⚛️ quantum physics

Quantum-Classical Auxiliary-Field Quantum Monte Carlo at the Edge of Practicability

यह शोध पत्र क्वांटम-क्लासिकल ऑक्सिलरी-फील्ड क्वांटम मोंटे कार्लो (QC-AFQMC) में उन एल्गोरिद्मिक सुधारों को प्रस्तुत करता है जो क्लासिकल कम्प्यूटेशनल स्केलिंग को $\tilde{\mathcal{O}}(N^{5.5})$ से घटाकर $\tilde{\mathcal{O}}(N^{4.5})$ कर देते हैं, जिससे वास्तविक क्वांटम डेटा और सिमुलेशन दोनों का उपयोग करके $H_8$ और $Li_2O_4$ जैसे रासायनिक रूप से प्रासंगिक प्रणालियों के ग्राउंड-स्टेट ऊर्जाओं की सफल गणना संभव हो पाती है, जिससे प्रारंभिक फॉल्ट-टोलरेंट क्वांटम युग के लिए इस पद्धति की व्यवहार्यता आगे बढ़ती है।

मूल लेखक: Francesco Nappi, Matthew Kiser, Fedor Šimkovic

प्रकाशित 2026-06-18

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Francesco Nappi, Matthew Kiser, Fedor Šimkovic

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: केमिस्ट्री की पहेलियों को सुलझाने के लिए एक टीम वर्क

कल्पना कीजिए कि आप एक विशाल, अविश्वसनीय रूप से जटिल जिग्सॉ पहेली (jigsaw puzzle) को सुलझाने की कोशिश कर रहे हैं जो यह दर्शाती है कि एक रासायनिक प्रतिक्रिया (chemical reaction) में परमाणु और इलेक्ट्रॉन कैसे व्यवहार करते हैं। कम्प्यूटेशनल केमिस्ट्रीस्ट्स के लिए यही दैनिक चुनौती है।

लंबे समय से, हम इस पहेली को केवल क्लासिकल कंप्यूटरों (जो आज हम उपयोग करते हैं) का उपयोग करके हल करने की कोशिश कर रहे हैं। लेकिन जैसे-जैसे पहेली बड़ी होती जाती है (अधिक परमाणु), आपस में जुड़ने वाले टुकड़ों के संभावित तरीकों की संख्या तेजी से (exponentially) बढ़ती जाती है। यह समुद्र तट पर एक विशिष्ट रेत के कण को खोजने जैसा है जो हर सेकंड बड़ा होता जा रहा है; अंततः, दुनिया के सबसे तेज़ सुपरकंप्यूटर भी फंस जाते हैं।

क्वांटम कंप्यूटर एक जादुई नए उपकरण की तरह हैं जो एक ही बार में पूरे समुद्र तट को देख सकते हैं। हालाँकि, वे वर्तमान में "नॉइज़ी" (noisy) और त्रुटिपूर्ण हैं, जैसे कोई बच्चा धुंधली दृष्टि के साथ पहेली सुलझाने की कोशिश कर रहा हो। वे अभी अकेले पूरी पहेली को हल नहीं कर सकते।

यह पेपर एक हाइब्रिड टीम दृष्टिकोण पेश करता है: क्वांटम-क्लासिकल ऑक्सिलरी-फील्ड क्वांटम मोंटे कार्लो (QC-AFQMC)।

क्वांटम कंप्यूटर एक विशेषज्ञ की तरह कार्य करता है जो पहेली के लिए एक उच्च-गुणवत्ता वाला "अनुमान" (एक ट्रायल स्टेट) तैयार करता है।
क्लासिकल कंप्यूटर एक प्रोजेक्ट मैनेजर की तरह कार्य करता है। यह क्वांटम कंप्यूटर के अनुमान को लेता है और उत्तर को परिष्कृत करने और वास्तविक 'ग्राउंड स्टेट' (न्यूनतम ऊर्जा समाधान) को खोजने के लिए लाखों सिमुलेशन (जिसे "वॉकर" कहा जाता है) चलाता है।

समस्या: बाधा (The Bottleneck)

इस हाइब्रिड टीम में, क्लासिकल कंप्यूटर को बहुत अधिक भारी काम करना पड़ता है। यह लगातार जांचता रहता है कि क्वांटम कंप्यूटर का "अनुमान" उसके द्वारा चलाए जा रहे लाखों सिमुलेशन के साथ कितनी अच्छी तरह मेल खाता है।

पेपर में उल्लेख किया गया है कि पहले, यह जांचने की प्रक्रिया समुद्र तट पर रेत के हर एक कण को गिनने की कोशिश करने जैसी थी, और यह हर बार की जाती थी जब टीम एक कदम आगे बढ़ती थी। इसके लिए आवश्यक गणित इतना भारी था कि जैसे-जैसे सिस्टम बड़ा होता गया, लगने वाला समय भी अविश्वसनीय रूप से बढ़ता गया। विशेष रूप से, यदि आप रासायनिक सिस्टम का आकार दोगुना करते हैं, तो आवश्यक समय केवल दोगुना नहीं होता; बल्कि वह विस्फोट की तरह बढ़ जाता है।

लेखक इसे एक 'स्केलिंग समस्या' के रूप में वर्णित करते हैं। यदि आप एक मध्यम आकार के अणु (100 ऑर्बिटल्स) का अध्ययन करना चाहते, तो पुराने तरीके से एक विशाल सुपरकंप्यूटर पर इसे चलाने में आधा सहस्राब्दी (500 वर्ष) लग जाता। यह व्यावहारिक नहीं है।

सफलता: गणना करने का एक स्मार्ट तरीका

लेखकों ने क्लासिकल कंप्यूटर के काम को तेज करने के लिए एक चतुर गणितीय शॉर्टकट खोजा है।

उपमा (Analogy):
कल्पना कीजिए कि आप बक्सों के एक ढेर का कुल वजन निकालने की कोशिश कर रहे हैं।

पुराना तरीका: आपको हर एक बक्से को व्यक्तिगत रूप से तौलना पड़ता था, फिर उन्हें जोड़ना पड़ता था, फिर ढेर को फिर से तौलना पड़ता था, और इस प्रक्रिया को हजारों बार दोहराना पड़ता था।
नया तरीका (यह पेपर): लेखकों ने महसूस किया कि बक्से एक विशिष्ट पैटर्न में व्यवस्थित हैं। एक-एक करके तौलने के बजाय, उन्होंने एक नया फॉर्मूला विकसित किया (जिसे ऐटकिन्स ब्लॉक ट्रांसफॉर्मेशन कहा जाता है) जो आपको केवल कुछ प्रमुख हिस्सों को देखकर पूरे ढेर का कुल वजन निकालने की अनुमति देता है।

परिणाम:
इस नए गणितीय ट्रिक को लागू करके, उन्होंने क्लासिकल कंप्यूटर द्वारा किए जाने वाले "भारी काम" को कम कर दिया।

पुरानी गति: 100-ऑर्बिटल सिस्टम के लिए, इसमें लगभग 500 वर्ष लगते थे।
नई गति: उसी सिस्टम के लिए, अब इसमें लगभग 1.8 वर्ष लगते हैं।
लाभ: यह एक 248 गुना स्पीडअप है। हालांकि 1.8 वर्ष अभी भी लंबा समय है, लेकिन यह समस्या को "असंभव" से बदलकर "एक विशाल सुपरकंप्यूटर के साथ करने योग्य" की श्रेणी में ले आता है।

उन्होंने एक छोटे अणु (H8) के लिए वास्तविक क्वांटम हार्डवेयर (IQM Emerald कंप्यूटर) पर अपने एल्गोरिदम को चलाकर और बड़े अणुओं (H12 और लिथियम-ऑक्सीजन बैटरी घटक) के लिए इसका अनुकरण करके इसकी पुष्टि भी की। परिणाम स्थिर और सटीक थे, जिससे सिद्ध हुआ कि यह विधि वर्तमान क्वांटम कंप्यूटरों के "शोर" (noise) के बावजूद काम करती है।

भविष्य के बारे में क्या?

यह पेपर इस बात पर भी गौर करता है कि एक आदर्श, "फॉल्ट-टोलरेंट" (गलतियाँ न करने वाले) क्वांटम कंप्यूटर पर इसे चलाने के लिए क्या आवश्यक होगा।

क्वांटम पक्ष: उनका अनुमान है कि भविष्य की तकनीक के साथ, काम का क्वांटम हिस्सा दिनों या हफ्तों में किया जा सकता है, जो क्लासिकल हिस्से की तुलना में बहुत तेज़ है।
निष्कर्ष: यह विधि अब "व्यावहारिकता की सीमा" (edge of practicability) पर है। यह कल आपके कार के इंजन डिजाइन सॉफ्टवेयर को बदलने के लिए तैयार नहीं है, लेकिन इसने उन जटिल रासायनिक समस्याओं को हल करने की दिशा में एक बड़ा कदम बढ़ाया है जो पहले असंभव थीं।

मुख्य दावों का सारांश

नवाचार: उन्होंने क्वांटम डेटा को क्लासिकल सिमुलेशन से जोड़ने के लिए उपयोग किए जाने वाले गणित में सुधार किया, जिससे 100-ऑर्बिटल सिस्टम के लिए यह 248 गुना तेज़ हो गया।
विधि: उन्होंने "सिंगुलर पफ़ाफियन" (एक विशिष्ट प्रकार की गणितीय समस्या जो आमतौर पर गणना को बाधित कर देती है) से निपटने के लिए ऐटकिन्स ब्लॉक ट्रांसफॉर्मेशन नामक गणितीय ट्रिक का उपयोग किया।
प्रमाण: उन्होंने सफलतापूर्वक H8 (8 हाइड्रोजन परमाणुओं की एक श्रृंखला) के लिए वास्तविक क्वांटम हार्डवेयर पर एल्गोरिदम चलाया और H12 तथा एक लिथियम-ऑक्सीजन बैटरी रिएक्शन के लिए इसका सिमुलेशन किया।
सीमा: उन्होंने यह दावा नहीं किया कि यह आज ही बैटरी की समस्या को हल कर देता है। उन्होंने केवल यह दिखाया कि उनका एल्गोरिदम अब उस आकार के सिस्टम को संभालने में सक्षम है, जिससे भविष्य में उपयोग का मार्ग प्रशस्त होता है।

संक्षेप में: लेखकों ने शोर वाले क्वांटम जगत और शक्तिशाली क्लासिकल जगत के बीच एक तेज़ पुल बनाया है, जिससे जटिल रासायनिक समस्याओं का अनुकरण करना संभव हो गया है जो पहले बहुत धीमी गति के कारण कभी पूरी नहीं हो पाती थीं।

तकनीकी सारांश: व्यवहार्यता की सीमा पर क्वांटम-क्लासिकल ऑक्जिलरी-फील्ड क्वांटम मोंटे कार्लो (QC-AFQMC)

समस्या विवरण
स्ट्रॉन्गली कोरिलेटेड फर्मिओनिक सिस्टम्स का अनुकरण करना कंप्यूटेशनल केमिस्ट्री के लिए एक मौलिक बाधा है, क्योंकि हिल्बर्ट स्पेस का घातीय रूप से बढ़ना कई समस्याओं को क्लासिकल कंप्यूटरों के लिए अव्यवहार्य बना देता है। जबकि हाइब्रिड क्वांटम-क्लासिकल एल्गोरिदम निकट भविष्य में क्वांटम लाभ (quantum advantage) प्राप्त करने का एक संभावित मार्ग प्रदान करते हैं, विशिष्ट विधि—क्वांटम-क्लासिकल ऑक्जिलरी-फील्ड क्वांटम मोंटे कार्लो (QC-AFQMC)—क्लासिकल पोस्ट-प्रोसेसिंग जटिलता के कारण सीमित रही है। मैचगेट शैडो टॉमोग्राफी का उपयोग करके क्वांटम ट्रायल स्टेट्स और क्लासिकल स्लेटर डिटर्मिनेंट (SD) वॉकर के बीच ओवरलैप का अनुमान लगाने वाले पिछले कार्यान्वयन में $\tilde{O}(N^{5.5})$ का प्रति-चरण क्लासिकल स्केलिंग (जहाँ $N$ आणविक स्पिन-ऑर्बिटल्स की संख्या है) देखा गया था। यह स्केलिंग इस पद्धति को वैज्ञानिक रूप से महत्वपूर्ण प्रणालियों (जैसे 50-100 ऑर्बिटल्स) के लिए अत्यधिक महंगा बना देता था, भले ही विशाल क्लासिकल कंप्यूटिंग संसाधनों तक पहुंच उपलब्ध हो। इसके अलावा, स्ट्रॉन्गली कोरिलेटेड सिस्टम्स के लिए क्लासिकल ट्रायल वेवफंक्शंस (जैसे मल्टी-स्लेटर डिटर्मिनेंट्स) पर निर्भरता अक्सर घातीय संख्या में डिटर्मिनेंट्स की मांग करती है, जो क्वांटम दृष्टिकोण के दक्षता लाभों को निष्प्रभावी कर देती है।

कार्यप्रणाली और एल्गोरिद्मिक सुधार
लेखक QC-AFQMC के भीतर मैचगेट शैडो पोस्ट-प्रोसेसिंग स्टेप में एल्गोरिद्मिक सुधार पेश करते हैं, जो विशेष रूप से ओवरलैप, फोर्स बायस (force bias) और लोकल एनर्जी की गणना को लक्षित करते हैं।

एइटकेन का ब्लॉक ट्रांसफॉर्मेशन (Aitken's Block Transformation): मुख्य नवाचार ओवरलैप अनुमान के लिए आवश्यक बहुपद $q(z) \sim \text{Pf}(A(z))$ की गणना को संबोधित करता है। QC-AFQMC में, पफियन (Pfaffian) के भीतर मैट्रिक्स $B$ संरचनात्मक रूप से सिंगुलर (singular) होता है, जो इनवर्टीबिलिटी की आवश्यकता वाले कुशल डिफरेंशिएशन तरीकों के उपयोग को रोकता है। लेखक स्क्यू-सिमेट्रिक मैट्रिक्स $A(z)$ को विभाजित करने के लिए एइटकेन के ब्लॉक ट्रांसफॉर्मेशन को लागू करते हैं। यह ट्रांसफॉर्मेशन सिंगुलर ब्लॉक को अलग करता है, जिससे शेष नॉन-सिंगुलर ब्लॉक को डिफरेंशिएशन के माध्यम से संभाला जा सकता है। यह बहुपद गुणांकों की गणना करने की लागत को इंटरपोलेशन के माध्यम से $O(N^4)$ से घटाकर $O(N^3)$ कर देता है।
फोर्स बायस के लिए एल्गोरिद्मिक डिफरेंशिएशन: बेहतर ओवरलैप गणना का लाभ उठाते हुए, लेखक फोर्स बायस की गणना के लिए एल्गोरिद्मिक डिफरेंशिएशन लागू करते हैं। वे प्रदर्शित करते हैं कि फोर्स बायस को ओवरलैप के अनुपात के रूप में व्यक्त किया जा सकता है और इसे एकल ओवरलैप अनुमान के समान एसिम्प्टोटिक लागत ( $O(N^3)$ ) के साथ कंप्यूट किया जा सकता है, जो पिछले उच्च-क्रम स्केलिंग के बजाय है।
लोकल एनर्जी स्केलिंग: लोकल एनर्जी की गणना, जिसमें ओवरलैप के द्वितीय व्युत्पन्न (second derivatives) शामिल हैं, दिखाया गया है कि प्रत्येक स्नैपशॉट के लिए $O(N^3 N_C)$ के रूप में स्केल करती है। चूंकि चोलेस्की वेक्टर्स (Cholesky vectors) की संख्या $N_C$ सिस्टम साइज के साथ रैखिक रूप से स्केल करती है, इसलिए लोकल एनर्जी पोस्ट-प्रोसेसिंग के लिए समग्र स्केलिंग $O(N^4)$ हो जाती है।
त्रुटि शमन (Error Mitigation): प्रायोगिक डेटा के लिए, लेखक निम्नलिखित त्रुटि शमन तकनीकों का उपयोग करते हैं:
- पैरिटी बाधाएं (Parity Constraints): ऑर्थोगोनल ग्रुप $O(2N)$ की अपेक्षित पैरिटी के असंगत मापन को हटाना।
- रोबस्ट मैचगेट शैडोज़ (Robust Matchgate Shadows): मैचगेट चैनल पर शोर (noise) के प्रभाव को सीखना।
- फिल्टरिंग ह्यूरिस्टिक (Filtering Heuristic): उन मापन परिणामों को चुनने के लिए मैट्रिक्स प्रोडक्ट स्टेट्स (MPS) का उपयोग करना जो शोर-रहित स्थितियों में होने की संभावना रखते हैं, जिससे प्रभावी रूप से शोर-प्रेरित आउटलेयर्स को खारिज किया जा सके।

प्रमुख परिणाम
लेखक प्रायोगिक और सिम्युलेटेड डेटा के माध्यम से सुधरे हुए वर्कफ़्लो को मान्य करते हैं:

स्केलिंग में कमी: QC-AFQMC के लिए कुल क्लासिकल रनटाइम स्केलिंग प्रति टाइम स्टेप $\tilde{O}(N^{5.5})$ से घटकर $\tilde{O}(N^{4.5})$ हो गई है। 100 आणविक ऑर्बिटल्स के सिस्टम के लिए, यह पिछले स्टेट-ऑफ-द-आर्ट की तुलना में रनटाइम में अनुमानित $248\times$ सुधार प्रदान करता है।
प्रायोगिक प्रदर्शन ( $H_8$ ): IQM Emerald क्वांटम कंप्यूटर के डेटा का उपयोग करते हुए, लेखकों ने एक स्ट्रेच्ड हाइड्रोजन चेन ( $H_8$ ) की ग्राउंड-स्टेट एनर्जी की गणना की। MPS-आधारित एरर मिटिगेशन के साथ पोस्ट-प्रोसेस्ड परिणामों ने स्थिर वॉकर इवोल्यूशन और पूरी तरह से क्लासिकल फेज़लेस AFQMC (ph-AFQMC) और फुल कॉन्फ़िगरेशन इंटरैक्शन (FCI) बेंचमार्क के अनुरूप ऊर्जा दिखाई, बावजूद इसके कि मैचगेट प्रोटोकॉल में सांख्यिकीय शोर मौजूद था।
सिमुलेशन ( $H_{12}$ ): $H_{12}$ के शोर-रहित सिमुलेशन ने पुष्टि की कि मैचगेट शैडो अनुमान सटीक स्टेट-वेक्टर गणनाओं के साथ संरेखित हैं, जिनमें केवल थोड़ा अधिक वेरिएंस देखा गया।
रासायनिक अनुप्रयोग ( $Li_2O_4$ ): इस पद्धति को लिथियम-एयर बैटरी के लिए प्रासंगिक लिथियम सुपरऑक्साइड डाइमर ( $Li_2O_4$ ) के पुनर्गठन पथ (rearrangement pathway) पर $(26e, 20o)$ एक्टिव स्पेस (40 क्यूबिट्स) के भीतर लागू किया गया। एल्गोरिदम ने प्रतिक्रिया ऊर्जा प्रोफाइल (रिएक्टेंट $\to$ ट्रांजिशन स्टेट $\to$ प्रोडक्ट) के त्रिकोणीय आकार को सफलतापूर्वक कैप्चर किया, जो पूर्व साहित्य और CCSD गणनाओं से अपेक्षित गुणात्मक व्यवहार से मेल खाता है।
संसाधन अनुमान: लेखक क्लासिकल और क्वांटम संसाधनों के अनुमान प्रदान करते हैं। वे दिखाते हैं कि जबकि ओवरलैप अनुमान के लिए हैडामार्ड टेस्ट दृष्टिकोण अव्यवहार्य है (100 ऑर्बिटल्स के लिए ब्रह्मांड की आयु से अधिक समय की आवश्यकता होगी), मैचगेट शैडो प्रोटोकॉल NISQ और शुरुआती फॉल्ट-टोलरेंट (FT) युगों दोनों के लिए व्यवहार्य बना हुआ है। 100-ऑर्बिटल सिस्टम के लिए, क्लासिकल पोस्ट-प्रोसेसिंग के लिए लगभग 1.8 वर्ष 10 मिलियन CPU कोर पर लगने का अनुमान है, जो पिछले अनुमानित आधे सहस्राब्दी (half-millennium) से एक महत्वपूर्ण कमी है।

महत्व और दावे
यह शोध दावा करता है कि ये एल्गोरिद्मिक सुधार QC-AFQMC को "रसायनिक रूप से प्रासंगिक प्रणालियों के उपचार के करीब" ले जाते हैं। क्लासिकल स्केलिंग बाधा को कम करके, हाइब्रिड विधि उन सिस्टम साइज (50-100 ऑर्बिटल्स) के लिए व्यवहार्य हो जाती है जो क्लासिकल मल्टी-स्लेटर डिटर्मिनेंट विधियों की पहुंच से बाहर हैं लेकिन शुरुआती फॉल्ट-टोलरेंट या बड़े पैमाने के NISQ उपकरणों के लिए सुलभ हैं। यह कार्य सिद्ध करता है कि QC-AFQMC शोर वाले क्वांटम डेटा का सफलतापूर्वक उपयोग करके मोंटे कार्लो सिमुलेशन को निर्देशित कर सकता है, जो इमेजिनरी-टाइम प्रोपेगेशन में स्थिरता और सटीकता बनाए रखता है। लेखक इसे कंप्यूटेशनल केमिस्ट्री में क्वांटम लाभ की ओर एक व्यावहारिक पथ के रूप में देखते हैं, यह सुझाव देते हुए कि एक बार क्वांटम हार्डवेयर परिपक्व हो जाने के बाद, QC-AFQMC औद्योगिक अनुप्रयोगों के लिए एक व्यवहार्य एल्गोरिदम के रूप में कार्य कर सकता है, बशर्ते कि क्वांटम ट्रायल स्टेट्स क्लासिकल समकक्षों की तुलना में उच्च फिडेलिटी प्रदान करें। यह शोध तत्काल औद्योगिक तैनाती के संबंध में विनम्र रहता है, यह नोट करते हुए कि लो-लेवल ऑप्टिमाइजेशन, पैरेललाइजेशन और अधिक शक्तिशाली क्वांटम ट्रायल स्टेट प्रिपरेशन विधियों के विकास में अभी भी महत्वपूर्ण कार्य शेष है।

एक बड़ी तस्वीर: केमिस्ट्री की पहेलियों को सुलझाने के लिए एक टीम वर्क

समस्या: बाधा (The Bottleneck)

सफलता: गणना करने का एक स्मार्ट तरीका

भविष्य के बारे में क्या?

मुख्य दावों का सारांश

इसी तरह के और पेपर