स के एक सेट $\mathcal{S}_n$ तक सीमित कर देती है जिसमें अधिकतम $n$ फ्लिप्स हैं। आवश्यक शास्त्रीय प्रक्रियाओं की संख्या अब पॉलीनोमियल रूप में स्केल करती है: $N_S = \mathcal{O}(N_x^n)$ ।
पुनर्गठन (Reconstruction): लेखक नीटिंग के लिए आवश्यक $\alpha$ -प्रकार की प्रायिकताओं में मापे गए $\sigma$ -प्रकार की प्रायिकताओं को परिवर्तित करने के लिए एक रूपांतरण मैट्रिक्स $\Gamma$ को परिभाषित करते हैं। ट्रंकेशन के दौरान संख्यात्मक स्थिरता और व्युत्क्रमणीयता (invertibility) बनाए रखने के लिए, वे एक विशिष्ट $\sigma$ -प्रकार के स्ट्रिंग्स के उपसमुच्चय को चुनने के लिए पोजीशनल-सिम्बोलिक कॉरेस्पोंडेंस (PSC) रणनीति का उपयोग करते हैं जो यह सुनिश्चित करता है कि पुनर्गठन मैट्रिक्स गैर-शून्य (non-singular) रहे।
त्रुटि सीमाएं (Error Bounds): पुनर्गठित प्रायिकता में कुल त्रुटि $\mathcal{O}((N_x \lambda)^{(n+1)/3})$ द्वारा सीमित है।

प्रमुख योगदान

पॉलीनोमियल स्केलिंग: यह शोध पत्र प्रदर्शित करता है कि कमजोर रूप से युग्मित प्रणालियों के लिए, युग्मन शक्ति के आधार पर प्रायिकता स्थान को ट्रंकेट करके सर्किट नीटिंग की शास्त्रीय लागत को घातीय से पॉलीनोमियल ( $N_S = \mathcal{O}(N_x^n)$ ) में बदला जा सकता है।
PSC रणनीति: लेखक यह सुनिश्चित करने के लिए कि पुनर्गठन मैट्रिक्स $\Gamma$ व्युत्क्रमणीय और संख्यात्मक रूप से स्थिर है, भले ही स्ट्रिंग्स का पूर्ण सेट उपयोग न किया गया हो, आवश्यक मापन आधारों ( $\sigma$ -स्ट्रिंग्स) को चुनने के लिए एक विशिष्ट एल्गोरिदम (PSC) पेश करते हैं।
शोर विश्लेषण (Noise Analysis): यह शोध पत्र एक विश्लेषण प्रदान करता है कि पुनर्गठन मैट्रिक्स $\Gamma$ नेटिव क्वांटम हार्डवेयर शोर को घातीय रूप से नहीं बढ़ाता है, बल्कि इसके बजाय एक स्थिर करने वाले फिल्टर के रूप में कार्य करता है। यह यह भी स्थापित करता है कि ट्रंकेटेड मैट्रिक्स का कंडीशन नंबर पॉलीनोमियल रूप में स्केल करता है।
प्रदर्शन (Demonstration): इस विधि का प्रदर्शन एक सिम्युलेटेड 5-क्वबिट लेयर्ड सर्किट पर किया गया है जो क्वांटम एप्रोक्सिमेट ऑप्टिमाइजेशन एल्गोरिदम (QAOA) के समान है। परिणाम दिखाते हैं कि त्रुटि सन्निकटन स्तर $n$ बढ़ने और $\lambda$ घटने के साथ तेजी से कम होती है।

परिणाम
$\lambda$ पैरामीटर के साथ एक 5-क्वबिट सर्किट के उपयोग वाले प्रदर्शन में:

आउटपुट स्टेट $F=00000$ के लिए अंतिम प्रायिकता में त्रुटि $\lambda=0$ पर शून्य पाई गई।
जैसे-जैसे $|\lambda|$ बढ़ा, त्रुटि बढ़ी, लेकिन $n$ (जैसे, $n=1, 2$ ) के बड़े मानों के लिए सामान्य सैद्धांतिक सीमा की तुलना में काफी कम रही।
स्ट्रिंग संयोजनों की प्रायिकता वितरण ने फ्लिप्स की संख्या के साथ घातीय क्षय (exponential decay) दिखाया, जो ट्रंकेशन के औचित्य की पुष्टि करता है।
दूसरा-क्रम का सन्निकटन ( $n=2$ ) $\lambda^2$ पर निर्भरता दिखाता है, जो इस सैद्धांतिक व्युत्पत्ति के अनुरूप है कि विशिष्ट सर्किट संरचनाएं त्रुटि पदों को और अधिक दबा सकती हैं।

महत्व और दावे
लेखक दावा करते हैं कि यह विधि DQC से जुड़ी पारंपरिक घातीय सैंपलिंग बाधाओं को पार करने के लिए एक सैद्धांतिक मार्ग प्रदान करती है। यह पहचानकर कि कई व्यावहारिक समस्याओं (जैसे, दूरस्थ डिपो के साथ वाहन रूटिंग समस्या या कमजोर रूप से युग्मित हिल्बर्ट स्पेस वाले हैमिल्टोनियन सिमुलेशन) में अंतर्निहित कमजोर युग्मन होता है, यह विधि पहले से अव्यवहार्य बड़े पैमाने के अनुप्रयोगों को छोटे-स्तर के क्वांटम कंप्यूटरों के लिए सुलभ बनाती है।

यह शोध पत्र इस बात पर जोर देता है कि जबकि सामान्य CutQC के लिए घातीय संसाधनों की आवश्यकता होती है, यह कमजोर-युग्मन सन्निकटन एक ऐसा विशेष रूप प्रदान करता है जहाँ आवश्यक सर्किटों की संख्या पॉलीनोमियल रूप में बढ़ती है। लेखक उल्लेख करते हैं कि पिछले अनुप्रयोगों ने व्यापक क्वबिट कमी के लिए $n=0$ (कोई फ्लिप नहीं) सीमा का लाभ उठाया है; यह कार्य सटीकता में सुधार करने के लिए $n > 0$ की क्षमता को आगे बढ़ाता है, जबकि पॉलीनोमियल स्केलिंग बनाए रखता है। इस विधि को भौतिक रूप से प्रेरित समस्याओं के लिए एक व्यवहार्य दृष्टिकोण के रूप में प्रस्तुत किया गया है जहाँ सब-सिस्टम पृथक्करण स्वाभाविक रूप से होता है, जो सन्निकटन त्रुटि और शास्त्रीय कम्प्यूटेशनल लागत के बीच एक अनुकूल व्यापार-बंद (trade-off) प्रदान करता है।