⚛️ quantum physics

Reshaping quantum annealing landscapes with diagonal catalysts

यह शोध पत्र ऊर्जा और हैमिंग दूरी को जोड़ने के लिए एक गणितीय ढांचे को प्रस्तुत करता है ताकि फ्रस्ट्रेशन-फ्री उप-समस्याओं से ZZ-कैटालिस्ट्स का निर्माण किया जा सके, जो प्रभावी रूप से क्वांटम एनीलिंग लैंडस्केप को नया आकार देते हैं ताकि दूरस्थ स्थानीय मिनिमा में जनसंख्या ट्रैपिंग को रोका जा सके और समाधान खोजने की संभावना को महत्वपूर्ण रूप से बढ़ाया जा सके।

मूल लेखक: Andrés N. Cáliz, Carlos Ramon-Escandell, Finnley Paolella, Josep Bosch, Jan Nogué, Arnau Riera, Jordi Riu

प्रकाशित 2026-07-16

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Andrés N. Cáliz, Carlos Ramon-Escandell, Finnley Paolella, Josep Bosch, Jan Nogué, Arnau Riera, Jordi Riu

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, धुंधले पहाड़ी क्षेत्र में सबसे निचले बिंदु को खोजने की कोशिश कर रहे हैं। यह उस तरह की चुनौती है जिसे क्वांटम एनीलिंग (Quantum Annealing) हल करने की कोशिश करता है। इसे एक बेहद बुद्धिमान, बेहद तेज़ हाइकर के रूप में सोचें जो केवल ढलान से नीचे नहीं उतरता, बल्कि सबसे गहरी घाटी खोजने के लिए पहाड़ों के बीच से "टनल" (सुरंग) भी बना सकता है। यह हाइकर एक क्वांटम कंप्यूटर है, और ये "पहाड़" जटिल गणितीय समस्याएं हैं जहाँ आपको सबसे अच्छा परिणाम पाने के लिए विकल्पों के बेहतरीन संयोजन (जैसे स्विचों को चालू या बंद करना) को चुनना होता है।

समस्या यह है कि परिदृश्य (लैंडस्cape) बहुत पेचीदा है। कभी-कभी हाइकर एक छोटे से गड्ढे में फंस जाता है—एक "लोकल मिनिमम" (स्थानीय न्यूनतम)—जो दुनिया का सबसे निचला हिस्सा लगता है, लेकिन वास्तव में नहीं है। यह एक आरामदायक गुफा खोजने जैसा है जो यात्रा के अंत जैसा महसूस कराती है, जबकि असली इनाम तो मीलों दूर एक गहरी घाटी में है। बाहर निकलने के लिए, हाइकर को एक ऊँची कटक (रिज) पर चढ़ने की आवश्यकता होती है, जो बिना थके करना कठिन है। वैज्ञानिक ऐसे "कैटलिस्ट्स" (उत्प्रेरक) बनाने की कोशिश कर रहे हैं, जो जादुई औजारों की तरह हैं जो पहाड़ों को फिर से आकार देते हैं ताकि असली तल तक का रास्ता अधिक स्पष्ट और आसान हो सके। बड़ा सवाल यह था: क्या हम इन औजारों को बिना यह जाने बना सकते हैं कि असली तल कहाँ है?

यह शोध पत्र उन जादुई औजारों को बनाने का एक चतुर नया तरीका पेश करता है, जिसे डायगोनल कैटलिस्ट्स (diagonal catalysts) कहा जाता है, जो विशेष रूप से उस प्रकार के क्वांटम कंप्यूटर के लिए है जो चुंबकीय स्पिन (ऊपर या नीचे की ओर इशारा करने वाले छोटे तीर) का उपयोग करता है। लेखक, जो कि किलिमंजारो क्वांटम टेक और बार्सिलोना के विश्वविद्यालयों में कार्यरत हैं, ने यह पता लगाया है कि समस्या के नक्शे का उपयोग करके ही ऊर्जा के परिदृश्य को कैसे नया आकार दिया जाए, बिना पहले से समाधान जाने।

यहाँ उनका "जादू" कैसे काम करता है। कल्पना कीजिए कि पहाड़ी क्षेत्र परतों, या "शेल" (shells) से बना है, इस आधार पर कि आप वास्तविक तल से कितनी दूर हैं। एक सामान्य, अव्यवจัด समस्या में, तल से दूर का कोई स्थान गलती से ऐसा दिख सकता है जो वास्तव में करीब वाले स्थान से भी नीचा हो। यह क्वांटम हाइकर को भ्रमित कर देता है। लेखकों ने एक गणितीय नियम (एक "शेल-मोमेंट थ्योरम") बनाया है जो यह दिखाता है कि इन परतों को कैसे खींचना और सिकोड़ना है ताकि जैसे-जैसे आप समाधान के करीब पहुँचें, ऊर्जा कम होती दिखाई दे।

उन्होंने अपने कैटलिस्ट का निर्माण समस्या के स्विचों के बीच के संबंधों को देखकर किया। उन्होंने कनेक्शनों के नेटवर्क के माध्यम से काल्पनिक रास्तों का पीछा किया, जैसे कोई जासूस सुरागों के निशान का पीछा करता है। इन रास्तों का अनुसरण करके, वे समाधान के सामान्य "आकार" का अनुमान लगा सके। फिर उन्होंने इस अनुमान का उपयोग करके एक नया ऊर्जा परिदृश्य बनाया। यह नया परिदृश्य एक फनल (कीप) की तरह कार्य करता है: यह हाइकर को भ्रमित करने वाले सपाट क्षेत्रों से दूर धकेलता है और उन्हें मजबूती से वास्तविक समाधान की ओर खींचता है।

शोधकर्ताओं ने इस विचार का परीक्षण 20 स्विचों वाली 200 अलग-अलग रैंडम समस्याओं पर कंप्यूटर सिमुलेशन चलाकर किया। उन्होंने केवल अनुमान नहीं लगाया; उन्होंने अपने नए कैटलिस्ट के साथ और उसके बिना क्वांटम हाइकर को कोर्स से गुजारा। परिणाम काफी उत्साहजनक थे। जब उन्होंने कैटलिस्ट का उपयोग किया, तो हाइकर के सबसे अच्छे संभव परिणाम के बहुत करीब पहुँचने की संभावना बहुत बढ़ गई। उदाहरण के लिए, एक परीक्षण रन में, सबसे अच्छे संभव परिणाम के बहुत करीब पाए जाने की संभावना लगभग 6.7% से बढ़कर 32.4% हो गई। यह एक बहुत बड़ा सुधार है, जिसका अर्थ है कि कैटलिस्ट ने हाइकर को गलत गुफाओं में फंसने से बचने में मदद की।

जो बात इसे विशेष रूप से शानदार बनाती है वह यह है कि उन्हें टूल बनाने के लिए उत्तर जानने की आवश्यकता नहीं थी। उन्होंने केवल खेल के नियमों (स्विचों के बीच के कनेक्शन) को देखा और एक ऐसा मार्गदर्शक बनाया जो उनके द्वारा आजमाए गए लगभग सभी समस्याओं के लिए काम कर गया। उन्होंने यह भी पाया कि यह ट्रिक तब सबसे अच्छा काम करती है जब स्विचों के बीच के कनेक्शन विरल (sparse) होते हैं (जैसे कस्बों को जोड़ने वाली कुछ सड़कें) बजाय इसके कि हर कस्बा दूसरे से जुड़ा हो, हालांकि यह भीड़भाड़ वाले, पूरी तरह से जुड़े मामलों में भी मदद करता है।

यह पेपर यह दावा नहीं करता कि इसने सभी अनुकूलन (optimization) समस्याओं को हल कर लिया है या यह एक पूर्ण, अंतिम उत्पाद है। इसके बजाय, यह क्वांटम एनीलर्स को ट्यून करने का एक नया, व्यावहारिक तरीका सुझाता है। यह दिखाता है कि सरल, स्थानीय नियमों का उपयोग करके "पहाड़ों" को सावधानीपूर्वक नया आकार देकर, हम क्वांटम कंप्यूटरों को सबसे अच्छे उत्तर खोजने में बहुत बेहतर बना सकते हैं, भले ही वे लंबे समय तक न चल सकें। यह हमारे क्वांटम हाइकर्स को भविष्य के धुंधले पहाड़ों में नेविगेट करना सिखाने की दिशा में एक कदम है।

तकनीकी सारांश: विकर्ण उत्प्रेरकों (Diagonal Catalysts) के साथ क्वांटम एनीलिंग परिदृश्यों को नया आकार देना

समस्या विवरण
क्वांटम एनीलिंग (QA) एक अनुकूलन एल्गोरिदम है जिसे एक लागत हैमिल्टोनियन ( $H_P$ ) के ग्राउंड स्टेट (ground state) को खोजने के लिए डिज़ाइन किया गया है, जो एक क्वाड्रेटिक अनकन्स्ट्रेंड बाइनरी ऑप्टिमाइजेशन (QUBO) समस्या का प्रतिनिधित्व करता है। हालाँकि, QA का प्रदर्शन अक्सर इस कारण सीमित हो जाता है क्योंकि जनसंख्या उन स्थानीय मिनिमा (local minima) में फंस जाती है जो हैमिंग दूरी (Hamming distance) के संदर्भ में वैश्विक समाधान (global solution) से बहुत दूर होते हैं। यह समस्या उन कठिन उदाहरणों पर और अधिक बढ़ जाती है जहाँ ग्राउंड स्टेट और गतिशील रूप से सुलभ उत्तेजित अवस्थाओं (excited states) के बीच ऊर्जा अंतराल (energy gap) तेजी से छोटा होता जाता है। फलस्वरूप, सीमित-समय एनील (finite-time anneals) अक्सर डायबेटिकली (diabatically) कार्य करते हैं, जिससे उन अवस्थाओं के बीच 'अवॉइड क्रेसिंग्स' (avoided crossings) पर जनसंख्या का पुनर्वितरण होता है जो ऊर्जा परिदृश्य के भिन्न बेसिनों में स्थित होती हैं। एक महत्वपूर्ण चुनौती यह है कि कम-ऊर्जा वाली कॉन्फ़िगरेशन (configurations) आवश्यक रूप से समाधान के करीब वाली कॉन्फ़िगरेशन नहीं होती हैं; दूर स्थित कॉन्फ़िगरेशन पास वाली कॉन्फ़िगरेशन को "अंडरकट" (undercut) कर सकती हैं, जिससे प्रतिस्पर्धी बेसिनों के लिए कम-ऊर्जा वाले उम्मीदवार उपलब्ध हो जाते हैं।

कार्यप्रणाली और सैद्धांतिक ढांचा
लेखक एक गणितीय ढांचा प्रस्तुत करते हैं जो ऊर्जा और हैमिंग दूरी को जोड़ने वाले दो-बॉडी विक럴 उत्प्रेरकों (two-body diagonal catalysts) को डिजाइन करने के लिए है। ये उत्प्रेरक केवल समस्या की कपलिंग संरचना (चिह्न, परिमाण और ग्राफ टोपोलॉजी) से निर्मित होते हैं और इनके लिए समाधान के पूर्व ज्ञान की आवश्यकता नहीं होती है।

हैमिंग शेल विश्लेषण (Hamming Shell Analysis): लेखक "हैमिंग शेल्स" ( $S_{d, z^\star}$ ) को एक संदर्भ ग्राउंड स्टेट $z^\star$ से एक विशिष्ट हैमिंग दूरी $d$ पर स्थित कॉन्फ़िगरेशन के सेट के रूप में परिभाषित करते हैं। वे किसी भी फील्ड-फ्री टू-बॉडी आइसिंग ऑपरेटर के लिए इन शेल्स पर माध्य (mean) और विचरण (variance) के सटीक सूत्र व्युत्पन्न करते हैं।
- थ्योरम 1 यह स्थापित करता है कि एक शेल का माध्य ऊर्जा कॉम्बिनेटोरियल कारकों द्वारा निर्धारित एक परवलयिक वक्र (parabolic curve) का अनुसरण करता है, जबकि विचरण (शेल की चौड़ाई) विशिष्ट कपलिंग मैट्रिक्स पर निर्भर करती है।
- मूल समस्या में, शेल के माध्य सही क्रम में होते हैं, लेकिन व्यापक विचरण के कारण शेल ओवरलैप (overlap) होता है, जिससे दूर स्थित कॉन्फ़िगरेशनों की ऊर्जा पास वाली कॉन्फ़िगरेशनों से कम हो सकती है।
उत्प्रेरक डिजाइन ( $C$ ): लक्ष्य एक विक럴 उत्प्रेरक $C$ का निर्माण करना है जो भीतर के उतार-चढ़ाव के सापेक्ष शेल-माध्यों के बीच अलगाव को बढ़ाता है, जिससे प्रभावी रूप से एक "फनल" (funnel) बनाया जा सके।
- आदर्श उत्प्रेरक $-z^\star_i z^\star_j$ के समान होगा, लेकिन इसके लिए अज्ञात ग्राउंड स्टेट के ज्ञान की आवश्यकता होती है।
- ओपन-पाथ कंस्ट्रक्शन (Open-Path Construction): लेखक इंटरैक्शन ग्राफ पर सेल्फ-अवॉइडिंग पाथ्स (self-avoiding paths) का उपयोग करके ग्राउंड-स्टेट पैटर्न का अनुमान लगाने का प्रस्ताव देते हैं। कपलिंग संकेतों के आधार पर इन पथों के साथ स्पिन पैटर्न को प्रसारित करके ( $g(p)_{v_{a+1}} = -\text{sgn}(J_{v_a v_{a+1}}) g(p)_{v_a}$ ), वे स्थानीय रूप से संतोषजनक पैटर्न उत्पन्न करते हैं।
- उत्प्रेरक $C^{(m)}$ को सभी $m$ -एज सेल्फ-अवाइडिंग पाथ्स के योगदान को जोड़कर बनाया जाता है। प्रत्येक पथ आदर्श कपलिंग संरचना के भारित रैंक-वन अनुमान (weighted rank-one estimate) में योगदान देता है। अंतिम ऑपरेटर मूल कपलिंग्स के लंबवत (orthogonal) प्रोजेक्ट किया गया और सामान्यीकृत (normalized) है।
- यह निर्माण मूल समस्या की तुलना में एक सघन इंटरैक्शन ग्राफ बनाता है, जो उन कॉन्फ़िगरेशनों को दंडित करता है जो मजबूत बॉन्ड्स को फ्रस्ट्रेट करते हैं और उन कॉन्फ़िगरेशनों को सुदृढ़ करता है जो प्रसारित पैटर्न के अनुरूप होते हैं।

मुख्य परिणाम
लेखकों ने $n=20$ स्पिन और $[-1, 1]$ से लिए गए कपलिंग्स वाले 200 रैंडम 3-रेगुलर इंस्टेंस पर अपने तरीके का बेंचमार्किंग किया। सिमुलेशन स्वीप समय $T = 2, 6, 10$ पर किए गए थे।

ऊर्जा परिदृश्य का पुनर्गठन (Energy Landscape Reshaping): उत्प्रेरक सफलतापूर्वक स्थिर परिदृश्य को पुनर्गठित करता है, हैमिंग शेल्स के बीच ओवरलैप को कम करता है और ग्राउंड स्टेट की ओर ऊर्जा फनल को गहरा करता है।
संभाव्यता पुनर्वितरण (Probability Redistribution):
- ऊर्जा स्पेस: उत्प्रेरक मध्यवर्ती-ऊर्जा बैंड से ग्राउंड-स्टेट बैंड ( $E/E_{GS} \ge 0.95$ ) की ओर संभाव्यता द्रव्यमान (probability mass) को स्थानांतरित करता है। $T=6$ पर, मीडियन टॉप-बैंड मास 0.067 (अनकैटलाइज्ड) से बढ़कर 0.324 हो गया, जो +351% की मीडियन पेयर्ड गेन (paired gain) को दर्शाता है।
- हैमिंग स्पेस: वितरण ग्राउंड-स्टेट मैनिफोल्ड की ओर स्थानांतरित होता है। $T=6$ पर, हैमिंग दूरी $\delta \le 2$ पर संभाव्यता द्रव्यमान 0.10 से बढ़कर 0.35 (+239%) हो गया।
मजबूती और तुलना:
- लाभ विभिन्न ग्राफ कनेक्टिविटी (3-, 4-, और 5-रेगुलर ग्राफ) और पूर्णतः जुड़े हुए शेरिंगटन-केपिक मॉडल (Sherrington–Kirkler model) पर भी बने रहते हैं, हालांकि सुधार का परिमाण कनेक्टिविटी बढ़ने के साथ घटता है।
- "रिनफोर्स्ड-प्रॉब्लम" बेसलाइन ( $C = H_P$ ) की तुलना में ओपन-पाथ उत्प्रेरक काफी बेहतर प्रदर्शन करता है, जो यह दर्शाता है कि लाभ केवल समग्र ऊर्जा स्केल को बढ़ाने से नहीं, बल्कि कपलिंग्स के विशिष्ट संरचनात्मक पुनर्वितरण से आता है।
- पथ के क्रम ( $m$ ) और ग्राफ घनत्व के बीच एक ट्रेड-ऑफ है; मध्यम क्रम (जैसे, 3-रेगुलर ग्राफ के लिए $m=4$ ) स्थानीय संरचना को हल करने और वास्तविक ग्राउंड स्टेट ऑर्डरिंग के प्रति निष्ठा बनाए रखने के बीच सबसे अच्छा संतुलन प्रदान करते हैं।

महत्व और दावे
यह पेपर दावा करता है कि यह नेटिव लॉन्गिट्यूडिनल कंट्रोल्स (डायगोनल ऑपरेटर्स) का उपयोग करके निकट-अवधि हार्डवेयर (near-term hardware) पर क्वांटम एनीलिंग में सुधार करने के लिए एक व्यावहारिक विधि प्रदान करता है, जो दो-लोकल (two-local) हैं और जिन्हें नॉन-स्टोकास्टिक उत्प्रेरकों के लिए आवश्यक जटिल गैजेट्स की आवश्यकता नहीं होती है।

समाधान-अज्ञेय (Solution-Agnostic) डिजाइन: उत्प्रेरक समाधान के ज्ञान के बिना, केवल समस्या के कपलिंग मैट्रिक्स पर निर्भर करते हुए निर्मित किए जाते हैं।
डिजाइन के लिए स्थिर मानदंड: व्युत्पन्न शेल-मोमेंट थ्योरम डायनेमिक एनीलिंग सिमुलेशन चलाने से पहले उम्मीदवार उत्प्रेरकों को स्क्रीन करने के लिए स्थिर मानदंड (फनल डेप्थ और शेल ओवरलैप) प्रदान करता है।
हार्डवेयर संगतता: डायगोनल और दो-बॉडी होने के कारण, ये उत्प्रेरक ट्रांसवर्स-फील्ड संरचना को सुरक्षित रखते हैं और वर्तमान एनीलर की कनेक्टिविटी और कपलिंग-रेंज बाधाओं के अनुकूल होते हैं।
भविष्य की दिशाएं: लेखक सुझाव देते हैं कि इस ढांचे को डिजिटल सेटिंग्स (जैसे, QAOA में एक फेज सेपरेटर के रूप में), अनुकूलित डायबेटिक प्रोटोकॉल के साथ, या रिवर्स एनीलिंग पर लागू किया जा सकता है। वे यह भी नोट करते हैं कि सिस्टम साइज के साथ स्केलिंग को लक्षणित करना और फील्ड-इंक्लूसिव कॉस्ट फंक्शन्स के लिए इसे सामान्य बनाना एक खुला कार्य बना हुआ है।

तकनीकी सारांश: विकर्ण उत्प्रेरकों (Diagonal Catalysts) के साथ क्वांटम एनीलिंग परिदृश्यों को नया आकार देना

इसी तरह के और पेपर