Feynman's clock and hierarchy-informed sampling for quantum error mitigation

तकनीकी सारांश: फेनमैन का क्लॉक और क्वांटम त्रुटि न्यूनीकरण के लिए पदानुक्रम-सूचित नमूनाकरण (Hierarchy-Informed Sampling)

समस्या विवरण
निकट-अवधि (near-term) क्वांटम एल्गोरिदम वर्तमान हार्डवेयर की शोरयुक्त मध्यवर्ती-पैमाने की क्वांटम (NISQ) प्रकृति के कारण महत्वपूर्ण सीमाओं का सामना करते हैं, जो क्वांटम सर्किट के भौतिक निष्पादन को खराब कर देती है। जबकि त्रुटि सुधार (error correction) के लिए बड़े पैमाने के उपकरणों की आवश्यकता है जो अभी उपलब्ध नहीं हैं, कुशल क्वांटम त्रुटि न्यूनीकरण (QEM) योजनाएं वर्तमान अनुप्रयोगों के लिए आवश्यक हैं। मौजूदा विधियां मौलिक रूप से सीमित हैं, लेकिन वे शोर को कम करने का प्राथमिक साधन बनी हुई हैं। यह शोध पत्र एक सामान्य QEM तकनीक की आवश्यकता को संबोधित करता है जो विशिष्ट स्पिन चेन सिमुलेशन से आगे बढ़कर, मनमाने क्वांटम सर्किट के निष्पादन से उत्पन्न होने वाले शोर को कम करने में सक्षम हो।

कार्यप्रणाली
प्रस्तावित तकनीक, जो BBGKY सूचित नमूनाकरण न्यूनीकरण (BBGKY-ISM) योजना का एक विस्तार है, तीन चरणों वाली प्रक्रिया के माध्यम से कार्य करती है:

1. फेनमैन के क्लॉक के माध्यम से सर्किट-से-हैमिल्टनियन मैपिंग:
   लेखक एक मनमाने $N_Q$-क्विबिट सर्किट $U$ को, जो $N_G$ गेट्स से बना है, एक समय-स्वतंत्र हैमिल्टनियन द्वारा नियंत्रित क्वांटम सिस्टम के समय विकास (time evolution) पर मैप करते हैं। इसके लिए फेनमैन के क्वांटम कंप्यूटर निर्माण का उपयोग किया जाता है, जिसमें $N_C = \lceil \log_2(N_G + 1) \rceil$ सहायक क्विबिट्स के साथ एक क्लॉक रजिस्टर $H_C$ पेश किया जाता है। सिस्टम एक फेनमैन क्लॉक हैमिल्टनियन $H$ के तहत विकसित होता है, जहाँ क्लॉक अवस्थाएं सर्किट गणना की प्रगति को ट्रैक करती हैं। पूर्ण गतिकी को $|\psi(t)\rangle = e^{-itH}|\psi(0)\rangle$ द्वारा वर्णित किया जाता है।

2. हैडामार्ड टेस्ट के माध्यम से पुनर्निर्माण:
   ट्रोटरज़ेशन (Trotterization) के माध्यम से समय विकास का अनुकरण करने के बजाय (जो शोर को बढ़ा सकता है), यह विधि मूल सर्किट के आंशिक निष्पादन पर हैडामार्ड टेस्ट का उपयोग करके समय-निर्भर प्रत्याशा मानों (expectation values) का पुनर्निर्माण करती है।

• डेटा रजिस्टर पर Z-मापन को एकल पाउली-Z ऑपरेटरों के समय-निर्भर प्रत्याशा मानों के रूप में पुनर्व्याख्यायित किया जाता है, जो अंतिम क्लॉक अवस्था $|N_G\rangle_C$ पर प्रोजेक्ट किए गए हैं।
• इन मात्राओं को पाउली स्ट्रिंग्स (Pauli strings) से जुड़ी "रुचि की मात्राओं" के एक सेट में विघटित किया जाता है।
• आवश्यक मैट्रिक्स तत्वों के वास्तविक और काल्पनिक भागों को हैडामार्ड टेस्ट का उपयोग करके मापा जाता है, जिससे गहरे सर्किट डेप्थ से बचा जा जाता है जो ट्रोटर स्लाइस (Trotter slices) के साथ जुड़ा होता है।
• अंतिम Z-मापन मानों को क्लॉक अवस्था के प्रायिकता आयाम (probability amplitude) द्वारा भारित (weighted) इन पुनर्निर्मित समय-विकास मात्राओं को जोड़कर निकाला जाता है, जो प्रभावी रूप से समय की निर्भरता को हटा देता है।

3. BBGKY-सूचित नमूनाकरण न्यूनीकरण:
   हैडामार्ड टेस्ट से प्राप्त शोरयुक्त अनुमानों को BBGKY-ISM योजना का उपयोग करके न्यूनीकृत किया जाता है।

• भौतिकी-सूचित वितरण: विधि एक संभाव्यता वितरण से न्यूनीकरण उम्मीदवारों का नमूना लेती है जो शोर रहित गतिकी (noiseless dynamics) को एनकोड करता है। यह वितरण एक एक्शन $S(\vec{x})$ द्वारा परिभाषित है, जो तब न्यूनतम होता है जब विन्यास $\vec{x}$ आदर्श, शोर रहित विकास के करीब होता है।
• पदानुक्रमित बाधाएं (Hierarchical Constraints): बाधाएं पाउली स्ट्रिंग सहसंबंधों (correlators) के समीकरणों के एक BBGKY-समान पदानुक्रम से प्राप्त होती हैं। यह पदानुक्रम रुचि की मात्राओं को उच्च-क्रम के सहसंबंधों से जोड़ता है।
• सिमुलेटेड एनीलिंग: एक मार्कोव चेन मोंटे कार्लो प्रक्रिया (सिमुलेटेड एनीलिंग) का उपयोग उन विन्यासों को नमूना लेने के लिए किया जाता है जो एक्शन को कम करते हैं। एक पैरामीटर $r$ (त्रिज्या) यह निर्धारित करता है कि पदानुक्रम के कितने स्तरों को बाधाओं में शामिल किया गया है। एक बड़ा $r$ आदर्श गतिकी के एक बड़े हिस्से को एनकोड करता है, जो नमूनाकरण पर बाधाओं को कड़ा करता है।

प्रमुख योगदान

• BBGKY-ISM का सामान्यीकरण: यह शोध पत्र फेनमैन के क्लॉक निर्माण का उपयोग करके BBGKY-ISM योजना को विशिष्ट स्पिन चेन सिमुलेशन से लेकर मनमाने क्वांटम सर्किट तक विस्तारित करता है।
• कुशल ओवरहेड स्केलिंग: लेखक प्रदर्शित करते हैं कि प्रस्तावित विधि का शास्त्रीय और क्वांटम दोनों ओवरहेड सर्किट के आकार ($N_G$), क्विबिट्स की संख्या ($N_Q$), और समय के चरणों ($N_T$) के साथ बहुपद (polynomial) रूप से स्केल करते हैं। विशेष रूप से, आवश्यक हैडामार्ड टेस्ट की संख्या $N_Q \cdot \text{poly}(N_G)$ के रूप में स्केल होती है।
• पोस्ट-प्रोसेसिंग प्रकृति: यह तकनीक पूरी तरह से एक पोस्ट-प्रोसेसिंग विधि है, जिससे इसे मौजूदा न्यूनीकरण योजनाओं के साथ जोड़ा जा सकता है या क्वांटम हार्डवेयर निष्पादन में संशोधन किए बिना डेटा अधिग्रहण के बाद लागू किया जा सकता है।
• नियंत्रणीय त्रुटि न्यूनीकरण: यह विधि एक ट्यून करने योग्य पैरामीटर $r$ (पदानुक्रम त्रिज्या) पेश करती है जो उपयोगकर्ताओं को न्यूनीकरण की तीव्रता को नियंत्रित करने की अनुमति देती है।

परिणाम
इस विधि का परीक्षण IBM Fez प्रोसेसर की नकल करने वाले शोर मॉडल के तहत ट्यूनेबल बेल स्टेट प्रिपरेशन सर्किट ($N_Q=2, N_G=2$) पर संख्यात्मक रूप से किया गया।

• व्यवस्थित कमी: परिणाम सभी परीक्षण किए गए सर्किट मापदंडों और पदानुक्रम त्रिज्याओं के लिए क्वांटम त्रुटि ($\Delta' < \Delta$) में व्यवस्थित कमी दिखाते हैं।
• ट्यूनेबिलिटी: त्रुटि न्यूनीकरण क्षमता पदानुक्रम त्रिज्या $r$ के बढ़ने के साथ बढ़ती है। यह पुष्टि करता है कि BBGKY पदानुक्रम के एक बड़े हिस्से को एनकोड करना नमूनाकरण को शोर रहित गतिकी की ओर अधिक प्रभावी ढंग से बाधित करता है।
• स्व-संगति (Self-Consistency): एक विशिष्ट त्रिज्या ($r=4$ परीक्षण किए गए मामले में) पर, समीकरण प्रणाली पूरी तरह से स्व-सुसंगत ($z=1$) हो जाती है। इस बिंदु पर, विधि एक शुद्ध शास्त्रीय संख्यात्मक गणना में बदल जाती है जो सटीक शोर रहित गतिकी को पुनः प्राप्त करती है, प्रभावी रूप से क्वांटम शोर के योगदान को अनदेखा करती है।

महत्व और दावे
शोध पत्र का दावा है कि यह एक नई, सामान्य-उद्देश्य वाली क्वांटम त्रुटि न्यूनीकरण तकनीक प्रदान करता है जो कुशल (बहुपद स्केलिंग) और नियंत्रणीय है। सर्किट को हैमिल्टनियन गतिकी में मैप करके और भौतिकी-सूचित नमूनाकरण का लाभ उठाकर, यह विधि शोर को कम करने का एक व्यवस्थित तरीका प्रदान करती है जिसके लिए प्रारंभिक सर्किट निष्पादन और मानक पोस्ट-प्रोसेसिंग के अलावा अतिरिक्त क्वांटम संसाधनों की आवश्यकता नहीं होती है। लेखक जोर देते हैं कि इसकी प्रभावशीलता पदानुक्रम त्रिज्या $r$ के माध्यम से ट्यून करने योग्य है, जिससे यह विभिन्न शोर स्तरों और कम्प्यूटेशनल बाधाओं के अनुकूल बन जाती है। यह कार्य अधिक जटिल एल्गोरिदम (जैसे ग्रोवर, शोर) और गहरे वेरिएशनल एंसेल्स (variational ansätze) के लिए संभावित भविष्य के अनुप्रयोगों का सुझाव देता है, जो अन्य न्यूनीकरण रणनीतियों के साथ एक पोस्ट-प्रोसेसिंग लेयर के रूप में इसकी अनुकूलता को रेखांकित करता है।