⚛️ quantum physics

Low-depth simulation of non-Markovianity under quantum hardware noise

यह शोध पत्र ट्राजेक्टरी मिक्सिंग (trajectory mixing) का उपयोग करके नॉन-मार्कोवियन डायनेमिक्स और मेमोरी चैनल्स के लिए एक लो-डेप्थ सिमुलेशन विधि प्रस्तावित करता है, जो एंटैंगलिंग गेट्स को शुद्ध-अवस्था ट्राजेक्टरीज के सांख्यिकीय मिश्रणों से प्रतिस्थापित करता है ताकि शोर वाले नियर-टर्म क्वांटम हार्डवेयर पर स्टेट फिडेलिटी में महत्वपूर्ण सुधार किया जा सके और क्वांटम सहसंबंधों को संरक्षित किया जा सके।

मूल लेखक: Diana A. Chisholm

प्रकाशित 2026-07-08

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Diana A. Chisholm

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 यह सिम्युलेट करने की कोशिश कर रहे हैं कि एक नाजुक कांच का फूलदान (एक क्वांटम सिस्टम) कैसा व्यवहार करता है जब वह एक हवादार, शोर भरे कमरे (इसके वातावरण) में रखा होता है। क्वांटम कंप्यूटिंग की दुनिया में, हम इस फूलदान के हिलने, डगमगाने या अंततः टूटने की सटीक भविष्यवाणी करना चाहते हैं, लेकिन एक समस्या है: हमारे क्वांटम कंप्यूटर भी बहुत शोर वाले और नाजुक हैं।

यह शोध पत्र इन सिमुलेशन को चलाने का एक चतुर नया तरीका प्रस्तावित करता है जो सामान्य भारी मशीनरी से बचता है, जिससे आज के अपूर्ण क्वांटम कंप्यूटरों पर इसके सफल होने की संभावना बहुत अधिक हो जाती है।

पुराना तरीका: "भारी बैकपैक" दृष्टिकोण

पारंपरिक रूप से, किसी सिस्टम और उसके वातावरण के बीच की अंतःक्रिया (interaction) को सिम्युलेट करने के लिए, वैज्ञानिक स्टाइन्सप्रिंग डाइलेशन (Stinespring dilation) नामक विधि का उपयोग करते हैं। इसे ऐसे समझें कि आप हवा को सिम्युलेट करने के लिए एक विशाल, अनाड़ी रोबोट (एक सहायक क्यूबिट) को फूलदान के पास खड़ा करके उसे शारीरिक रूप से धकेलने के लिए काम पर रखते हैं।

रोबोट को सही ढंग से धकेलने के लिए, आपको फूलदान और रोबोट को बहुत मजबूत, जटिल रस्सियों (एंटैंगलिंग गेट्स) से बांधना होगा।

समस्या: ये रस्सियाँ बिना तोड़े बांधना कठिन है। क्वांटम शब्दों में, सिस्टम और रोबोट को जोड़ने के लिए आवश्यक "टू-क्यूबिट गेट्स" बहुत शोर वाले होते हैं। हर बार जब आप एक रस्सी बांधते हैं, तो त्रुटि (error) की उच्च संभावना पैदा होती है। यदि आपको लंबे समय की अवधि को सिम्युलेट करना है, तो आपको बहुत सारी रस्सियों की आवश्यकता होगी, और त्रुटियां जमा होकर सिमुलेशन को बेकार कर देंगी।

नया तरीका: "पासा फेंकने" का दृष्टिकोण

लेखिका डायना चिशोल्म एक अलग रणनीति का सुझाव देती हैं जिसे ट्रैजेक्टरी मिक्सिंग (trajectory mixing) कहा जाता है। फूलदान को धकेलने के लिए एक विशाल रोबोट को काम पर रखने के बजाय, कल्पना करें कि आप एक ऐसा सिमुलेशन चला रहे हैं जहाँ आप बस यह तय करने के लिए पासा फेंकते हैं कि आगे क्या होगा।

रूपक (Metaphor): कल्पना करें कि आपके पास एक हजार समान फूलदान हैं। एक रोबोट द्वारा उन सभी को धकेलने के बजाय, आप प्रत्येक फूलदान को थोड़ा अलग रास्ते पर भेजते हैं।
- पथ A: एक हल्की हवा लगती है।
- पथ B: एक तेज झोंका आता है।
- पथ C: बिल्कुल कोई हवा नहीं चलती।
आप इन सभी पथों को अपने कंप्यूटर पर अलग-अलग चलाते हैं। क्योंकि आप फूलदानों को रोबोट से नहीं बांध रहे हैं, इसलिए आपको उन शोर वाले, जटिल रस्सियों की आवश्यकता नहीं है। आप केवल सरल, सिंगल-क्यूबिट ऑपरेशन्स (जैसे सिक्का उछालना या डायल घुमाना) का उपयोग करते हैं।
परिणाम: अंत में, आप सभी फूलदानों को देखते हैं, गिनते हैं कि वे किस स्थिति में समाप्त हुए, और उनका औसत लेते हैं। यह सांख्यिकीय औसत (statistical average) आपको वही उत्तर देता है जो जटिल रोबोट विधि देती है, लेकिन इसमें बहुत कम त्रुटियां होती हैं क्योंकि आपने "शोर वाले रस्सियों" से परहेज किया।

उन्होंने क्या परीक्षण किया?

यह शोध पत्र इस "पासा फेंकने" वाले तरीके का परीक्षण तीन विशिष्ट परिदृश्यों पर करता है ताकि यह देखा जा सके कि क्या यह "भारी बैकपैक" पद्धति से बेहतर काम करता है:

प्योर डीफेजिंग (The "Fuzzy" Vase - धुंधला फूलदान):
- उन्होंने एक क्यूबिट के अपनी "स्पष्टता" खोने (डीफेजिंग) का सिमुलेशन किया।
- परिणाम: "पासा फेंकने" वाले तरीके ने सिमुलेशन को सटीक, सैद्धांतिक उत्तर के बहुत करीब रखा। "भारी बैकपैक" वाला तरीका जल्दी ही पटरी से उतर गया, जैसे तूफान में लंगर खो देता हुआ कोई जहाज।
नॉन-मार्कोवियन डायनेमिक्स (The "Memory" Vase - याददाश्त वाला फूलदान):
- यह एक पेचीदा परिदृश्य है जहाँ वातावरण "याद रखता है" कि उसने सिस्टम के साथ क्या किया और बाद में वापस प्रतिक्रिया देता है (जैसे एक बूमरैंग प्रभाव)।
- इसे सिम्युलेट करने के लिए, उन्हें एक "मेमोरी" क्यूबिट का उपयोग करना पड़ा।
- परिणाम: "पासा फेंकने" वाला तरीका अभी भी बेहतर प्रदर्शन करता है, विशेष रूप से फूलदान और उसकी स्मृति के बीच के संबंध को देखते हुए। हालाँकि, क्योंकि फूलदान और स्मृति लगातार एक-दूसरे के साथ अंतःक्रिया कर रहे थे (जिसके लिए कुछ जटिल कनेक्शन की आवश्यकता थी), इसका लाभ पहले परीक्षण जितना बड़ा नहीं था, लेकिन फिर भी सकारात्मक था।
मेमोरी चैनल्स (The "Correlated" Wind - सहसंबद्ध हवा):
- उन्होंने एक ऐसे परिदृश्य का सिमुलेशन किया जहाँ दो फूलदानों को एक चैनल के माध्यम से भेजा जाता है जो दोनों पर एक ही समय में एक ही यादृच्छिक (random) हवा लगाता है। यह परीक्षण करता है कि क्या यह उनके बीच के "एंटैंगलमेंट" (एक विशेष क्वांटम बंधन) को बनाए रख सकता है।
- परिणाम: यह सबसे बड़ी जीत थी। "पासा फेंकने" वाले तरीके ने दोनों फूलदानों के बीच के बंधन को लगभग पूरी तरह से बरकरार रखा। "भारी बैकपैक" पद्धति ने बंधन को तुरंत तोड़ दिया क्योंकि दोनों फूलदानों को समन्वयित करने के लिए आवश्यक जटिल रस्सियाँ बहुत शोर वाली थीं।

पेच: "बहुत अधिक पथ" की समस्या

इसका एक नुकसान भी है। यदि आप बहुत लंबे समय तक सिम्युलेट करना चाहते हैं, तो संभावित पथों की संख्या तेजी से (exponentially) बढ़ती है। यह एक साल के हर सेकंड के लिए पासा फेंकने जैसा है; संयोजनों को ट्रैक करना असंभव हो जाता है।

समाधान: शोध पत्र दिखाता है कि आपको हर पथ को ट्रैक करने की आवश्यकता नहीं है। आप बस कुछ हजार पथों का यादृच्छिक नमूना (random sampling) ले सकते हैं (जैसे पूरे देश में हर किसी से पूछने के बजाय 1,000 लोगों का सर्वेक्षण करना)। इस सीमित सैंपलिंग के साथ भी, "पासा फेंकने" वाला तरीका "भारी बैकपैक" पद्धति की तुलना में बहुत लंबे समय तक सटीक रहा।

निष्कर्ष

शोध पत्र का दावा है कि जटिल, शोर वाले कनेक्शनों (एंटैंगलिंग गेट्स) को सरल, स्वतंत्र रन के सांख्यिकीय मिश्रण (ट्रैजेक्टरी मिक्सिंग) से बदलकर, हम वर्तमान हार्डवेयर पर ओपन क्वांटम सिस्टम को बहुत अधिक प्रभावी ढंग से सिम्युलेट कर सकते हैं।

यह एक गंतव्य तक पहुँचने के लिए हजारों छोटे, सरल कदम उठाने बनाम एक भारी, खराब हो चुके ट्रक को ले जाने के बीच चयन करने जैसा है। जबकि ट्रक "आधिकारिक" तरीका लग सकता है, छोटे कदम आपको बहुत कम नुकसान के साथ वहां पहुंचा देते हैं। यह उन लंबे, जटिल क्वांटम इंटरैक्शन को सिम्युलेट करना संभव बनाता है जो पहले वास्तविक क्वांटम कंप्यूटरों पर चलाने के लिए बहुत शोर वाले थे।

तकनीकी सारांश: क्वांटम हार्डवेयर शोर के तहत गैर-मार्कोवियनता का निम्न-गहराई वाला सिमुलेशन

समस्या विवरण
डिजिटल क्वांटम कंप्यूटरों पर ओपन क्वांटम सिस्टम का सिमुलेशन करना स्वाभाविक रूप से चुनौतीपूर्ण है क्योंकि क्वांटम सर्किट मूल रूप से केवल यूनिटरी विकास (unitary evolutions) का समर्थन करते हैं, जबकि ओपन सिस्टम पर्यावरणीय अंतःक्रियाओं के कारण गैर-यूनिटरी गतिकी (non-unitary dynamics) से गुजरते हैं। मानक दृष्टिकोण, स्टाइनस्प्रिंग डाइलेशन (Stinespring dilation), सहायक क्विबिट्स को जोड़ने और उन्हें ट्रेस आउट करके इन गतिकी का सिमुलेशन करता है। हालाँकि, यह विधि सघन अंतःक्रिया टोपोलॉजी और बड़ी संख्या में टू-क्विबिट गेट्स (जैसे CNOTs) की आवश्यकता करती है, जो सिंगल-क्विबिट गेट्स की तुलना में काफी अधिक शोर वाले होते हैं। निकट-अवधि (near-term) हार्डवेयर पर, सहायक गेट्स से त्रुटियों का संचय सिमुलेशन की फिडेलिटी (fidelity) और निष्पादन समय को गंभीर रूप से सीमित कर देता है, विशेष रूप से लंबे समय के विकास या जटिल गैर-मार्कोवियन गतिकी के लिए।

कार्यप्रणाली
यह शोध पत्र ट्रैजेक्टरी मिक्सिंग पद्धति (शुद्ध अवस्था प्रक्षेपवक्रों का सांख्यिकीय मिश्रण) का लाभ उठाने का प्रस्ताव करता है ताकि सहायक क्विबिट्स के बिना ओपन सिस्टम गतिकी का सिमुलेशन किया जा सके। यह दृष्टिकोण विशेष रूप से मिक्स्ड यूनिटरी चैनल्स पर लागू किया गया है, जहाँ एक क्वांटम चैनल $\Phi(\rho)$ को यूनिटरी विकास के सांख्यिकीय मिश्रण के रूप में व्यक्त किया जा सकता है: $\Phi(\rho) = \sum_i p_i U_i \rho U_i^\dagger$ ।

मुख्य कार्यप्रिक्रियात्मक विशेषताएं शामिल हैं:

अवस्था-स्वतंत्र संभावनाएँ (State-Independent Probabilities): मिक्स्ड यूनिटरी चैनल्स के लिए, एक विशिष्ट यूनिटरी जंप की संभावना ( $p_i$ ) सिस्टम की अवस्था से स्वतंत्र होती है। यह अनुमति देता है कि सिमुलेशन कई स्वतंत्र सर्किटों (प्रक्षेपवक्रों) को चलाकर और उनके परिणामों को सांख्यिकीय रूप से मिलाकर आगे बढ़े, जिससे जंप संभावनाओं को गतिशील रूप से निर्धारित करने के लिए महंगी स्टेट टोमोग्राफी की आवश्यकता नहीं रहती।
ट्रैजेक्टरी सैंपलिंग (Trajectory Sampling): जबकि कुल संभावित प्रक्षेपवखों की संख्या तेजी से बढ़ती है ( $m^N$ , जहाँ $m$ क्रौस ऑपरेटर्स की संख्या है और $N$ टाइम स्टेप्स की संख्या है), लेखक एक सांख्यिकीय रूप से पर्याप्त उपसमूह के प्रक्षेपवक्रों के साथ लंबे समय के विकास को सिम्युलेट करने के लिए स्टोकेस्टिक सैंपलिंग (मोंटे कार्लो दृष्टिकोण) का उपयोग करते हैं।
शोर मॉडलिंग (Noise Modeling): सिमुलेशन आधुनिक क्वांट प्रोसेसर के लिए कैलिब्रेटेड एक यथार्थवादी शोर मॉडल का उपयोग करते हैं, जिसमें सिंगल-क्विबिट गेट्स के बाद $T_1$ और $T_2$ रिलैक्सेशन/डीफेजिंग और CNOT गेट्स के बाद एक डिपोलराइजिंग चैनल शामिल है।
तुलना आधार (Comparison Baseline): ट्रैजेक्टरी मिक्सिंग पद्धति को विभिन्न परिदृश्यों में पारंपरिक सहायक क्विबिट दृष्टिकोण (स्टाइनस्प्रिंग डाइलेशन) के विरुद्ध बेंचमार्क किया गया है।

मुख्य योगदान और सिमुलेशन
शोध पत्र चार विशिष्ट सिमुलेशन परिदृश्यों के माध्यम से इस दृष्टिकोण की व्यवहार्यता प्रदर्शित करता है:

प्योर डीफेजिंग (Pure Dephasing): एक सिंगल क्विबिट जो फ्री इवोल्यूशन और प्योर डीफेजिंग से गुजर रहा है। ट्रैजेक्टरी मिक्सिंग पद्धति (केवल सिंगल-क्विबिट गेट्स का उपयोग करके) उच्च स्टेट फिडेलिटी बनाए रखती है और शोर रहित गतिकी का बारीकी से अनुसरण करती है। इसके विपरीत, सहायक क्विबिट पद्धति (जिसके लिए CNOTs की आवश्यकता होती है) गेट शोर के कारण ब्लॉक स्फीयर के केंद्र की ओर महत्वपूर्ण विचलन दिखाती है।
गैर-मार्कोवियन गतिकी (एम्प्लीट्यूड डैम्पिंग और डीफेजिंग): लेखक मार्कोवियन एम्बेडिंग्स के माध्यम से गैर-मार्कोवियन विकास का सिमुलेशन करते हैं, जहाँ एक सिस्टम एक मेमोरी क्विबिट के साथ अंतःक्रिया करता है।
- परिणाम: ट्रैजेक्टरी मिक्सिंग पद्धति लगातार सहायक क्विबिट पद्धति की तुलना में उच्च फिडेलिटी प्रदान करती है, विशेष रूप से संयुक्त सिस्टम-मेमोरी अवस्था को देखते हुए। हालाँकि, शोध पत्र नोट करता है कि केवल सिस्टम के लिए, फिडेलिटी का लाभ कभी-कभी मामूली होता है। लेखक सुझाव देते हैं कि क्योंकि सिस्टम और मेमोरी लगातार अंतःक्रिया करते हैं, इसलिए एम्बेडिंग मॉडल में टू-क्विबिट गेट्स का शोर जटिल मेनी-बॉडी परिदृश्यों में इस लाभ को सीमित करता है।
मेमोरी चैनल्स (Memory Channels): तेजी से क्रम में भेजे गए दो क्विबिट्स पर कार्य करने वाले डीफेजिंग मेमोरी चैनल का सिमुलेशन। यह चैनल बेल स्टेट्स में एंटैंगलमेंट को संरक्षित करता है।
- परिणाम: ट्रैजेक्टरी मिक्सिंग पद्धति कॉनकरेंस (एंटैंगलमेंट) को लगभग पूरी तरह से संरक्षित करती है, जबकि सहायक क्विबिट पद्धति महत्वपूर्ण क्षय (decay) का कारण बनती है। यह एक प्रमुख लाभ को उजागर करता है: ट्रैजेक्टरी पद्धति दोनों सिस्टम क्विबिट्स को सहायक क्विबिट के साथ सह-संबंधित करने के लिए आवश्यक दो CNOT गेट्स के बोझ से बचती है।
स्टोकेस्टिकली ड्रिवन हैमिल्टोनियन (Stochastically Driven Hamiltonians): लेखक रैंडम टेलीग्राफ नॉइज़ (RTN) वाले हैमिल्टोनियन द्वारा संचालित गैर-मार्कोवियन गतिकी का सिमुलेशन करते हैं। निरंतर शोर के अंतराल में विकास को तोड़कर और ट्रैजेक्टरीज़ को मिलाकर, वे बिना किसी सहायक या मेमोरी क्विबिट के अत्यंत उच्च फिडेलिटी प्राप्त करते हैं।

परिणाम
वर्तमान प्रोसेसरों के लिए कैलिब्रेटेड शोर मॉडल ( $T_1=232\,\mu s$ , $T_2=127\,\mu s$ , CNOT एरर $\approx 2.4\%$ ) का उपयोग करते हुए, अध्ययन पाता है कि:

फिडेलिटी: ट्रैजेक्टरी मिक्सिंग पद्धति शुद्ध डीफेजिंग और मेमोरी चैनल परिदृश्यों में सहायक क्विबिट पद्धति की तुलना में लगातार उच्च स्टेट फिडेलिटी बनाए रखती है।
एंटैंगलमेंट संरक्षण: मेमोरी चैनल सिमुलेशन में, ट्रैजेक्टरी पद्धति एंटैंगलमेंट को सफलतापूर्वक संरक्षित करती है, जबकि सहायक पद्धति टू-क्विबिट गेट एरर्स के संचय के कारण ऐसा करने में विफल रहती है।
स्केलेबिलिटी: सीमित सैंपलिंग (25 टाइम स्टेप्स के लिए 1024 ट्रैजेक्टरीज) के साथ भी, ट्रैजेक्टरी पद्धति सहायक पद्धति से बेहतर प्रदर्शन करती है, जो टाइम स्टेप्स की संख्या बढ़ने के साथ निरंतर फिडेलिटी क्षय से ग्रस्त होती है।

महत्व और दावे
शोध पत्र का दावा है कि ट्रैजेक्टरी मिक्सिंग पद्धति निकट-अवधि क्वांटम हार्डवेयर पर गैर-स्थानीय पर्यावरणीय प्रभावों के सिमुलेशन के लिए एक डिप्लॉयबल ब्लूप्रिंट (उपयोगी खाका) प्रदान करती है। इसका प्राथमिक महत्व है:

शोर में कमी: सहायक क्विबिट्स के साथ जुड़े शोर के ओवरहेड को कम करने के लिए एंटैंगलिंग गेट्स को स्वतंत्र, शुद्ध-अवस्था सर्किट के सांख्यिकीय मिश्रण से बदलकर, यह विधि शोर को नाटकीय रूप से कम करती है।
संसाधन दक्षता: यह सीमित संसाधनों के साथ लंबे समय के गैर-मार्कोवियन विकास के सिमुलेशन को सक्षम बनाती है, जिससे सहायक गेट्स के "विनाशकारी शोर ओवरहेड" से बचा जा सकता है।
व्यावहारिकता: हालांकि इस पद्धति के लिए कई सर्किट चलाने की आवश्यकता होती है, लेखक तर्क देते हैं कि वर्तमान क्वांटम प्रोसेसरों पर टू-क्विबिट गेट्स की त्रुटि दरों को देखते हुए यह एक अनुकूल समझौता (favorable trade-off) है।

लेखक इस पद्धति की सार्वभौमिकता के संबंध में विनम्र रहते हैं, यह नोट करते हुए कि जटिल मेनी-बॉडी डायनेमिक्स के लिए, जहाँ सिस्टम-मेमोरी इंटरैक्शन निरंतर होते हैं, एम्बेडिंग मॉडल में आवश्यक टू-क्विबिट इंटरैक्शन के अंतर्निहित शोर के कारण लाभ कम स्पष्ट हो सकता है। हालाँकि, विशिष्ट चैनल्स और मेमोरी परिदृश्यों के लिए, यह दृष्टिकोण मौजूदा हार्डवेयर पर उच्च फिडेलिटी सिमुलेशन के लिए एक स्पष्ट मार्ग प्रदान करता है।

पुराना तरीका: "भारी बैकपैक" दृष्टिकोण

नया तरीका: "पासा फेंकने" का दृष्टिकोण

उन्होंने क्या परीक्षण किया?

पेच: "बहुत अधिक पथ" की समस्या

निष्कर्ष

इसी तरह के और पेपर