⚛️ quantum physics

Optimizing Symmetry Informed Probabilistic Error Cancellation

यह शोध पत्र यह प्रदर्शित करता है कि क्वांटम त्रुटि पहचान (quantum error detection) को संभाव्य त्रुटि निरसन (probabilistic error cancellation) के साथ संयोजित करने से केवल PEC की तुलना में अधिक सटीक और कम-विचरण वाले परिणाम प्राप्त होते हैं, बशर्ते कि सममिति मापन (symmetry measurements) को निकट-अवधि क्वांटम उपकरणों पर शोरपूर्ण मापन के प्रभाव को कम करने के लिए एक शास्त्रीय एल्गोरिदम के माध्यम से अनुकूलित किया गया हो।

मूल लेखक: Tom O'Leary, Daniel J. Egger, Dieter Jaksch

प्रकाशित 2026-07-02

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Tom O'Leary, Daniel J. Egger, Dieter Jaksch

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

मुख्य चित्र: शोर वाले क्वांटम कंप्यूटरों को ठीक करना

कल्पना कीजिए कि आप एक कमरे में फैली स्टैटिक नॉइज़ (static noise) के बीच एक बहुत ही नाजुक, जटिल संदेश (एक क्वांटम गणना) भेजने की कोशिश कर रहे हैं। संदेश बिगड़ जाता है। इसे ठीक करने के दो मुख्य तरीके हैं:

प्रोबेबिलिस्टिक एरर कैंसलेशन (PEC): यह एक "नॉइज़-कैंसलिंग" एल्गोरिदम की तरह है। आप जानते हैं कि किस तरह का स्टैटिक आमतौर पर होता है, इसलिए आप गणितीय रूप से उन्हें घटा देते हैं। हालांकि, एक स्पष्ट तस्वीर पाने के लिए, आपको संदेश को हजारों बार भेजना पड़ता है और परिणामों का औसत निकालना पड़ता है। जितना अधिक शोर होगा, उतनी ही अधिक बार आपको इसे भेजना होगा, जो महंगा और धीमा हो जाता है।
क्वांटम एरर डिटेक्शन (QED): यह दरवाजे पर खड़े एक सुरक्षा गार्ड की तरह है। संदेश को देखने से पहले ही, गार्ड यह जांचता है कि क्या वह "सही" दिख रहा है (विशिष्ट नियमों का उपयोग करके जिन्हें सिमेट्री (symmetries) कहा जाता है)। यदि संदेश स्पष्ट रूप से टूटा हुआ है, तो गार्ड उसे फेंक देता है। आप केवल उन्हीं को रखते हैं जो जांच में पास हो जाते हैं। यह कुशल है, लेकिन यह बहुत सारा डेटा फेंक देता है, और कभी-कभी उन सूक्ष्म त्रुटियों को भी मिस कर देता है जो "सही" दिखती हैं लेकिन वास्तव में गलत होती हैं।

समस्या: लेखकों ने पाया कि इन दोनों विधियों (PEC + QED) को जोड़ने से हमेशा फायदा नहीं होता। क्यों? क्योंकि "सुरक्षा गार्ड" (सिमेट्री चेक) दोषपूर्ण नहीं है। जांच करने की प्रक्रिया स्वयं नई नॉइज़ पैदा करती है। यदि जांच बहुत जटिल है, तो नया शोर खराब संदेशों को फेंकने से मिलने वाले लाभ को खत्म कर देता है।

समाधान: यह पेपर एक स्मार्ट ऑप्टिमाइजेशन स्ट्रैजी का प्रस्ताव करता है। हर संभव नियम की जांच करने के बजाय, लेखकों ने एक क्लासिकल कंप्यूटर एल्गोरिदम बनाया ताकि यह पता लगाया जा सके कि किन नियमों की जांच करनी चाहिए। वे उस "स्वीट स्पॉट" (sweet spot) को ढूंढना चाहते हैं जहाँ कुछ विशिष्ट नियमों की जांच करने से पर्याप्त खराब डेटा हट जाता है जिससे गणित में मदद मिले, बिना इतनी नई नॉइज़ पैदा किए जो परिणाम को खराब कर दे।

मुख्य अवधारणाएं (एनालॉजी के साथ)

1. "सिमेट्री" चेक (सुरक्षा गार्ड)

क्वांटम भौतिकी में, कुछ अवस्थाओं (जैसे GHZ स्टेट या फर्मी-हबर्ड मॉडल) के अपने अंतर्निहित नियम होते हैं जिनका उन्हें पालन करना होता है, जिन्हें सिमेट्री (symmetries) कहा जाता है।

एनालॉजी: कल्पना कीजिए कि एक गाना गा रहा एक समूह (choir) है। नियम यह है कि टेनर्स (tenors) का वॉल्यूम हमेशा सोप्रानोस (sopranos) के वॉल्यूम के बराबर होना चाहिए। यह एक "सिमेट्री" है।
चेक: यदि आप समूह को मापते हैं और टेनर्स तेज़ हैं जबकि सोप्रानोस शांत हैं, तो आप जानते हैं कि कुछ गलत हुआ है (एक त्रुटि हुई है)। आप उस रिकॉर्डिंग को फेंक देते हैं।
चुनौती: समूह को मापने में समय और प्रयास लगता है। यदि आप उन्हें मापने के लिए जिस माइक्रोफ़ोन का उपयोग करते हैं वह खराब (noisy) है, तो आप सोच सकते हैं कि समूह सुर से बाहर है जबकि वे वास्तव में सही हैं, या आप एक वास्तविक गलती को भी मिस कर सकते हैं।

2. ऑप्टिमाइजेशन (स्मार्ट मैनेजर)

लेखकों ने महसूस किया कि आपको गाने की किताब के हर नियम की जांच करने की आवश्यकता नहीं है।

एनालॉजी: कल्पना कीजिए कि आपके पास समूह के लिए 100 अलग-अलग नियम हैं (जैसे, "टेनर्स सोप्रानोस से मेल खाते हैं," "बेसेस अल्टोस से मेल खाते हैं," "हर कोई कंडक्टर से मेल खाता है")। सभी 100 नियमों की जांच करने में बहुत समय लगता है और 100 टूटे हुए माइक्रोफ़ोन का उपयोग होता है।
नवाचार: लेखकों ने एक प्रोग्राम लिखा जो एक स्मार्ट मैनेजर की तरह काम करता है। यह देखता है कि कौन सा विशिष्ट गाना गाया जा रहा है और उपलब्ध टूटे हुए माइक्रोफ़ोन कौन से हैं। यह गणना करता है: "यदि हम केवल नियम #1 और नियम #45 की जांच करते हैं, तो हम 90% गलतियों को पकड़ लेते हैं और केवल दो माइक्रोफ़ोन का उपयोग करते हैं। यदि हम सभी 100 नियमों की जांच करते हैं, तो हम 95% गलतियों को पकड़ लेते हैं लेकिन माइक्रोफ़ोन इतना अधिक स्टैटिक जोड़ देते हैं कि अंतिम परिणाम बदतर हो जाता है।"
परिणाम: मैनेजर नियमों के इष्टतम उपसमुच्चय (optimal subset) का चयन करता है। यह कुल लागत (समय और प्रयास) को कम करते हुए सटीकता को अधिकतम करता है।

3. दो प्रयोग (टेस्ट ड्राइव)

लेखकों ने इस "स्मार्ट मैनेजर" का परीक्षण दो अलग-अलग परिदृश्यों में किया:

परिदृश्य A: GHZ स्टेट (द नाजुक चेन)
- यह क्या है: एक ऐसी अवस्था जहाँ कई कण एक साथ जुड़े हुए हैं। यह शोर के प्रति बहुत संवेदनशील है।
- निष्कर्ष: छोटे समूहों के लिए, कुछ नियमों की जांच करने से ज्यादा मदद नहीं मिली। लेकिन जैसे-जैसे समूह बड़ा होता गया (अधिक कण), "स्मार्ट मैनेजर" ने पाया कि विशिष्ट, नॉन-लोकल नियमों (नियम जो कणों को दूर तक जोड़ते हैं) की जांच करना आवश्यक था। इस ऑप्टिमाइजेशन के बिना, यह विधि विफल हो गई। इसके साथ, त्रुटि दर (error rate) केवल गणित (PEC) का उपयोग करने की तुलना में काफी गिर गई (लग लगभग 10 गुना)।
परिदृश्य B: फर्मी-हबर्ड मॉडल (सिम्युलेटेड मटेरियल)
- यह क्या है: एक सिमुलेशन कि इलेक्ट्रॉन एक ग्रिड में कैसे चलते हैं (जैसे धातु का एक छोटा टुकड़ा)। यह क्वांटम कंप्यूटरों के लिए एक सामान्य कार्य है।
- निष्कर्ष: यहाँ, "स्मार्ट मैनेजर" ने पाया कि छोटे ग्रिड के लिए, सभी नियमों की जांच करना सबसे अच्छा था। लेकिन बड़े ग्रिड के लिए, केवल नियमों के एक उपसमुच्चय (subset) की जांच करना वास्तव में सस्ता और तेज़ था, जबकि फिर भी केवल गणित या केवल गार्ड के उपयोग की तुलना में बेहतर परिणाम दे रहा था।
- मुख्य अंतर्दृष्टि: सबसे अच्छी रणनीति पूरी तरह से सर्किट के आकार (गाने) पर निर्भर करती है। "एक ही आकार सबके लिए फिट" (one-size-fits-all) वाला दृष्टिकोण काम नहीं करता; आपको त्रुटि-जांच को विशिष्ट कार्य के अनुसार तैयार करना चाहिए।

मुख्य निष्कर्ष

यह पेपर तर्क देता है कि क्वांटम कंप्यूटरों को ठीक करने के लिए एक ही तरीका सबके लिए सही नहीं है।

पुराना तरीका: एक मानक त्रुटि-जांच विधि या एक मानक गणितीय सुधार का उपयोग करें।
नया तरीका: एक क्लासिकल कंप्यूटर का उपयोग करके अपने विशिष्ट क्वांटम सर्किट का विश्लेषण करें, यह पता लगाएं कि कौन से "सिमेट्री नियम" जांचने लायक हैं, और बाकी को छोड़ दें।

ऐसा करके, उन्होंने दिखाया कि एरर डिटेक्शन को एरर कैंसलेशन के साथ जोड़ने से केवल एक विधि अकेले उपयोग करने की तुलना में बहुत अधिक कुशल और सटीक परिणाम मिल सकते हैं, बशर्ते आप इस बात के प्रति स्मार्ट हों कि आप किन चेक्स (checks) को करते हैं। यह सुझाव देता है कि पूर्ण, फॉल्ट-टोलरेंट क्वांटम कंप्यूटरों के आने से पहले भी, हम आज की शोर वाली मशीनों से बेहतर परिणाम प्राप्त कर सकते हैं यदि हम त्रुटियों की जांच करने के तरीके को सावधानीपूर्वक डिजाइन करें।

तकनीकी सारांश: समरूपता सूचित संभावabilistic त्रुटि निवारण (Symmetry Informed Probabilistic Error Cancellation) का अनुकूलन

समस्या विवरण

क्वांटम एरर मिटिगेशन (QEM) तकनीकें, जैसे कि प्रोबेबिलिस्टिक एरर कैंसिलेशन (PEC), शोर वाले नोइज़ इंटरमीडिएट-स्केल क्वांटम (NISQ) उपकरणों से सटीक परिणाम निकालने के लिए आवश्यक हैं। हालाँकि, PEC सिस्टम के आकार और त्रुटि की संभावना के साथ सैंपलिंग लागत के घातांकीय स्केलिंग (exponential scaling) से ग्रस्त है। जबकि क्वांटम एरर डिटेक्शन (QED) समरूपता मापन (symmetry measurement) पर पोस्ट-सेलेक्ट करके इन लागतों को कम कर सकता है, स्वयं समरूपता मापन सर्किटों में निहित शोर QED के लाभों को निष्प्रभावी कर सकता है, जिससे अकेले PEC की तुलना में कोई भी लाभ समाप्त हो सकता है। केंद्रीय समस्या यह है कि अनडिटेक्टेबल त्रुटियों (undetectable errors) को कम करने और मापन प्रक्रिया से उत्पन्न होने वाले शोर के बीच संतुलन बनाने के लिए समरूपता मापन कॉन्फ़िगरेशन का इष्टतम चयन कैसे किया जाए, ताकि कुल मिटिगेशन ओवरहेड को न्यूनतम किया जा सके।

कार्यप्रणाली

लेखक एक PEC+QED ढांचे का प्रस्ताव करते हैं जो QED को PEC के साथ एकीकृत करता है, और समरूपता मापन के चयन को एक क्लासिकल ऑप्टिमाइज़ेशन समस्या के रूप में मानता है।

हाइब्रिड मिटिगेशन फ्रेमवर्क:
- QED: स्टेबलाइजर्स (समरूपताओं) को मापकर त्रुटियों का पता लगाता है और उन रन को हटा देता है जहाँ मापा गया आइगेनवैल्यू अपेक्षित मान से विचलित होता है।
- PEC: केवल शेष "अनडिटेक्टेबल" त्रुटियों (वे त्रुटियाँ जो सभी मापे गए स्टेबलाइजर्स के साथ कम्यूट करती हैं) पर लागू किया जाता है ताकि औसत रूप से उनके प्रभाव को रद्द किया जा सके।
- लागत मॉडल (Cost Model): कुल सैंपलिंग लागत अनडिटेक्टेबल त्रुटियों के लिए PEC ओवरहेड और QED ओवरहेड (डिटेक्शन न होने की संभावना का व्युत्क्रम) का गुणनफल है। महत्वपूर्ण रूप से, समरूपता मापन सर्किट ( $U_{SYM}$ ) द्वारा पेश किए गए शोर को एक अतिरिक्त लागत के रूप में मॉडल किया गया है जो बायस या वेरिएंस को बढ़ाता है।
ऑप्टिमाइज़ेशन फॉर्मूलेशन:
लेखक स्टेबलाइजर्स के चयन को सेट कवरिंग समस्या (set covering problem) के एक संस्करण के रूप में प्रस्तुत करते हैं। दिए गए कैंडिडेट स्टेबलाइजर्स $S$ के सेट के लिए, लक्ष्य एक ऐसा उपसमुच्चय $C \subseteq S$ खोजना है जो एक कॉस्ट फंक्शन $\zeta(C)$ को कम करे।
- उद्देश्य: अनडिटेक्टेबल त्रुटियों की लागत (जो PEC ओवरहेड निर्धारित करती है) और स्वयं समरूपता मापन की लागत के योग को न्यूनतम करना।
- दृष्टिकोण:
  - सिमेट्री सर्किट मिटिगेशन: यह मानता है कि समरूपता सर्किटों को बायस हटाने के लिए मिटिगेट किया जा सकता है, जिससे कुल क्वासी-प्रोबेबिलिटी लागत कम होती है। इसे एक बाधा-युक्त (constrained) सेट कवरिंग समस्या के रूप में तैयार किया गया है जहाँ बेनिफिट टर्म सबमॉड्यूलर (submodular) है, जो प्रदर्शन गारंटी के साथ ग्रीडी एप्रोक्सिमेशन एल्गोरिदम की अनुमति देता है।
  - डिफर्ड सिमेट्री मेजरमेंट्स (Deferred Symmetry Measurements): यह मानता है कि समरूपताओं को ऑब्जर्वेबल के बाद मापा जाता है, इसलिए मापन शोर सीधे ऑब्जर्वेबल को बायस नहीं करता है बल्कि फॉल्स डिटेक्शन के माध्यम से वेरिएंस बढ़ाता है। इस फॉर्मूलेशन में सबमॉड्यूलर फलनों का अंतर शामिल है, जिसके लिए ह्यूरिस्टिक ऑप्टिमाइज़ेशन विधियों की आवश्यकता होती है।
- एरर प्रोपेगेशन: विधि यह गणना करती है कि सर्किट के माध्यम से त्रुटियाँ कैसे प्रसारित होती हैं (विशेष रूप से क्लिफोर्ड और पाउली रोटेशन लेयर्स के माध्यम से) ताकि यह निर्धारित किया जा सके कि कौन सी त्रुटियाँ समरूपता मापन के बिंदु पर डिटेक्ट करने योग्य हैं।
संख्यात्मक प्रयोग (Numerical Experiments):
ढांचे का परीक्षण दो अलग-अलग क्वांटम कार्यों पर किया गया था:
- GHZ स्टेट प्रिपरेशन: लीनियर-डेप्थ और लॉगरिदमिक-डेप्थ सर्किटों का उपयोग करके $n$ -क्यूबिट GHGH अवस्थाओं का अनुकरण।
- फर्मी-हबर्ड मॉडल डायनेमिक्स: स्पिनलेस फर्मी-हबर्ड मॉडल के स्क्वायर लैटिस पर टाइम इवोल्यूशन का अनुकरण करने के लिए जनरलाइज्ड सुपरफास्ट एनकोडिंग (GSE) का उपयोग।

मुख्य परिणाम

1. GHZ स्टेट आउटपुट डिस्ट्रीब्यूशन्स

लीनियर-डेप्थ सर्किट्स: लीनियर-डेप्थ सर्किट्स के लिए, मानक लोकल स्टेबलाइजर्स (जैसे $Z_i Z_{i+1}$ ) अकेले PEC पर लाभ प्रदान करने के लिए अपर्याप्त थे क्योंकि उन्हें मापने की शोर लागत ने PEC ओवरहेड में कमी को कम कर दिया। ऑप्टिमाइज़ेशन ने सफलतापूर्वक पहचाना कि शुद्ध लाभ प्राप्त करने के लिए नॉन-लोकल स्टेबलाइजर्स (जैसे $Z_0 Z_{n-1}$ ) आवश्यक थे। ऑप्टिमाइज़्ड नॉन-लोकल स्टेबलाइजर्स के साथ, PEC+QED ने $n=50$ के लिए PEC की तुलना में टोटल स्क्वायर एरर (TSE) में लगभग एक ऑर्डर ऑफ मैग्नीट्यूड की कमी हासिल की।
लॉगरिदमिक-डेप्थ सर्किट्स: ये उथले (shallower) सर्किट आइडलिंग नॉइज़ से कम प्रभावित होते हैं, जिससे समरूपता मापन की सापेक्ष लागत अधिक हो जाती है। फलस्वरूप, अकेले PEC की तुलना में PEC+QED का लाभ अधिक सीमित था। हालांकि $n \ge 15$ के लिए एक लाभ मौजूद था, बड़े $n$ के लिए प्रायोगिक सैंपलिंग लागत अक्सर अकेले PEC के बराबर थी, जो सर्किट संरचना और एरर प्रोपेगेशन के प्रति दृष्टिकोण की संवेदनशीलता को उजागर करती है।

2. फर्मी-हबर्ड मॉडल टाइम डायनेमिक्स

ऑब्जर्वेबल एस्टीमेशन: एक $2 \times 2$ लैटिस के लिए, PEC+QED ने हैमिल्टोनियन टर्म्स और वर्टेक्स ऑपरेटर प्रोडक्ट्स के अनुमान के लिए स्टैंडअलोन PEC और QED दोनों को लगातार पछाड़ दिया। इसने सभी इवोल्यूशन टाइम्स में सबसे कम रूट मीन स्क्वायर एरर (RMSE) प्राप्त किया।
कोरिलेटर्स (Correlators):
- टू-पॉइंट चार्ज कोरिलेटर: PEC+QED ने सबसे कम RMSE बनाए रखा, जिसमें सर्किट डेप्थ बढ़ने के साथ प्रदर्शन गिरावट की दर QED के करीब थी।
- रेडियल चार्ज कोरिलेटर: शून्य के करीब मानों के लिए, PEC और PEC+QED तुलनीय प्रदर्शन करते हैं, जो बताता है कि लाभ बड़े सिग्नल मैग्नीट्यूड वाले ऑब्जर्वेबल्स के लिए अधिक स्पष्ट है।
स्केलेबिलिटी और पार्शियल स्टेबलाइजर्स: जैसे-जैसे लैटिस का आकार $m$ बढ़ता है, सभी विधियों के लिए सैंपलिंग ओवरहेड सुपर-एक्सपोनेंशियल रूप से बढ़ता है। हालांकि, ऑप्टिमाइज़ेशन फ्रेमवर्क ने खुलासा किया कि बड़े सिस्टम ( $m=5, 6$ ) के लिए, केवल स्टेबलाइजर्स के एक उपसमुच्चय (जैसे उपलब्ध लूप ऑपरेटर्स का 78-83%) को मापने से कुल सैंपलिंग लागत न्यूनतम हो जाती है। यह "पार्शियल" कॉन्फ़िगरेशन सभी स्टेबलाइजर्स को मापने की तुलना में ओवरहेड को कम करता है, जिसमें सिस्टम का आकार बढ़ने के साथ बचत बढ़ती जाती है।

महत्व और दावे

पेपर का दावा है कि QEM तकनीकों का सर्किट-विशिष्ट टेलरिंग (circuit-specific tailoring) व्यावहारिक लाभ प्राप्त करने के लिए महत्वपूर्ण है। इसके मुख्य योगदान हैं:

समरूपता के उपयोग का अनुकूलन: लेखक प्रदर्शित करते हैं कि सभी उपलब्ध समरूपताओं को अंधाधुंध रूप से लागू करना उप-इष्टतम (suboptimal) है। स्टेबलाइजर्स के चयन को एक क्लासिकल ऑप्टिमाइज़ेशन समस्या के रूप में तैयार करके, शोर वाले समरूपता मापन के प्रभाव को व्यवस्थित रूप से दबाया जा सकता है।
संदर्भ-निर्भर लाभ (Context-Dependent Advantage): PEC+QED का लाभ सार्वभौमिक नहीं है; यह सर्किट संरचना (जैसे लीनियर बनाम लॉगरिदमिक डेप्थ) और डिटेक्ट करने योग्य त्रुटियों के वितरण पर निर्भर करता है। कुछ मामलों में (लीनियर-डेप्थ GHZ), नॉन-लोकल स्टेबलाइजर्स आवश्यक हैं; अन्य में (फर्मी-हबर्ड), पार्शियल स्टेबलाइजर सेट्स इष्टतम हैं।
फॉल्ट-टोलरेंट सिद्धांतों का निकट-अवधि मूल्य: परिणाम बताते हैं कि फॉल्ट-टोलरेंट डिज़ाइन सिद्धांत, जैसे कि स्टेबलाइजर कोड और सिमेट्री वेरिफिकेशन का उपयोग करना, प्रोबेबिलिस्टिक एरर कैंसिलेशन के साथ मिलकर, वर्तमान शोर वाले हार्डवेयर के लिए तत्काल मूल्य प्रदान कर सकते हैं, बशर्ते कि मापन कॉन्फ़िगरेशन को सावधानीपूर्वक अनुकूलित किया जाए।
स्केलेबिलिटी: बड़े सिस्टम में स्टेबलाइजर्स के उपसमुच्चय को मापकर मिटिगेशन ओवरहेड्स को कम करने की क्षमता, इन हाइब्रिड तकनीकों को अधिक जटिल सिमुलेशन तक स्केल करने के मार्ग को इंगित करती है।

लेखक निष्कर्ष निकालते हैं कि हालांकि PEC+QED पूर्ण फॉल्ट-टोलरेंट क्वांटम कंप्यूटेशन (FTQC) की आवश्यकता को पूरा नहीं करता है, लेकिन यह व्यावहारिक क्वांटम लाभ की ओर बढ़ने के लिए एक व्यवहार्य रणनीति प्रदान करता है, बशर्ते कि डिटेक्शन क्षमता और मापन शोर के बीच के ट्रेड-ऑफ को ऑप्टिमाइज़ेशन के माध्यम से कड़ाई से प्रबंधित किया जाए।