⚛️ quantum physics

High-Precision Calibration Workflow Achieves Above $99.9\%$ CZ Gate Fidelity on a Scalable Superconducting Processor

यह शोध पत्र एक 84-क्यूबिट घरेलू सुपरकंडक्टिंग प्रोसेसर पर सुसंगत त्रुटियों (coherent errors) को कम करते हुए 99.9% से अधिक की रिकॉर्ड-तोड़ CZ गेट फिडेलिटी प्राप्त करने के लिए इकोड लीकेज एरर एम्प्लीफिकेशन और कॉन्टेक्स्ट-अवेयर फिडेलिटी एस्टीमेशन का उपयोग करते हुए एक क्लोज्ड-लूप कैलिब्रेशन वर्कफ़्लो प्रस्तुत करता है, जो फॉल्ट-टोलरेंट क्वांटम कंप्यूटिंग की ओर एक स्केलेबल और स्वचालित पथ को प्रदर्शित करता है।

मूल लेखक: Huili Zhang, Meiling Li, Shuang Yang, Yaqing Feng, Yulong Li, Cheng Chen, Pei Liu, Guangming Xue, Haifeng Yu

प्रकाशित 2026-07-03

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Huili Zhang, Meiling Li, Shuang Yang, Yaqing Feng, Yulong Li, Cheng Chen, Pei Liu, Guangming Xue, Haifeng Yu

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 एक विशाल, अविश्वसनीय रूप से जटिल ऑर्केस्ट्रा बनाने की कोशिश कर रहे हैं जहाँ हर वाद्य यंत्र एक छोटा क्वांटम कंप्यूटर है। इस ऑर्केस्ट्रा को एक सिम्फनी बजाने के लिए बिना बिखरे सफल होने हेतु, हर जोड़ी वाद्य यंत्रों को पूरी तरह से तालमेल (sync) में होना चाहिए। क्वांटम कंप्यूटिंग की दुनिया में, यह "तालमेल" एक विशिष्ट ऑपरेशन द्वारा किया जाता है जिसे CZ गेट कहा जाता है।

यह शोध पत्र इस बारे में है कि कैसे वैज्ञानिकों की एक टीम ने इन क्वांटम वाद्य यंत्रों को इतनी सटीकता से ट्यून किया कि वे लगभग कभी भी बेसुुरे नहीं होते। उन्होंने 84 "वाद्य यंत्रों" (क्यूबिट्स) वाले एक बड़े प्रोसेसर पर 99.9% की सफलता दर हासिल की।

उन्होंने इसे कैसे किया, इसे सरल उपमाओं के माध्यम से समझाया गया है:

समस्या: "भीड़भाड़ वाले कमरे" का प्रभाव

एक छोटे, अलग कमरे के बारे में सोचें जहाँ दो संगीतकार अभ्यास कर सकते हैं। उनके लिए एक-दूसरे को सुनना और सुर में रहना आसान है। लेकिन अब, कल्पना करें कि आप उन दो संगीतकारों को 84 अन्य संगीतकारों के साथ एक विशाल, भीड़भाड़ वाले स्टेडियम में रख देते हैं जो पास में ही बज रहे हैं।

शोर (The Noise): इस भीड़भाड़ वाले स्टेडियम में, संगीतकार भीड़ के शोर (पर्यावरणीय शोर) और फर्श के कंपन (ऊर्जा की हानि) से विचलित हो जाते हैं। इसे इनकोहेरेंट एरर (incoherent error) कहा जाता है।
ट्यूनिंग ड्रिफ्ट (The Tuning Drift): क्योंकि कमरा बहुत बड़ा है, इसलिए वाद्य यंत्रों को सटीक रूप से ट्यून करना कठिन है। यदि किसी संगीतकार का ट्यूनिंग पेग (tuning peg) थोड़ा भी गलत है, तो वह थोड़ा गलत स्वर बजाएगा। इसे कोहेरेंट एरर (coherent error) कहा जाता है।
बजट (The Budget): वैज्ञानिकों के पास एक सख्त "एरर बजट" है। वे थोड़े से भीड़ के शोर को सहन कर सकते हैं, लेकिन ट्यूनिंग की गलतियों के लिए उनके पास बहुत कम जगह बची है। यदि ट्यूनिंग गलत है, तो पूरा प्रदर्शन विफल हो जाएगा।

समाधान: एक "क्लोज्ड-लूप" ट्यूनिंग वर्कशॉप

टीम ने इन 84 वाद्य यंत्रों को ट्यून करने के लिए एक स्मार्ट, स्वचालित कार्यशाला (वर्कफ्लो) विकसित की। अनुमान लगाने के बजाय, वे एक "मापें, सुधारें, फिर से मापें" लूप का उपयोग करते हैं।

उन्होंने इन सटीक सेटिंग्स को खोजने के लिए तीन विशेष "प्रशिक्षण ड्रिल" का उपयोग किया:

एम्पलीफायर (SEA): कल्पना करें कि आप एक शोर भरे कमरे में फुसफुसाहट सुनने की कोशिश कर रहे हैं। आप उसे सुन नहीं पा रहे हैं, इसलिए आप उस फुसफुसाहट को 100 बार दोहराते हैं। अब वह फुसफुसाहट स्पष्ट रूप से सुनने के लिए पर्याप्त तेज़ है। वैज्ञानिकों ने अपनी छोटी गलतियों को एम्प्लीफाई (बढ़ाने) के लिए क्वांटम ऑपरेशन्स को कई बार दोहराया, जिससे उन्हें पहचानना और ठीक करना आसान हो गया।
लीक डिटेक्टर (ELEA): कभी-कभी एक संगीतकार गलती से उस तार पर नोट बजा देता है जिसे उसे नहीं छूना चाहिए था ("लीकेज" एरर)। टीम ने विशेष रूप से इन "गलत तार" वाले नोट्स को खोजने और संगीतकारों को सही तारों पर वापस लाने के लिए ELEA (Echoed Leakage Error Amplification) नामक एक विशेष ड्रिल का उपयोग किया।
कॉन्टेक्स्टुअल कोच (CAFE): यह एक कोच की तरह है जो न केवल एक नोट सुनता है, बल्कि विभिन्न संगीत संदर्भों में संगीतकार के प्रदर्शन को भी देखता है। CAFE सर्किट टीम को यह अनुमान लगाने में मदद करता है कि ट्यूनिंग कितनी सटीक है, यह सुनिश्चित करते हुए कि सुधार केवल एक स्थान पर ही नहीं, बल्कि हर जगह काम करे।

परिणाम: एक आदर्श प्रदर्शन

इस स्वचालित कार्यशाला को चलाने के बाद:

सर्वश्रेष्ठ मामला (The Best Case): उन्होंने वाद्य यंत्रों की एक जोड़ी पाई जो 99.लीन 92% सटीक थी। एकमात्र गलती एक मामूली 0.007% की थी जो थोड़े से ट्यूनिंग ड्रिफ्ट (कोहेरेंट एरर) के कारण हुई थी।
औसत मामला (The Average Case): जब उन्होंने 72 अलग-अलग वाद्य यंत्रों की जोड़ियों को देखा, तो औसत सटीकता 99.25% थी। यह साबित करता है कि यह विधि पूरे ऑर्केस्ट्रा के लिए काम करती है, न कि केवल कुछ भाग्यशाली जोड़ों के लिए।
स्थिरता (Stability): उन्होंने सिस्टम को 9 घंटे तक चलने दिया। स्वचालित कार्यशाला के बिना, वाद्य यंत्र बेसुुरे हो जाते। स्वचालित कार्यशाला के साथ, जो हर 30 मिनट में लगातार जांच और री-ट्यूनिंग कर रही थी, प्रदर्शन स्थिर और सटीक बना रहा।

यह क्यों मायने रखता है

यह शोध पत्र दावा करता है कि यह एक बड़ी प्रगति है क्योंकि:

पैमाना (Scale): उन्होंने यह एक छोटे, अलग नमूने पर नहीं, बल्कि एक बड़े, 84-क्यूबिट चिप पर किया।
स्वचालन (Automation): प्रक्रिया स्वचालित है, जिसका अर्थ है कि यह निरंतर मानवीय हस्तक्षेप के बिना खुद चल सकती है, जो भविष्य में विशाल क्वांटम कंप्यूटर बनाने के लिए महत्वपूर्ण है।
घरेलू उपलब्धि (Domestic Achievement): पूरी प्रक्रिया पूरी तरह से शोधकर्ताओं के देश के भीतर निर्मित प्लेटफॉर्म पर की गई, जो यह साबित करता है कि उच्च-परिशुद्धता क्वांटम नियंत्रण घरेलू तकनीक के साथ प्राप्त किया जा सकता है।

संक्षेप में, टीम ने एक "स्व-सुधार प्रणाली" बनाई है जो एक बड़े क्वांटम कंप्यूटर को उसके वाद्य यंत्रों को पूर्ण सामंजस्य में रखने की अनुमति देती है, जिससे वे सटीकता (99.9%) प्राप्त करती है जो अगली पीढ़ी के त्रुटि-मुक्त क्वांटम कंप्यूटिंग के लिए आवश्यक है।

तकनीकी सारांश: एक स्केलेबल सुपरकंडक्टिंग प्रोसेसर पर CZ गेट्स के लिए उच्च-परिशुद्धता अंशांकन (कैलिब्रेशन) वर्कफ़्लो

समस्या विवरण
फॉल्ट-टोलरेंट क्वांटम कंप्यूटिंग की प्राप्ति के लिए भौतिक क्वबिट्स में गेट एरर रेट का 0.1% के करीब होना आवश्यक है। हालांकि आइसोलेटेड सुपरकंडक्टिंग नमूनों पर उच्च-फिडेलिटी CZ गेट्स का प्रदर्शन किया गया है, लेकिन इन सिस्टम्स को स्केल करने से महत्वपूर्ण चुनौतियां उत्पन्न होती हैं। जैसे-जैसे चिप का आकार और क्वबिट घनत्व बढ़ता है, टू-लेवल सिस्टम (TLS) दोषों और कंट्रोल लाइन्स से उत्पन्न होने वाले डिपोलराइजिंग चैनल्स के कारण कोहेरेंस समय (coherence times) कम हो जाता है। ये कारक इनकोहेरेंट एरर्स (incoherent errors) को बढ़ाते हैं, जिससे कोहेरेंट एरर्स (जो पैरामीटर विचलन से उत्पन्न होते हैं) के लिए उपलब्ध एरर बजट और भी सीमित हो जाता है। स्केलेबल प्रोसेसर्स में, कोहेरेंट एरर्स के प्रति सहनशीलता कम हो जाती है, जिसके लिए इन एरर्स को दबाने और क्वांटम एरर करेक्शन (QEC) के अनुकूल गेट फिडेलिटी प्राप्त करने के लिए अत्यधिक सटीक अंशांकन वर्कफ़्लो की आवश्यकता होती है।

कार्यप्रणाली (मेथोडोलॉजी)
लेखकों ने "शेंग्लियन" (Shenglian) प्रोसेसर पर CZ गेट अंशांकन की परिशुद्धता बढ़ाने के लिए एक क्लोज्ड-लूप अंशांकन वर्कफ़्लो विकसित किया है, जो कि ट्यूनेबल ट्रांसमोन क्वबिट्स और कपलर से बना एक 84-क्वबिट सिस्टम है। यह वर्कफ़्लो तीन विशिष्ट सर्किट तकनीकों को एकीकृत करता है जिन्हें पुनरावृत्ति (iteratively) के लिए लागू किया जाता है:

स्टैंडर्ड एरर एम्प्लीफिकेशन (SEA): गेट एरर्स को बढ़ाने और संचित कंडीशनल फेजेस को मापने के लिए उपयोग किया जाता है।
इकोएड लीकेज एरर एम्प्लीफिकेशन (ELEA): इसे फेज-एवरेजड लीकेज एरर एम्प्लीफिकेशन (PALEA) सर्किट से अनुकूलित किया गया है, जो विशेष रूप से नॉन-कंप्यूटेशनल स्टेट्स (विशेष रूप से $|02\rangle$ ) में पॉपुलेशन लीकेज को लक्षित और बढ़ाता है।
रीपर्पज्ड कॉन्टेक्स्ट-अवेयर फिडेलिटी एस्टीमेशन (CAFE): लीकेज को कैरेक्टराइज करते हुए फिडेलिटी का अनुमान लगाने के लिए उपयोग किया जाता है, जो पारंपरिक फ्लक्स पल्स एम्प्लीट्यूड स्कैन के स्थान पर विशिष्ट स्टेट्स के पॉपुलेशन मेजरमेंट का उपयोग करता है।

अंशांकन प्रक्रिया एक संरचित अनुक्रम का पालन करती है:

इनिशियलाइजेशन (आरंभीकरण): इन्फिनिट इम्पल्स रिस्पॉन्स फिल्टर्स का उपयोग करके टाइमिंग और फ्लक्स डिस्टॉर्शन को क्षतिपूरक (compensate) किया जाता है। फ्रीक्वेंसी टकरावों से बचने और कोहेरेंस को अनुकूलित करने के लिए क्वबिट आइडल फ्रीक्वेंसी को पुनर्व्यवस्थित किया जाता है।
कोर्स और इंटरमीडिएट अंशांकन: वर्कफ़्लो SEA और ELEA का उपयोग करके फ्लक्स पल्स एम्प्लीट्यूड ( $A_1, A_2, A_c$ ) को स्कैन करता है। लीकेज को न्यूनतम करने और पैरामीटर्स को कन्वर्ज करने के लिए ELEA सर्किट का उपयोग एम्प्लीट्यूड को ट्यून करने हेतु किया जाता है।
फाइन अंशांकन: CAFE सर्किट का उपयोग $|02\rangle$ स्टेट की पॉपुलेशन को सटीक रूप से कैरेक्टराइज करने के लिए किया जाता है, जिससे डायरेक्ट फ्लक्स स्कैनिंग के बिना कपलर फ्लक्स एम्प्लीट्यूड ( $A_c$ ) को ऑप्टिमाइज़ करना संभव होता है।
ऑटोमेटेड लूप: यदि CZ गेट फिडेलिटी एक थ्रेशोल्ड ( $F_{th,CZ}$ ) से नीचे गिरती है, तो सिस्टम फ्रीक्वेंसी कॉन्फ़िगरेशन को अपडेट करता है और अंशांकन चरणों को दोहराता है। सिंगल-क्वबिट फेजेस को वर्चुअल Z गेट्स के माध्यम से क्षतिपूरक किया जाता है।

मुख्य परिणाम

रिकॉर्ड फिडेलिटी: इस वर्कफ़्लो ने एक विशिष्ट क्वबिट पेयर पर अधिकतम CZ गेट फिडेलिटी 99.92 ± 0.01% प्राप्त की। इस गेट के लिए कोहेरेंट एरर को 0.007% तक कम कर दिया गया था, और शेष एरर इनकोहेरेंट प्रक्रियाओं द्वारा डोमिनेटेड था।
स्केलेबिलिटी: इस पद्धति को 84-क्वबिट प्रोसेसर के माध्यम से 72 पैरेलल CZ गेट्स तक सामान्यीकृत किया गया, जिससे 99.25% की मीडियन फिडेलिटी प्राप्त हुई।
एरर ब्रेकडाउन: CAFE और इंटरलीव्ड रैंडमाइज्ड बेंचमार्किंग (IRB) के विश्लेषण से पता चला कि सर्वश्रेष्ठ प्रदर्शन करने वाले गेट के लिए, एरर बजट में लगभग 0.079% इनकोहेरेंट एरर (लीकेज < 0.001% सहित) और 0.007% कोहेरेंट एरर शामिल था।
स्थिरता (Stability): एक 18-घंटे के मॉनिटरिंग प्रयोग (9 घंटे ऑटोमेटेड अंशांकन के साथ बनाम 9 घंटे बिना अंशांकन के) ने प्रदर्शित किया कि ऑटोमेटेड अंशांकन गेट स्थिरता को महत्वपूर्ण रूप से बढ़ाता है। पर्यावरणीय उतार-चढ़ाव के प्रति संवेदनशील क्वबिट्स के लिए, ऑटोमेटेड अंशांकन ने औसत एरर रेट को ~1.5% से घटाकर ~0.5% कर दिया।
सहसंबंध (Correlations): अध्ययन ने CZ गेट एरर रेट और सिंगल-क्वबिट गेट एरर रेट के बीच एक सहसंबंध की पहचान की, जो दोनों ही शॉर्ट डीफेजिंग टाइम्स ( $T_2^{XY8}$ ) से जुड़े हैं।

महत्व और दावे
यह पेपर दावा करता है कि यह सुपरकंडक्टिंग सिस्टम्स का उपयोग करके उच्च-प्रदर्शन वाली क्वांटम कंप्यूटिंग के लिए एक कुशल और स्वचालित मार्ग स्थापित करता है। यह प्रदर्शित करके कि ELEA और CAFE का उपयोग करने वाला एक क्लोज्ड-लूप वर्कफ़्लो एक बड़े पैमाने (84-क्वबिट) के डोमेस्टिक प्लेटफॉर्म पर कोहेरेंट एरर को 0.007% के स्तर तक कम कर सकता है, लेखक दिखाते हैं कि स्केलेबल चिप्स में निहित इनकोहेरेंट एरर्स की उपस्थिति में भी फॉल्ट-टोलेंट QEC के लिए आवश्यक फिडेलिटी प्राप्त की जा सकती है। यह कार्य रेखांकित करता है कि ऑटोमेटेड अंशांकन केवल एक सुविधा नहीं है, बल्कि स्केलेबल प्रोसेसर्स में उच्च प्रदर्शन बनाए रखने के लिए एक आवश्यकता है जहाँ पर्यावरणीय बदलाव (environmental drifts) महत्वपूर्ण होते हैं। परिणाम बताते हैं कि पल्स शेप्स और इंटरेक्शन फ्रीक्वेंसी के और अधिक अनुकूलन के साथ, और भी उच्च फिडेलिटी और तेज़ गेट्स प्राप्त किए जा सकते हैं, जो व्यावहारिक फॉल्ट-टोलेंट क्वांटम कंप्यूटिंग का मार्ग प्रशस्त करते हैं।

समस्या: "भीड़भाड़ वाले कमरे" का प्रभाव

समाधान: एक "क्लोज्ड-लूप" ट्यूनिंग वर्कशॉप

परिणाम: एक आदर्श प्रदर्शन

यह क्यों मायने रखता है

इसी तरह के और पेपर