🔢 mathematics

Quantum-classical crossover in fault-tolerant quantum dynamics simulation

यह शोध पत्र एक स्केलेबल फॉल्ट-टोलरेंट ढांचे को पेश करके मेनी-बॉडी डायनेमिक्स के अनुकरण के लिए एक ठोस क्वांटम-क्लासिकल क्रॉसओवर स्थापित करता है, जो यथार्थवादी त्रुटि दरों के तहत, मिश्रित-क्षेत्र इसिंग मॉडल्स (mixed-field Ising models) के लिए रनटाइम और संसाधन दक्षता दोनों में अत्याधुनिक शास्त्रीय एल्गोरिदम से बेहतर प्रदर्शन करता है।

मूल लेखक: Jinzhao Sun, Bozhen Zhou, Jue Xu, Yuan Yao, Zhenyu Du, Zixu Zhang, Yuntian Gu, Junxiang Huang, Shuo Zhou, Ziruo Wang, Alexander Yosifov, Wenzheng Dong, Yiming Huang, Daniel Serrano, Xinzhao Wang, Tian

प्रकाशित 2026-07-20

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Jinzhao Sun, Bozhen Zhou, Jue Xu, Yuan Yao, Zhenyu Du, Zixu Zhang, Yuntian Gu, Junxiang Huang, Shuo Zhou, Ziruo Wang, Alexander Yosifov, Wenzheng Dong, Yiming Huang, Daniel Serrano, Xinzhao Wang, Tianfeng Feng, Shreyas Sadugol, Wenjun Yu, Zhou You, Dayue Qin, Xiao-Ming Zhang, Yantao Wu, Aditya Iyer, You Zhou, Tongyang Li, Ying Li, Xiongfeng Ma, Qi Zhao, Pei Zeng, Pan Zhang, Xiao Yuan

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 मौसम की भविष्यवाणी करने की कोशिश कर रहे हैं। आपके पास वायुमंडल का एक अत्यंत विस्तृत मानचित्र है, लेकिन हवा लगातार घूम रही है, मिल रही है और नए पैटर्न बना रही है। भविष्य का पूर्वानुमान लगाने के लिए, आपको यह गणना करने की आवश्यकता है कि हवा की हर एक बूंद कैसे चलती है और अपने पड़ोसियों के साथ कैसे परस्पर क्रिया करती है। भौतिकी की दुनिया में, इसे "डायनेमिक्स का अनुकरण करना" (simulating dynamics) कहा जाता है। वैज्ञानिक इलेक्ट्रॉन और परमाणुओं जैसे सूक्ष्म कणों के लिए ऐसा करने की कोशिश कर रहे हैं, लेकिन इसमें एक पेच है: जब ये कण आपस में क्रिया करते हैं, तो वे "एंटैंगल्ड" (entangled) हो जाते हैं, जो एक रहस्यमयी संबंध है जहाँ एक की स्थिति दूसरे को तुरंत प्रभावित करती है, चाहे वे एक-दूसरे से कितनी भी दूर क्यों न हों। जैसे-जैसे समय बीतता है, यह एंटैंगलमेंट एक तेजी से फैलते गुब्बारे की तरह बढ़ता जाता है।

द दशकों से, हमने इसे अपने सर्वश्रेष्ठ सुपरकंप्यूटरों पर सिम्युलेट करने की कोशिश की है। लेकिन समस्या यह है: जैसे-जैसे एंटैंगलमेंट का गुब्बारा बड़ा होता जाता है, इसे ट्रैक करने के लिए आवश्यक कंप्यूटर मेमोरी विस्फोट की तरह बढ़ती जाती है। यह एक केक की रेसिपी लिखने जैसा है, लेकिन हर बार जब आप एक सामग्री जोड़ते हैं, तो रेसिपी का आकार दोगुना हो जाता है। जल्द ही रेसिपी इतनी लंबी हो जाती है कि ब्रह्मांड का कोई भी कंप्यूटर उसे संभाल नहीं सकता। यही कारण है कि हमें क्वांटम कंप्यूटर की आवश्यकता है। रेसिपी लिखने के बजाय, क्वांटम कंप्यूटर स्वयं वह 'केक' है; यह स्वाभाविक रूप से सिस्टम को विकसित करने के लिए प्रकृति के उन्हीं अजीब नियमों का उपयोग करता है। लेकिन ऐसी क्वांटम मशीन बनाना जो गलतियाँ न करे, अत्यंत कठिन है। मुख्य सवाल जो वैज्ञानिक पूछ रहे थे, वह था: "एक क्वांटम कंप्यूटर इस कार्य में सर्वश्रेष्ठ क्लासिकल सुपरकंप्यूटर को अंततः कब मात देगा?" यह एक अनाड़ी, त्रुटिपूर्ण क्वांटम मशीन और एक शक्तिशाली, लेकिन अंततः अभिभूत होने वाले क्लासिकल कंप्यूटर के बीच की दौड़ है।

यह शोध पत्र, जिसका शीर्षक "क्वांटम-क्लासिकल क्रॉसओवर इन फॉल्ट-टोलरेंट क्वांटम डायनेमिक्स सिमुलेशन" है, उस दौड़ की फिनिश लाइन है। दुनिया भर के विश्वविद्यालयों के शोधकर्ताओं की एक विशाल टीम ने न केवल अनुमान लगाया; उन्होंने उस सटीक क्षण को खोजने के लिए एक विस्तृत ब्लूप्रिंट बनाया जहाँ क्वांटम कंप्यूटर जीतता है। उन्होंने एक विशिष्ट, जटिल भौतिक समस्या पर ध्यान केंद्रित किया जिसे "मिक्सड-फील्ड आइसिंग मॉडल" (mixed-field Ising model) कहा जाता है, जो छोटे चुंबकों के एक ग्रिड की तरह है जिन्हें चुंबकीय क्षेत्रों द्वारा अलग-अलग दिशाओं में खींचा जा रहा है। यह प्रणाली अराजक (chaotic) और अनुमान लगाने में कठिन है, जो इसे एक आदर्श टेस्ट ट्रैक बनाती है।

टीम ने भविष्य के एक "फॉल्ट-टोलरेंट" क्वांटम कंप्यूटर पर इन सिमुलेशन को चलाने का एक नया, स्मार्ट तरीका बनाया—एक ऐसा कंप्यूटर जो अपनी गलतियों को खुद ठीक कर सके। उन्होंने परिणामों को पढ़ने के एक चतुर एल्गोरिदम को एक विशेष विधि के साथ जोड़ा जो उन आवश्यक गणितीय क्रियाओं (रोटेशन) को करने के काम आती है जो आमतौर पर सबसे महंगी और त्रुटिपूर्ण होती हैं। गणना की गहराई और परिणाम प्राप्त करने के प्रयासों की संख्या के बीच सावधानीपूर्वक संतुलन बनाकर, उन्होंने एक "क्रॉसओवर पॉइंट" खोज निकाला।

रोमांचक हिस्सा यह है: उन्होंने पाया कि चुंबकों की एक एक-आयामी श्रृंखला (one-dimensional chain) के 100 चुंबकों के लिए, एक क्लासिकल सुपरकंप्यूटर जो वर्तमान सर्वोत्तम विधियों (जैसे टेंसर नेटवर्क) का उपयोग करता है, उसे एक सटीक उत्तर प्राप्त करने में लगभग 100 वर्ष लगेंगे। इसके विपरीत, उनका प्रस्तावित फॉल्ट-टोलरेंट क्वांटम कंप्यूटर उसी काम को लगभग 2 घंटे और 3.7 × 10⁵ फिजिकल क्वबिट्स में कर सकता है (यदि त्रुटि दर $p = 10^{-3}$ है)। यदि हार्डवेयर और बेहतर होता है (त्रुटि दर $p = 10^{-4}$ ), तो क्वांटम कंप्यूटर केवल 3.1 × 10⁴ फिजिकल क्वबिट्स का उपयोग करके कुछ ही मिनटों में यह काम पूरा कर सकता है।

दो-आयामी ग्रिडों (जैसे चेकरबोर्ड) के लिए, क्लासिकल कंप्यूटर और भी तेजी से फंस जाता है क्योंकि एंटैंगलमेंट इतनी बेतहाशा बढ़ती है कि वह एक उचित त्रुटि दर के साथ सिमुलेशन को पूरा भी नहीं कर पाता। हालाँकि, क्वांटम कंप्यूटर इन बड़े सिस्टमों के लिए केवल सेकंड से मिनटों का रनटाइम प्रदर्शित करता है।

यह शोध पत्र स्पष्ट रूप से इस विचार के विरुद्ध तर्क देता है कि हमें पूर्ण, त्रुटि-मुक्त मशीनों की प्रतीक्षा करने की आवश्यकता है या क्लासिकल कंप्यूटर हमेशा तक मुकाबला कर सकते हैं। वे दिखाते हैं कि यथार्थवादी, अपूर्ण हार्डवेयर के साथ भी, क्वांटेंट एडवांटेज (quantum advantage) मध्यम आकार के सिस्टम (लगभग 100 कणों) के लिए पहले से ही पहुंच के भीतर है। उन्होंने पुराने, अधिक महंगे तरीकों (जैसे "मैजिक स्टेट डिस्टिलेशन") का भी खंडन किया, यह दिखाते हुए कि उनकी नई, अधिक कुशल विधि ही वास्तव में इस क्रॉसओवर को संभव बनाती है।

संक्षेप में, यह केवल एक सैद्धांतिक "शायद" नहीं है। कठोर सिमुलेशन और संसाधन अनुमानों के माध्यम से, लेखकों ने एक स्पष्ट मानचित्र खींचा है कि जटिल, अराजक भौतिकी के अनुकरण के लिए, क्वांटम कंप्यूटर जीत की रेखा पार करने वाला है और क्लासिकल सुपरकंप्यूटर को पीछे छोड़ देगा। उन्होंने सटीक इंजीनियरिंग लक्ष्य प्रदान किए हैं—अगली पीढ़ी के क्वांटम हार्डवेयर को यह विजय प्राप्त करने के लिए कितने क्वबिट्स और कितनी कम त्रुटि दरों की आवश्यकता है।

तकनीकी सारांश: फॉल्ट-टोलरेंट क्वांटम डायनेमिक्स सिमुलेशन में क्वांटम-क्लासिकल क्रॉसओवर

समस्या विवरण

यद्यपि क्वांटम कंप्यूटर क्लासिकली कठिन समस्याओं को हल करने का वादा करते हैं, लेकिन एक निश्चित "क्वांटम-क्लासिकल क्रॉसओवर" की पहचान करना—वह विशिष्ट बिंदु जहाँ फॉल्ट-टोलरेंट क्वांटम कंप्यूटेशन व्यावहारिक अनुप्रयोगों के लिए सर्वोत्तम क्लासिकल एल्गोरिदम से बेहतर प्रदर्शन करता है—एक अनसुलझी चुनौती बनी हुई है। नॉइजी इंटरमीडिएट-स्केल क्वांटम (NISQ) उपकरणों में क्वांटम लाभ के पिछले दावों को बेहतर क्लासिकल एल्गोरिदम द्वारा बार-बार चुनौती दी गई है, क्योंकि नॉइजी उपकरणों को अक्सर क्लासिकल संसाधनों का उपयोग करके कुशलतापूर्वक सिम्युलेट किया जा सकता है। केंद्रीय प्रश्न अब यह नहीं रह गया है कि क्या क्वांटम कंप्यूटर सिद्धांत रूप में क्लासिकल एल्गोरिदम से बेहतर प्रदर्शन कर सकते हैं, बल्कि यह है कि वे वास्तविक हार्डवेयर एरर रेट के तहत वास्तव में कब बेहतर प्रदर्शन करेंगे।

विशेष रूप से, क्वांटम मेनी-बॉडी डायनेमिक्स (हैमिल्टोनियन सिमुलेशन) का अनुकरण करना क्वांटम लाभ प्रदर्शित करने के लिए एक प्रमुख उम्मीदवार है, क्योंकि टाइम इवोल्यूशन के दौरान एंटैंगलमेंट का तीव्र विकास होता है, जो क्लासिकल टेंसर नेटवर्क (TN) विधियों को एक्सपोनेंशियल रूप से स्केल करने पर मजबूर करता है। हालाँकि, मौजूदा फॉल्ट-टोलरेंट कार्यान्वयन एक ट्रेड-ऑफ का सामना करते हैं:

Clifford+T स्कीम्स (मैजिक-स्टेट डिस्टिलेशन पर आधारित) अक्सर अत्यधिक क्वबिट ओवरहेड्स का कारण बनती हैं।
Clifford+φ स्कीम्स (स्पेस-टाइम कुशल एनालॉग रोटेशन्स पर आधारित) T-गेट कंपाइलेशन से बचती हैं लेकिन अवशिष्ट लॉजिकल एरर्स से ग्रस्त होती हैं जो एक्सपोनेंशियल रूप से संचित होते हैं, जिससे बड़े सिस्टम साइज या लंबे समय के पैमाने तक स्केलेबिलिटी सीमित हो जाती है।

यह शोध एक फुल-स्टैक रिसोर्स एनालिसिस की आवश्यकता को संबोधित करता है जो एल्गोरिथमिक परफॉरमेंस बाउंड्स को वास्तविक फॉल्ट-टोलरेंट इम्प्लीमेंटेशन कॉस्ट के साथ जोड़ता है ताकि एक ठोस क्रॉसओवर पॉइंट की पहचान की जा सके।

कार्यप्रणाली (Methodology)

लेखक 1D और 2D में मिक्सड-फील्ड आइज़िंग मॉडल (एक पैराडिग्मैटिक नॉन-इंटीग्रेबल सिस्टम) के सिमुलेशन के लिए एक फुल-स्टैक फ्रेमवर्क प्रस्तुत करते हैं। यह कार्यप्रणाली तीन प्रमुख परतों को एकीकृत करती है:

1. एल्गोरिथमिक लेयर: गॉसियन-सैंपलड चेबिशेव एम्प्लीट्यूड एस्टिमेशन (GCAE)

एक एडिटिव एरर $\epsilon$ के भीतर ऑब्जर्वेबल एक्सपेक्टेशंस $\langle \psi(t) | O | \psi(t) \rangle$ का अनुमान लगाने के लिए, लेखक GCAE एल्गोरिदम पेश करते हैं।

तंत्र: पूर्ववर्ती कार्य के सर्किट स्ट्रक्चर पर निर्मित, GCAE स्टैंडर्ड क्वांटम लिमिट (सैंपलिंग कॉम्प्लेक्सिटी $O(\epsilon^{-2})$ ) को पार करने और हाइजेनबर्ग लिमिट ( $O(\epsilon^{-1})$ ) के करीब पहुँचने के लिए एम्प्लीट्यूड एस्टिमेशन का उपयोग करता है।
ऑप्टिमाइज़ेशन: यह अधिकतम कोहेरेंट सर्किट डेप्थ और सैंपलिंग ओवरहेड के बीच संतुलन बनाता है। एक ट्रंकेटेड डिस्क्रीट गॉसियन डिस्ट्रीब्यूशन से क्वेरी नंबर $m$ को सैंपल करके, एल्गोरिदम प्रति शॉट आवश्यक अधिकतम डेप्थ को कम करते हुए उच्च परिशुद्धता बनाए रखता है।
ट्रोटर एरर एनालिसिस: फ्रेमवर्क केवल वर्स्ट-केस ऑपरेटर-नॉर्म एस्टीमेट्स के बजाय एंटैंगलमेंट-इंफॉर्म्ड ट्रोटर एरर बाउंड्स का उपयोग करता है। यह दिए गए एक्यूरेसी के लिए आवश्यक ट्रोटर सेगमेंट्स की संख्या पर अधिक सटीक नियंत्रण देता है, जिससे सर्किट डेप्थ में काफी कमी आती है।

2. फॉल्ट-टोलरेंट लेयर: QEC और रोटेशन इंजेक्शन का को-डिज़ाइन

लेखक दो फॉल्ट-टोलरेंट आर्किटेक्चर का विश्लेषण करते हैं और कुल रनटाइम और क्वबिट काउंट को कम करने के लिए एक को-डिज़ाइन रणनीति प्रस्तावित करते हैं:

डायरेक्ट रोटेशन-स्टेट इंजेक्शन: रोटेशन्स को T-गेट्स (Clifford+T) में डीकंपोज करने के बजाय, फ्रेमवर्क सरफेस कोड द्वारा संरक्षित छोटे-एंगल रोटेशन स्टेट्स ( $|\theta\rangle$ ) के सीधे इंजेक्शन का उपयोग करता है।
रिपीट-अनटिल-सक्सेस (RUS): लॉजिकल Z-रोटेशन्स को RUS प्रोटोकॉल के माध्यम से लागू किया जाता है। यदि इंजेक्शन विफल होता है, तो कोण को दोगुना ( $2\theta, 4\theta, \dots$ ) किया जाता है और पुनः प्रयास किया जाता है। अपेक्षित राउंड्स की संख्या क्वबिट्स की संख्या के साथ लॉगरिदमिक रूप से स्केल करती है ( $O(\log n)$ )।
एरर सप्रेशन: एरर-स्ट्रक्चर-टेयर्ड रोटेशन-गेट डिजाइन्स (विशेष रूप से 1-FT गेट्स) का उपयोग करके, लॉजिकल एरर रेट को $O(|\theta|p^2)$ तक दबा दिया जाता है, जहाँ $p$ फिजिकल एरर रेट है। यह क्वाड्रेटिक सप्रेशन पारंपरिक दृष्टिकोणों के लीनियर $O(p)$ स्केलिंग से बेहतर है, जो $n=100$ स्पिन से अधिक के सिस्टम के लिए पूर्णतः फॉल्ट-टोलरेंट सिमुलेशन को सक्षम बनाता है।
को-डिज़ाइन: फ्रेमवर्क क्वांटम एरर करेक्शन (QEC) साइकिल्स और ऑब्जर्वेबल-एस्टिमेशन सैंपलिंग ओवरहेड को संयुक्त रूप से ऑप्टिमाइज़ करता है। यह एक ऐसे इष्टतम ऑपरेटिंग पॉइंट की पहचान करता है जहाँ सर्किट डेप्थ बढ़ाने (एल्गोरिथमिक एरर को कम करने के लिए) से संचित लॉजिकल एरर्स के कारण एरर-मिटिगेशन सैंपलिंग कॉस्ट में एक्सपोनेंशियल वृद्धि नहीं होती है।

3. क्लासिकल बेंचमार्किंग

क्वांटम रिसोर्स एस्टीमेट्स को स्टेट-ऑफ-द-आर्ट क्लासिकल मेथड्स के विरुद्ध बेंचमार्क किया गया है:

1D: विभिन्न बॉन्ड डायमेंशन ( $\chi$ ) के साथ मैट्रिक्स प्रोडक्ट स्टेट्स (MPS), फुल स्टेट-वेक्टर इवोल्यूशन (Krylov और Trotter मेथड्स), और जैस्ट्रो (Jastrow) एंसाट्ज़ के साथ टाइम-डिपेंडेंट वैरियेशनल मोंटे कार्लो (tVMC)।
2D: सिंपल-अपडेट और tVMC के साथ प्रोजेक्टेड एंटैंगल्ड पेयर स्टेट्स (PEPS), और फुल स्टेट-वेक्टर इवोल्यूशन।
मेट्रिक्स: क्लासिकल कॉस्ट को उन रिसोर्सेज द्वारा मापा गया है जो एक निर्धारित सिमुलेशन एरर (जैसे, $\epsilon = 0.01$ ) बनाए रखने के लिए आवश्यक हैं, जिसमें एंटैंगलमेंट बढ़ने के साथ बॉन्ड डायमेंशन या मेमोरी रिक्वायरमेंट्स का एक्सपोनेंशियल ग्रोथ शामिल है।

मुख्य परिणाम

क्वांटम-क्लासिकल क्रॉसओवर पॉइंट्स

अध्ययन उन ठोस क्रॉसओवर पॉइंट्स की पहचान करता है जहाँ फॉल्ट-टोलरेंट क्वांटम सिमुलेशन सर्वोत्तम क्लासिकल तरीकों की तुलना में अधिक कुशल हो जाता है:

1D मिक्सड-फील्ड आइज़िंग मॉडल:
- $p = 10^{-3}$ के फिजिकल एरर रेट के लिए, क्रॉसओवर लगभग $n \approx 18\text{--}22$ साइट्स पर होता है।
- $t = n/2$ तक विकसित 100-साइट 1D सिस्टम के लिए, फॉल्ट-टोलरेंट क्वांटम सिमुलेशन के लिए लगभग 2 घंटे और $3.7 \times 10^5$ फिजिकल क्वबिट्स की आवश्यकता होगी।
- इसके विपरीत, क्लासिकल MPS दृष्टिकोणों को $n=100$ के लिए समान सटीकता ( $\epsilon = 0.01$ ) प्राप्त करने के लिए लगभग 100 वर्ष की आवश्यकता होगी।
2D मिक्सड-फील्ड आइज़िंग मॉडल:
- 2D में तीव्र एंटैंगलमेंट ग्रोथ क्लासिकल इवोल्यूशन को $t = \sqrt{n}$ तक सीमित कर देती है।
- $n=30$ (लगभग $5 \times 6$ लैटिस) के लिए, क्वांटम सिमुलेशन में 57 सेकंड लगते हैं, जबकि क्लासिकल मेथड्स (PEPS/tVMC) घंटों लेते हैं और एरर को 0.1 से नीचे कम करने में विफल रहते हैं।
- $n=100$ के लिए, क्वांटम रनटाइम कुछ मिनटों में होने का अनुमान है।
- फुल स्टेट-वेक्टर मेथड्स के साथ क्रॉसओवर $n \approx 26$ पर होता है।

फिजिकल एरर रेट्स का प्रभाव

फिजिकल एरर रेट को $p = 10^{-3}$ $p = 1 0^{- 3}$ से घटाकर $p = 10^{-4}$ $p = 1 0^{- 4}$ करने से महत्वपूर्ण सुधार मिलते हैं:
- क्वबिट काउंट: एक ऑर्डर ऑफ मैग्नीट्यूड कम हो जाता है (1D $n=100$ के लिए $\sim 3.7 \times 10^5$ से $\sim 3.1 \times 10^4$ तक)।
- रनटाइम: 1D में घंटों से घटकर मिनटों में और 2D में सेकंडों में आ जाता है।
यह कमी रोटेशन-स्टेट इंजेक्शन विधि के $O(p^2)$ लॉजिकल एरर सप्रेशन के कारण है, जो एरर मिटिगेशन के लिए आवश्यक सैंपलिंग ओवरहेड को नाटकीय रूप से कम कर देती है।

रिसोर्स स्केलिंग

क्लासिकल स्केलिंग: क्लासिकल मेथड्स के लिए रनटाइम और मेमोरी सिस्टम साइज $n$ के साथ एक्सपोनेंशियल रूप से स्केल करती है (जैसे, मेथड और टारगेट एरर के आधार पर $e^{0.28n}$ से $e^{0.7n}$ तक)।
क्वांटम स्केलिंग: फॉल्ट-टोलरेंट क्वांटम रनटाइम पॉलीनोमियल रूप से $n$ के साथ स्केल करता है, जो RUS प्रोटोकॉल के लॉगरिदमिक ओवरहेड और सिस्टम साइज के साथ लीनियर ट्रोटर स्टेप्स द्वारा संचालित होता है।

महत्व और दावे

यह शोध वास्तविक हार्डवेयर स्थितियों के तहत क्वांटम मेनी-बॉडी डायनेमिक्स के लिए एक ठोस क्वांटम-क्लासिकल क्रॉसओवर स्थापित करने का दावा करता है। इसका महत्व इस प्रकार है:

NISQ से आगे बढ़ना: यह दर्शाता है कि व्यावहारिक क्वांटम लाभ न केवल नॉइजी रिजीम्स (जहाँ क्लासिकल सिमुलेशन संभव है) में, बल्कि विशिष्ट एरर रेट्स ( $p=10^{-3}$ से $10^{-4}$ ) के साथ शुरुआती फॉल्ट-टोलरेंट रिजीम में भी प्राप्त किया जा सकता है।
स्केलेबल फ्रेमवर्क: प्रस्तावित फ्रेमवर्क, GCAE के साथ डायरेक्ट रोटेशन-स्टेट इंजेक्शन को जोड़कर, अवशिष्ट लॉजिकल एरर्स को पर्याप्त रूप से दबाता है ताकि उन सिस्टम्स ( $n > 100$ ) का सिमुलेशन किया जा सके जो मौजूदा पार्शियली फॉल्ट-टोलरेंट डिजाइन्स के लिए दुर्गम हैं।
क्वांटिटेटिव इंजीनियरिंग टारगेट्स: परिणाम भविष्य के क्वांटम आर्किटेक्चर के लिए विशिष्ट, मात्रात्मक लक्ष्य प्रदान करते हैं:
- क्वबिट काउंट: 1D $n=100$ सिस्टम को सिम्युलेट करने के लिए $p=10^{-3}$ के लिए $\sim 3.7 \times 10^5$ और $p=10^{-4}$ के लिए $\sim 3.1 \times 10^4$ फिजिकल क्वबिट्स।
- रनटाइम: उन समस्याओं के लिए मिनटों से घंटों तक, जिन्हें हल करने में क्लासिकल सुपरकंप्यूटर दशकों ले सकते हैं।
मेथोडोलॉजिकल शिफ्ट: यह कार्य क्वांटम एरर करेक्शन को एल्गोरिथमिक प्रोटोकॉल (विशेष रूप से ऑब्जर्वेबल एस्टीमेशन) के साथ को-डिज़ाइन करने के महत्व को रेखांकित करता है, ताकि सर्किट डेप्थ और सैंपलिंग ओवरहेड के बीच के ट्रेड-ऑफ को ऑप्टिमाइज़ किया जा सके, न कि उन्हें अलग-अलग परतों के रूप में माना जाए।

लेखक निष्कर्ष निकालते हैं कि जबकि छोटे सिस्टम साइज के लिए क्लासिकल मेथड्स कुशल बने रहते हैं (फॉल्ट-टोलरेंट क्वांटम कंप्यूटेशन के बड़े कांस्टेंट ओवरहेड के कारण), क्लासिकल रिसोर्सेज के एक्सपोनेंशियल स्केलिंग बनाम क्वांटम रिसोर्सेज के पॉलीनोमियल स्केलिंग के कारण, मध्यम आकार के सिस्टम ( $n \sim 20\text{--}30$ ) और उससे आगे के लिए फॉल्ट-टोलरेंट क्वांटम सिमुलेशन एक बेहतर दृष्टिकोण बन जाता है।