⚛️ quantum physics

Pauli-Sparse regularised Counterdiabatic Shortcuts for Linear-Ramp QAOA

यह शोध पत्र एक पाउली-स्पार्स (Pauli-sparse), नियमितकृत काउंटरडायैबेटिक (counterdiabatic) लीनियर-रैंप QAOA का प्रस्ताव करता है जो कार्यान्वयन योग्य गेट सेटों को कुशलतापूर्वक निर्मित करने के लिए एक इनएक्सैक्ट कंजुगेट-ग्रेडिएंट (inexact conjugate-gradient) विधि का उपयोग करता है, जिससे डायैबेटिक त्रुटियों को कम किया जा सके और उन कॉम्बिनेटरियल ऑप्टिमाइज़ेशन समस्याओं के लिए एप्रोक्सिमेशन रेश्यो (approximation ratios) में सुधार किया जा सके जो छोटे स्पेक्ट्रल गैप और निकट-अपवर्णी (near-degenerate) निम्न-ऊर्जा संरचनाओं द्वारा अभिलक्षित होती हैं।

मूल लेखक: Stefano Cipolla, Fabio Durastante

प्रकाशित 2026-06-30

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Stefano Cipolla, Fabio Durastante

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

कल्पना कीजिए कि आप बिंदु A से बिंदु B तक जितनी जल्दी हो सके उतनी जल्दी कार चलाने की कोशिश कर रहे हैं, लेकिन सड़क तीखे, संकरे मोड़ों से भरी है। यदि आप बहुत तेज़ गाड़ी चलाते हैं, तो आप सड़क से फिसल जाएंगे (इसे "डायबेटिक एरर" कहा जाता है)। यदि आप बहुत धीरे चलते हैं, तो आप समय बर्बाद करते हैं। क्वांटम कंप्यूटिंग की दुनिया में, यह "सड़क" जटिल पहेलियों (ऑप्टिमाइज़ेशन समस्याओं) को हल करने के लिए उपयोग किया जाने वाला एक गणितीय पथ है, और "फिसलना" तब होता है जब रास्ता बहुत संकरा हो जाता है या सुरक्षित रास्तों के बीच के अंतर असंभव रूप से छोटे हो जाते हैं।

यह शोध पत्र क्वांटम कंप्यूटरों के लिए एक नई ड्राइविंग तकनीक पेश करता है जिसे पॉली-स्पार्स काउंटरडायबेटिक शॉर्टकट्स (Pauli-Sparse Counterdiabatic Shortcuts) कहा जाता है। यह यहाँ कैसे काम करता है, इसे सरल अवधारणाओं में विभाजित किया गया है:

1. समस्या: "संकरा पुल" (The "Narrow Bridge")

मानक क्वांटम एल्गोरिदम (जैसे QAOA) किसी समस्या के सर्वोत्तम समाधान को खोजने के लिए एक सेटअप को दूसरे में धीरे-धीरे बदलने की कोशिश करते हैं। इसे एक पुल पर चलने जैसा समझें जो धीरे-धीरे अपना आकार बदल रहा है।

समस्या: कभी-कभी, पुल में सूक्ष्म, लगभग अदृश्य दरारें (एक्सपोनेंशियल रूप से छोटे स्पेक्ट्रल गैप्स) होती हैं। यदि एल्गोरिदम इन दरारों को बहुत तेज़ी से पार करने की कोशिश करता है, तो वह पुल से गिरकर एक "गलत" समाधान में जा गिरता है।
पुराना समाधान: वैज्ञानिकों ने या तो धीरे चलने या दूसरा रास्ता चुनने की कोशिश की, लेकिन बहुत कठिन समस्याओं के लिए, यह भी पर्याप्त नहीं है। एल्गोरिदम अभी भी फंस जाता है या गलतियाँ करता है।

2. समाधान: "स्टीयरिंग व्हील" (काउंटरडायबेटिक ड्राइविंग)

इस समस्या को ठीक करने के लिए, लेखक कार में एक "स्टीयरिंग व्हील" जोड़ते हैं। भौतिकी में, इसे काउंटरडायबेटिक (CD) टर्म कहा जाता है।

उपमा: कल्पना कीजिए कि आप एक घुमावदार सड़क पर गाड़ी चला रहे हैं। एक मानक ड्राइवर बस सड़क का अनुसरण करता है। "काउंटरडायबेटिक" सिस्टम वाला ड्राइवर एक सुपर-स्मार्ट GPS रखता है जो तुरंत सटीक स्टीयरिंग कोण की गणना करता है ताकि कार को पूरी तरह से केंद्र में रखा जा सके, भले ही सड़क कितनी भी तेजी से मुड़ जाए। यह कार को फिसलने से रोकता है।
चुनौती: इस सटीक स्टीयरिंग कोण की गणना करने के लिए आमतौर पर बहुत अधिक कंप्यूटर शक्ति की आवश्यकता होती है, जो एक "डेंस" (सघन) निर्देश सेट बनाता है जो वर्तमान क्वांटम कंप्यूटरों के लिए बहुत भारी है। यह अपनी जेब में स्टीयरिंग निर्देशों की एक पूरी लाइब्रेरी ले जाने जैसा है।

3. नवाचार: "जेब के आकार का" स्टीयरिंग गाइड

लेखकों की मुख्य सफलता इस स्टीयरिंग गाइड को हल्का और स्पार्स (विरल) बनाना है।

"रेगुलराइजेशन" फ़िल्टर: वे एक "फ़िल्टर" (जिसे रेगुलराइजेशन पैरामीटर, $\eta$ कहा जाता है) पेश करते हैं। इसे एक धूप के चश्मे की तरह समझें जो सूक्ष्म, ध्यान भटकाने वाले विवरणों को ब्लॉक कर देता है।
- यदि सड़क की दरार सूक्ष्म (एक्सपोनेंशियल रूप से छोटी) है, तो चश्मा उसे अनदेखा कर देता है। कार को उस दरार के लिए सटीक स्टीनिंग करने की आवश्यकता नहीं है जिसे वह देख भी नहीं सकती।
- यदि सड़क पर एक बड़ा, खतरनाक मोड़ है, तो चश्मा उसे गुजरने देता है, और स्टीयरिंग व्हील सक्रिय हो जाता है।
- यह क्यों मदद करता है: यह एल्गोरिदम को असंभव, सूक्ष्म समस्याओं को हल करने में ऊर्जा बर्बाद करने से रोकता है, और केवल बड़े, हल करने योग्य समस्याओं पर ध्यान केंद्रित करता है।
"इनएक्सैक्ट" सॉल्वर: पूरे स्टीयरिंग निर्देशों की लाइब्रेरी (जो बहुत बड़ी है) की गणना करने के बजाय, वे इनएक्सैक्ट कंजुगेट ग्रेडिएंट मेथड नामक एक चतुर गणितीय ट्रिक का उपयोग करते हैं।
- उपमा: कल्पना कीजिए कि आपको यात्रा के लिए एक सूटकेस पैक करना है। अपने घर की हर एक चीज़ ( "डेंस" समाधान) पैक करने के बजाय, आप एक स्मार्ट एल्गोरिदम का उपयोग करते हैं जो केवल उन सबसे महत्वपूर्ण वस्तुओं को चुनता है ( "स्पार्स" समाधान) जो आपके बैग में फिट बैठती हैं।
- वे इसे "पॉली स्ट्रिंग्स" (क्वांटम निर्देशों का एक विशिष्ट प्रकार) के साथ काम करके करते हैं। वे समाधान को चरण-दर-चरण बनाते हैं, केवल उन्हीं निर्देशों को रखते हैं जो सबसे अधिक महत्वपूर्ण हैं, और बाकी को हटा देते हैं। यह "सूटकेस" को इतना छोटा रखता है कि वर्तमान क्वांटम कंप्यूटर इसे उठा सकें।

4. "रिफिट" और "सेफ्टी चेक"

एक बार जब वे सबसे महत्वपूर्ण स्टीयरिंग निर्देश चुन लेते हैं, तो वे अंत में दो चीजें करते हैं:

गैलेरकिन रिफिट (Galerkin Refit): वे निर्देशों को बारीकी से ट्यून करते हैं ताकि यह सुनिश्चित हो सके कि वे एक साथ पूरी तरह से काम करें, जैसे कि नए पुर्जे लगाने के बाद मैकेनिक स्टीयरिंग व्हील को एडजस्ट करता है।
रेसिड्यूअल सर्टिफिकेट (Residual Certificate): वे यह गणितीय रूप से सिद्ध करने के लिए एक सुरक्षा जांच चलाते है कि "हल्का" स्टीयरिंग गाइड पर्याप्त अच्छा है। यह एक मैकेनिक द्वारा कहा जाना है कि, "हमने गणित की जाँच की है; यह सरलीकृत गाइड आपको सुरक्षित रूप से गंतव्य तक पहुँचा देगा।"

5. परिणाम: तेज़ और सुरक्षित ड्राइविंग

लेखकों ने इस पद्धति का परीक्षण दो प्रकार के "रास्तों" पर किया:

फेरोमैग्नेटिक चेन्स (Ferromagnetic Chains): एक विशिष्ट प्रकार की पहेली जहाँ सड़क में बहुत पेचीदा, संकरे हिस्से होते हैं।
परटर्ब्ड मार्केट्स/मैक्सकट (Perturbed Markets/MaxCut): अधिक जटिल, अस्त-व्यस्त पहेलियाँ।

परिणाम:

मानक विधि (LR-QAOA) अक्सर फंस जाती थी या गलत मोड़ ले लेती थी, विशेष रूप से पेचीदा रास्तों पर।
नया तरीका (LR-CD-QAOA) जिसमें "हल्का स्टीयरिंग गाइड" है, वह बहुत बेहतर तरीके से सही रास्ते पर बना रहा।
इसने सूक्ष्म विवरणों को हल करने की असंभव आवश्यकता के बिना, बहुत उच्च सफलता दर (एप्रोक्सिमेशन रेश्यो) हासिल की।

सारांश

संक्षेप में, यह शोध पत्र क्वांटम कंप्यूटरों को कठिन, घुमावदार सड़कों पर तेज़ और सुरक्षित रूप से गाड़ी चलाना सिखाता है। हर एक सूक्ष्म विवरण की गणना करने की कोशिश करने के बजाय (जो बहुत कठिन है), वे सूक्ष्म शोर को अनदेखा करने के लिए एक स्मार्ट फ़िल्टर का उपयोग करते हैं और केवल आवश्यक स्टीयरिंग निर्देशों को ले जाने के लिए एक "चयन" एल्गोरिदम का उपयोग करते हैं। यह क्वांटम कंप्यूटर को जटिल ऑप्टिमाइज़ेशन समस्याओं को अधिक विश्वसनीयता के साथ हल करने की अनुमति देता है, भले ही रास्ता छोटे, खतरनाक अंतराल से भरा हो।

तकनीकी सारांश: लीनियर-रैंप QAOA के लिए पाउली-स्पार्स रेगुलराइज्ड काउंटरडायैबेटिक शॉर्टकट्स

समस्या विवरण
क्वांटम एप्रोक्सिमेट ऑप्टिमाइज़ेशन एल्गोरिदम (QAOA) के माध्यम से कॉम्बिनेटोरियल ऑप्टिमाइज़ेशन, पैरामीटर दक्षता और डायनेमिकल सटीकता के बीच एक महत्वपूर्ण ट्रेड-ऑफ का सामना करता है। लीनियर-रैंप QAOA (LR-QAOA) कुछ ही पैरामीटर्स के साथ एडियाबेटिक-प्रेरित शेड्यूल का पालन करने के लिए लेयर एंगल्स को सीमित करके क्लासिकल ऑप्टिमाइज़ेशन के बोझ को कम करता है। हालांकि, छोटे या घातांकीय रूप से छोटे स्पेक्ट्रल गैप वाले हैमिल्टोनियंस के लिए, सीमित-समय एडियाबेटिक इवोल्यूशन में मजबूत डायैबेटिक ट्रांज़िशन (diabatic transitions) होते हैं, जिससे सिस्टम वांछित लो-एनर्जी सॉल्यूशन मैनिफोल्ड से बाहर लीक हो जाता है। जबकि काउंटरडायैबेटिक (CD) ड्राइविंग, एडियाबेटिक गेज पोटेंशियल (AGP) से व्युत्पन्न एक करेक्शन टर्म जोड़कर इन ट्रांज़िशन को दबाने के लिए एक सिद्धांतगत तरीका प्रदान करती है, मानक दृष्टिकोण अक्सर घने ऑपरेटर्स (dense operators) या पूर्व-निर्धारित एन्सैट्ज़ (ansatzes) की मांग करते हैं जो सीमित गेट बजट के तहत अव्यवहार्य हैं। इसके अलावा, कठिन ऑप्टिमाइज़ेशन समस्याओं के लिए सटीक AGPs में अक्सर एक लो-एनर्जी मैनिफोल्ड के भीतर सूक्ष्म, घातांकीय रूप से छोटे ऊर्जा विभाजनों (energy splittings) को हल करना शामिल होता है, जो कम्प्यूटेशनल रूप से महंगा है और उच्च-गुणवत्ता वाला समाधान खोजने के लिए संभावित रूप से अनावश्यक भी है।

कार्यप्रणाली
लेखक पाउली-स्पार्स, रेगुलराइज्ड काउंटरडायैबेटिक एक्सटेंशन के निर्माण के लिए एक ढांचा प्रस्तावित करते हैं जो LR-QAOA का विस्तार है। मुख्य कार्यप्रणाली पूर्ण घने लीउविलियन मैट्रिक्स (Liouvillian matrix) बनाए बिना सीधे पाउली बेसिस में रेगुलराइज्ड AGP समीकरण को हल करने में निहित है।

रेगुलराइज्ड AGP समीकरण: यह विधि $(\mathcal{L}_H^2 + \eta I) A_\lambda^{(\eta)} = -i \mathcal{L}_H(G)$ को हल करती है, जहाँ $\mathcal{L}_H(X) = [H, X]$ कम्यूटेटर सुपरऑपरेटर है, और $G = \partial_\lambda H$ , $\eta > 0$ एक रेगुलराइजेशन पैरामीटर है। यह समीकरण एक रेगुलराइज्ड फंक्शनल को मिनिमाइज करके प्राप्त किया गया है जो डायैबेटिक ट्रांज़िशन के कैंसिलेशन और पोटेंशियल के नॉर्म के बीच संतुलन बनाता है।
एनर्जी-रेज़ोल्यूशन मैकेनिज्म: पैरामीटर $\eta$ एक ऊर्जा-रेज़ोल्यूशन स्केल के रूप में कार्य करता है। यह $|\omega| \ll \sqrt{\eta}$ वाले ऊर्जा अंतरों से जुड़े ट्रांज़िशन को दबा देता है जबकि $|\omega| \gg \sqrt{\eta}$ वाले ट्रांज़िशन को बनाए रखता है। यह विधि को एक लक्षित लो-एनर्जी मैनिफोल्ड के भीतर घातांकीय रूप से छोटे विभाजनों को अनदेखा करने की अनुमति देता है (सटीक एडियाबेटिक फॉलोइंग की आवश्यकता के बिना), जबकि उच्च-ऊर्जा उत्तेजित अवस्थाओं (excited states) में लीकेज को रोकने में सक्षम है।
इनएक्सैक्ट कंजुगेट ग्रेडिएंट (CG) सॉल्वर: घने AGP को कंप्यूट करने या कंप्रेस करने के बजाय, लेखक पाउली कोऑर्डिनेट्स में एक इनएक्सैक्ट कंजुगेट-ग्रेडिएंट विधि का उपयोग करते हैं।
- मैट्रिक्स-फ्री एप्लीकेशन: $(\mathcal{L}_H^2 + \eta I)$ ऑपरेटर को सिम्बॉलिकली पाउली कम्यूटेटर्स का उपयोग करके लागू किया जाता है, जिससे $4^n$ -आयामी मैट्रिक्स के निर्माण से बचा जा सकता है।
- ट्रंकेशन (Truncation): CG इटरेशन्स के दौरान, पाउली एक्सपेंशन को केवल $m$ सबसे बड़े गुणांकों (परिमाण ट्रंकेशन) को बनाए रखने के लिए ट्रंकेट किया जाता है। यह लीनियर सॉल्वर को एक सपोर्ट-डिस्कवरी प्रक्रिया में बदल देता है, जो लागू करने योग्य पाउली रोटेशन्स के गेट-बजट-जागरूक सेट की पहचान करता है।
- रेसिड्यूल रीकंप्यूटेशन: ट्रंकेशन से होने वाले एरर संचय को रोकने के लिए, रेसिड्यूल को रिकर्सिवली अपडेट करने के बजाय प्रत्येक चरण पर सटीक रूप से पुनः कंप्यूट किया जाता है।
गैलेरकिन रिफिट (Galerkin Refit) और सर्टिफिकेशन: एक बार जब एक स्पार्स सपोर्ट डिस्कवर हो जाता है, तो इस विशिष्ट सपोर्ट पर गुणांकों को अनुकूलित करने के लिए एक गैलेरकिन रिफिट किया जाता है। एक रेसिड्यूल बाउंड द्वारा अनुमान की गुणवत्ता को ए पोस्टेरियो प्रमाणित किया जाता है: $\|A - A_\lambda^{(\eta)}\|_{HS} \leq \|R\|_{HS} / \eta$ , जहाँ $R$ लीनियर सिस्टम का रेसिड्यूल है। यह सटीक समाधान के ज्ञान की आवश्यकता के बिना एक कंप्यूट करने योग्य एरर बाउंड प्रदान करता है।
सर्किट इंटीग्रेशन: परिणामी स्पार्स पाउली जनरेटर को LR-QAOA सर्किट में एक काउंटरडायैबेटिक लेयर के रूप में डाला जाता है। वेरिएशनल ऑप्टिमाइज़ेशन को कम किए गए पैरामीटर्स के सेट पर किया जाता है: रैंप एम्प्लीट्यूड $(\Delta\beta, \Delta\gamma)$ और काउंटरडायैबेटिक एम्प्लीट्यूड $\Delta_{CD}$ ।

प्रमुख योगदान

प्रत्यक्ष पाउली-कोऑर्डिनेट समाधान: पूर्ववर्ती CD-QAOA कार्यों के विपरीत जो एन्सैटज़ (जैसे स्थानीय पद, नेस्टेड कम्यूटेटर्स) निर्धारित करते हैं या घने AGPs को कंप्यूट करते हैं, यह कार्य सीधे पाउली कोऑर्डिनेट्स में रेगुलराइज्ड AGP समीकरण को हल करता है, जो पोटेंशियल को अनुमानित करने और एक स्पार्स सेट ऑफ इम्प्लीमेंटेबल रोटेशन्स को चुनने का कार्य एक साथ करता है।
फिल्टर के रूप में रेगुलराइजेशन: यह शोध $\eta$ को न केवल एक संख्यात्मक स्टेबलाइज़र के रूप में बल्कि एक भौतिक फिल्टर के रूप में पुनर्गठित करता है जो एक विशिष्ट ऊर्जा स्केल के नीचे के ट्रांज़िशन को दबाता है। यह उन ऑप्टिमाइज़ेशन समस्याओं के लिए विशेष रूप से प्रभावी है जहाँ लक्ष्य एक एकल आइजनस्टेट को ट्रैक करने के बजाय एक लो-एनर्जी मैनिफोल्ड के भीतर रहना है।
स्पार्स लीनियर अलजेब्रा पाइपलाइन: लेखक एक पूर्ण पाइपलाइन विकसित करते हैं जो मैट्रिक्स-फ्री सिम्बॉलिक कम्यूटेटर्स, सपोर्ट डिस्कवरी के लिए ट्रंकेटेड CG, गुणांक अनुकूलन के लिए गैलेरकिन रिफिटिंग, और रेसिड्यूल-आधारित एरर सर्टिफिकेशन को जोड़ती है। यह दृष्टिकोण इनएक्सैक्ट क्रायलोव मेथड्स (inexact Krylov methods) के विचारों को क्वांटम कंट्रोल संदर्भ में आयात करता है।
सैद्धांतिक गारंटी: पेपर रेगुलराइज्ड और अनरेगुलराइज्ड पोटेंशियल के बीच की दूरी, लीनियर सिस्टम के कंडीशन नंबर, और सटीक रेगुलराइज्ड सॉल्यूशन के सापेक्ष स्पार्स एप्रोक्सिमेशन की त्रुटि पर कठोर सीमाएं प्रदान करता है।

परिणाम
संख्यात्मक प्रयोग फेरोमैग्नेटिक चेन (FC) इंस्टेंस और परटर्बड FC–MaxCut/MarketSplit इंस्टेंस पर किए गए:

FC वैलिडेशन: FC इंस्टेंस पर, स्टैंडर्ड LR-QAOA ने सिस्टम साइज बढ़ने के साथ खराब प्रदर्शन दिखाया, जो ऑर्डर मैनिफोल्ड तक पहुँचने में विफल रहा। प्रस्तावित LR-CD-QAOA ने सटीक AGP के साथ, कम डेप्थ पर भी उच्च ऑर्डर्ड-मैनिफोल्ड प्रोबेबिलिटी ( $P_{ord} \approx 0.9$ ) प्राप्त की। महत्वपूर्ण रूप से, यह विधि $\eta$ के विभिन्न मानों के बीच मजबूत बनी रही, जो पुष्टि करती है कि इसे ग्राउंड-स्टेट स्प्लिटिंग को हल करने की आवश्यकता नहीं है, फिर भी यह उत्तेजित अवस्थाओं में लीकेज को रोकने में सक्षम है।
स्पार्स CG कन्वर्जेंस: प्रयोगों ने प्रदर्शित किया कि $K \approx 4$ की छोटी CG इटरेशन्स और $m=64$ के मध्यम पाउली-सपोर्ट बजट के साथ, घने AGP के अधिकांश लाभों को प्राप्त करना पर्याप्त था। एप्रोक्सिमेशन रेशियो, इटरेशन काउंट और सपोर्ट साइज दोनों के साथ मोनोटोनिक रूप से सुधरा।
ब्लेंडेड इंस्टेंस: परटर्बड MaxCut और MarketSplit इंस्टेंस पर (जहाँ हैमिल्टोनियन FC घटक द्वारा डोमिनेटेड है), LR-CD-QAOA ने अनकरेक्टेड LR-QAOA की तुलना में काफी बेहतर प्रदर्शन किया। जबकि LR-QAOA डेप्थ $p=8$ पर भी ऑप्टिमम से दूर रहा, CD-करेक्टेड वर्जन ने मध्यम डेप्थ पर सटीक ऑप्टिमम के करीब एप्रोक्सिमेशन रेशियो प्राप्त किया।

महत्व
यह पेपर दावा करता है कि यह ढांचा QUBO ऑप्टिमाइज़ेशन के लिए व्यावहारिक अनुप्रयोग की क्षमता को काफी हद तक बढ़ाता है। विषम समस्या परिदृश्यों (heterogeneous problem landscapes)—विशेष रूप से उन जिनमें निकट-डिजेनरेट लो-एनर्जी संरचनाएं और छोटे स्पेक्ट्रल गैप होते हैं—में मजबूती बढ़ाकर, यह विधि निकट-अवधि क्वांटम ऑप्टिमाइज़ेशन में एक प्राथमिक बाधा को संबोधित करती है। यह प्रभावी काउंटरडायैबेटिक ड्राइविंग को लागू करने के लिए एक मार्ग प्रदान करता है जो सीमित गेट बजट वाले क्वांटम हार्डवेयर पर काम कर सके, जिससे पैरामीटर-एफिशिएंट लेकिन डायनेमिकली इनएफिशिएंट लीनियर रैम्प्स की सीमाओं से आगे बढ़ा जा सके। यह कार्य एक हाइब्रिड ऑप्टिमाइज़ेशन प्रतिमान स्थापित करता है जहाँ क्लासिकल स्पार्स लीनियर अलजेब्रा तकनीकों का उपयोग विशिष्ट समस्या हैमिल्टोनियन के स्पेक्ट्रल गुणों के अनुकूल क्वांटम सर्किट बनाने के लिए किया जाता है।