⚛️ quantum physics

How Many Shots Does It Take? A Noise-Aware Quantum Resource Allocation Framework

यह शोध पत्र एक शोर-जागरूक (noise-aware) ढांचे का प्रस्ताव करता है जिसमें एक क्लोज्ड-फॉर्म एनालिटिकल मॉडल और एक इष्टतम शॉट आवंटन तकनीक शामिल है जो वर्तमान प्रथाओं की तुलना में क्वांटम एल्गोरिदम निष्पादन शॉट्स, ऊर्जा खपत और कुल त्रुटि को काफी कम करता है।

मूल लेखक: Prateek P. Kulkarni, Sumit K. Mandal

प्रकाशित 2026-07-28

📖 9 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Prateek P. Kulkarni, Sumit K. Mandal

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 बहुत ही शोर वाले कमरे में एक गुप्त संदेश भेजने की कोशिश कर रहे हैं। यदि आप केवल एक बार फुसफुसाते हैं, तो दूसरी ओर वाला व्यक्ति शायद "apple" सुन सकता है जबकि आपने वास्तव में "apricot" कहा था। यह सुनिश्चित करने के लिए कि उन्हें सही शब्द मिल गया है, आप संदेश को सौ बार चिल्ला सकते हैं। यदि 60 लोग "apple" सुनते हैं और 40 "apricot" सुनते हैं, तो आप सच्चाई का अनुमान लगा सकते हैं। क्वांटम कंप्यूटिंग की दुनिया में, इस "चिल्लाने" को एक शॉट (shot) लेना कहा जाता है। एक क्वांटम कंप्यूटर एक ऐसी मशीन है जो सूक्ष्म कणों के अजीब नियमों का उपयोग करके समस्याओं को हल करती है, लेकिन यह शोर के प्रति अविश्वसनीय रूप से संवेदनशील है—जैसे तूफान में एक फुसफुसाहट। इस कारण से, वैज्ञानिकों को एक ही गणना को बार-बार चलाना पड़ता है (कई शॉट लेना) ताकि एक विश्वसनीय उत्तर प्राप्त किया जा सके। समस्या यह है कि हर बार जब आप एक वास्तविक क्वांटम कंप्यूटर पर कोई गणना चलाते हैं, तो इसमें पैसा खर्च होता है, समय लगता है, और बहुत अधिक ऊर्जा लगती है। इसलिए, इन मशीनों का उपयोग करने वाले किसी भी व्यक्ति के लिए बड़ा सवाल यह है: "मैं निश्चित होने के लिए कि मैं सही हूँ, मुझे वास्तव में कितनी बार चिल्लाना चाहिए?" यदि आप बहुत कम चिल्लाते हैं, तो आपको कचरा मिलेगा। यदि आप बहुत अधिक चिल्लाते हैं, तो आप संसाधनों को बर्बाद करेंगे और काम पूरा करने से पहले ही समय या पैसा खत्म कर सकते हैं।

यह ठीक वही पहेली है जिसे प्रतीक पी. कुलकर्णी और सुमित के. मंडल ने अपने शोध पत्र, "How Many Shots Does It Take?" में सुलझाया है। उन्होंने महसूस किया कि वर्तमान में, लोग अंदाज़ा लगा रहे हैं कि कितने शॉट लेने चाहिए, और अक्सर सुरक्षित रहने के लिए बहुत अधिक चिल्ला देते हैं। लेखकों ने एक नया, गणित-आधारित "नुस्खा" बनाया है जो आपको बताता है कि एक विश्वसनीय परिणाम प्राप्त करने के लिए आपको कितनी बार क्वांटम गणना चलानी होगी, यह इस बात पर निर्भर करता है कि आपका विशिष्ट कंप्यूटर कितना शोर वाला है। इसे एक मौसम ऐप की तरह समझें जो केवल यह नहीं कहता कि "बारिश हो सकती है," बल्कि यह भी बताता है कि आर्द्रता और हवा की गति के आधार पर आपको वास्तव में कितने रेनकोट खरीदने की आवश्यकता है।

लेकिन यहाँ एक दूसरा मोड़ है। कभी-कभी, एक क्वांटम समस्या इतनी बड़ी होती है कि कंप्यूटर उसे एक बार में हल नहीं कर पाता। यह एक विशाल पियानो को एक संकीली सीढ़ी से ऊपर ले जाने की कोशिश करने जैसा है; आपको पियानो को टुकड़ों में तोड़ना होगा, उन्हें एक-एक करके ऊपर ले जाना होगा, और फिर उन्हें वापस जोड़ना होगा। लेखकों ने पाया कि केवल प्रत्येक टुकड़े को समान मात्रा में प्रयास (उतने ही शॉट) देना एक बुरा विचार है। कुछ टुकड़े भारी या अधिक फिसलन भरे (शोर वाले) हो सकते हैं। उनकी नई विधि यह पता लगाती है कि आपको अपना "चिल्लाने का बजट" कैसे विभाजित करना चाहिए ताकि फिसलन भरे टुकड़ों को अतिरिक्त ध्यान मिले, जबकि आसान टुकड़ों को बस पर्याप्त ध्यान मिले।

अपने प्रयोगों में, उन्होंने IBM के वास्तविक क्वांटम कंप्यूटरों पर इस विचार का परीक्षण किया। उन्होंने पाया कि उनके नए फॉर्मूले का उपयोग करके, वे वर्तमान प्रथाओं की तुलना में आवश्यक शॉट्स की संख्या को लगभग 58% तक कम कर सकते हैं। यह केवल एक छोटी बचत नहीं है; इसका मतलब है कि आप 62% कम ऊर्जा का उपयोग करते हैं। इसके अलावा, जब उन्होंने बड़े कार्यों को टुकड़ों में तोड़ा और अपनी स्मार्ट विभाजन रणनीति का उपयोग किया, तो उन्होंने पुराने तरीके की तुलना में अंतिम उत्तर में कुल त्रुटियों को 73% तक कम कर दिया (औसत कमी 63% थी)। उन्होंने केवल अनुमान नहीं लगाया; उन्होंने अपने एल्गोरिदम को वास्तविक हार्डवेयर पर चलाया और साबित किया कि उनका गणित वास्तविकता से मेल खाता है, जिसमें शॉट्स गिनने के लिए उनकी भविष्यवाणियां लगभग 98% सटीक और यह निर्धारित करने में कि गणना कितनी गहरी जा सकती है, 95% सटीक थीं।

शोर भरी फुसफुसाहट की कहानी

यह समझने के लिए कि यह क्यों मायने रखता है, आइए देखें कि क्वांटम कंप्यूटर कैसे काम करते हैं। आपके लैपटॉप के विपरीत, जो बिट्स का उपयोग करता है जो या तो 0 या 1 होते हैं, क्वांटम कंप्यूटर "क्यूबिट्स" (qubits) का उपयोग करते हैं जो एक ही समय में दोनों का मिश्रण हो सकते हैं। यह उन्हें सुपर पावरफुल बनाता है, लेकिन साथ ही बेहद नाजुक भी। जैसे ही वे बाहरी दुनिया के साथ संपर्क करते हैं, वे "शोरي" (noisy) हो जाते हैं और अपनी विशेष अवस्था खो देते हैं। इसे ठीक करने के लिए, वैज्ञानिक एक ही प्रोग्राम को बार-बार चलाते हैं। प्रत्येक रन एक "शॉट" है।

कल्पना कीजिए कि आप लोगों के एक समूह की औसत ऊंचाई का अनुमान लगाने की कोशिश कर रहे हैं, लेकिन आप उन्हें केवल एक धुंधली खिड़की के माध्यम से देख सकते हैं। यदि आप एक बार देखते हैं, तो आपको लग सकता है कि वे सभी दैत्य हैं। यदि आप दस बार देखते हैं, तो आपको बेहतर विचार मिल सकता है। यदि आप हज़ार बार देखते हैं, तो आप औसत ऊंचाई को बहुत सटीकता से जान लेंगे। लेकिन हज़ार बार देखना लंबा समय लेता है और आपकी आँखों को थका देता है। लेखकों ने पूछा: "मुझे 95% निश्चित होने के लिए न्यूनतम कितनी बार देखने की आवश्यकता है?"

उन्होंने पाया कि उत्तर दो चीजों पर निर्भर करता है: आपकी आँखें कितनी अच्छी हैं (कंप्यूटर की गुणवत्ता) और धुंध कितनी घनी है (शोर)। उन्होंने एक क्लोज्ड-फॉर्म समीकरण लिखा—एक एकल, साफ गणितीय सूत्र—जो कंप्यूटर के स्पेसिफिकेशन (जैसे कि एक क्यूबिट कितनी देर तक रहता है, जिसे $T_1$ और $T_2$ के रूप में जाना जाता है) को लेता है और आपको आवश्यक शॉट्स की सटीक संख्या बताता है। इससे पहले, लोग अक्सर सुरक्षित रहने के लिए एक यादृच्छिक उच्च संख्या चुन लेते थे, जो कि एक संदेश को 1,000 बार चिल्लाने जैसा था जबकि 400 बार ही पर्याप्त होता।

टूटे हुए पियानो की पहेली

अब, कल्पना कीजिए कि आपके पास एक क्वांटम समस्या है जो कंप्यूटर के लिए एक बार में संभालने के लिए बहुत बड़ी है। कंप्यूटर की एक "डेप्थ लिमिट" (गहराई की सीमा) होती है, जो एक अधिकतम चरणों की संख्या की तरह है जिसे वह लेने से पहले ले सकता है इससे पहले कि वह बहुत थक जाए और गलतियाँ करने लगे। यदि आपकी समस्या में 1,200 चरण हैं, लेकिन कंप्यूटर केवल 285 संभाल सकता है, तो आपको समस्या को छोटे टुकड़ों में तोड़ना होगा।

करने का पुराना तरीका यह था कि समस्या को टुकड़ों में काट दिया जाए और प्रत्येक टुकड़े को समान संख्या में शॉट दिए जाएं। लेखों ने तर्क दिया कि यह एक भारी, फिसलन भरे बॉक्स और एक हल्के, सूखे बॉक्स को पहाड़ी पर ले जाने के लिए समान सहायता देने जैसा है। भारी बॉक्स को अधिक सहायता की आवश्यकता है! क्वांटम दुनिया में, सर्किट के कुछ हिस्से दूसरों की तुलना में अधिक "शोर वाले" होते हैं। यदि आप शोर वाले हिस्सों को अतिरिक्त शॉट नहीं देते हैं, तो अंतिम उत्तर गलत होगा।

लेखकों ने "लैग्रेंज मल्टीप्लायर्स" (Lagrange multipliers) नामक एक गणितीय उपकरण का उपयोग करके एक नई रणनीति बनाई (इसे एक तराजू को संतुलित करने वाले सुपर-स्मार्ट कैलकुलेटर के रूप में सोचें)। उन्होंने पता लगाया कि आपको उन सर्किट के हिस्सों को अधिक शॉट देने चाहिए जो अधिक शोर वाले हैं और शांत हिस्सों को कम शॉट देने चाहिए। उन्होंने सिद्ध किया कि यह विधि कुल त्रुटि को कम करती है।

उन्होंने क्या पाया

जब लेखकों ने वास्तविक IBM क्वांटम कंप्यूटरों (विशेष रूप से Marrakesh, Torino, और Fez मॉडलों) पर अपने विचारों का परीक्षण किया, तो परिणाम प्रभावशाली थे।

शॉट काउंट: उनके फॉर्मूले ने लगभग 98.2% सटीकता के साथ आवश्यक शॉट्स की भविष्यवाणी की। उदाहरण के लिए, जब उन्होंने क्वांटम फूरियर ट्रांसफॉर्म (QFT) एल्गोरिदम का परीक्षण किया, तो उनकी भविष्यवाणी केवल लगभग 1.87% गलत थी। इसका मतलब है कि वे बिना समय बर्बाद किए आपको बता सकते हैं कि अपने कोड को कितनी बार चलाना है।
ऊर्जा की बचत: क्योंकि उन्होंने आवश्यक शॉट्स की संख्या को औसतन 58% कम कर दिया, इसलिए उन्होंने ऊर्जा की खपत को भी कम कर दिया। अपने परीक्षणों में, उन्होंने 1,000 शॉट्स प्रति यूनिट ऊर्जा में 62% तक की बचत की। यह एक ऐसी कार चलाने जैसा है जो अचानक 60% बेहतर माइलेज देने लगे।
त्रुटि में कमी: जब उन्होंने बड़े कार्यों को टुकड़ों में तोड़ा और अपनी स्मार्ट आवंटन रणनीति का उपयोग किया, तो उन्होंने मानक "समान विभाजन" पद्धति की तुलना में कुल त्रुटि को औसतन 63% कम कर दिया। सबसे अच्छे मामलों में, त्रुटि में कमी 73% तक पहुँच गई।

उन्होंने यह भी जांचा कि एक सर्किट कितना गहरा जा सकता है इससे पहले कि वह बहुत शोर वाला हो जाए। उनके गणित ने इस "अधिकतम गहराई" की लगभग 95% सटीकता के साथ भविष्यवाणी की। यह वैज्ञानिकों को यह जानने में मदद करता है कि कोडिंग शुरू करने से पहले ही वे किसी विशिष्ट मशीन पर कितनी बड़ी समस्या हल कर सकते हैं।

यह चीज़ों को कैसे बदलता है

यह शोध पत्र केवल एक नया सिद्धांत नहीं देता है; यह क्वांटम कंप्यूटिंग के वर्तमान युग के लिए एक व्यावहारिक उपकरण प्रदान करता है, जिसे अक्सर "नॉइज़ी इंटरमीडिएट-स्केल क्वांटम" (NISQ) युग कहा जाता है। अभी, क्वांटम कंप्यूटर महंगे हैं और कठिन पहुंच में हैं। हर बार जब कोई शोधकर्ता कोई कार्य चलाता है, तो वह पैसा और समय खर्च कर रहा होता है। इस "नॉइज़-अवेयर" फ्रेमवर्क का उपयोग करके, शोधकर्ता अनुमान लगाना बंद कर सकते हैं और गणना करना शुरू कर सकते हैं। वे अपने एल्गोरिदम को कम शॉट्स के साथ चला सकते हैं, ऊर्जा बचा सकते हैं और अधिक सटीक परिणाम प्राप्त कर सकते हैं।

लेखकों ने दिखाया कि शोर को समझकर और संसाधनों को बुद्धिमानी से वितरित करके, हम आज भी क्वांटम कंप्यूटरों को बहुत अधिक उपयोगी बना सकते हैं, यहाँ तक कि भविष्य की पूर्ण, त्रुटि-मुक्त मशीनों के आने से पहले भी। यह एक अनुस्मारक है कि कभी-कभी, आगे बढ़ने का सबसे अच्छा तरीका एक बड़ी मशीन बनाना नहीं है, बल्कि हमारे पास जो है उसका अधिक समझदारी से उपयोग करना है।

तकनीकी सारांश: एक शोर-जागरूक क्वांटम संसाधन आवंटन ढांचा (A Noise-Aware Quantum Resource Allocation Framework)

समस्या विवरण

निकट-अवधि के क्वांटम कंप्यूटरों पर क्वांटम एल्गोरिदम का व्यावहारिक निष्पादन हार्डवेयर शोर (hardware noise), सीमित गेट फिडेलिटी (gate fidelities), और विश्वसनीय सांख्यिकीय परिणाम प्राप्त करने के लिए बार-बार सर्किट निष्पादन (shots) की आवश्यकता से गंभीर रूप से बाधित है। वर्तमान दृष्टिकोण दो प्राथमिक अक्षमताओं का सामना करते हैं:

शॉट अनुमान (Shot Estimation): शोधकर्ता अक्सर आदर्श शोर मॉडल के साथ शास्त्रीय सिमुलेशन या वास्तविक हार्डवेयर पर अनुभवजन्य परीक्षण-और-त्रुटि (trial-and-error) पर निर्भर रहते हैं, जिससे या तो अविश्वसनीय भविष्यवाणियां होती हैं या अत्यधिक शॉट गणनाओं की आवश्यकता होती है जो कंप्यूटिंग संसाधनों और ऊर्जा को बर्बाद करती है।
संसाधन आवंटन (Resource Allocation): जब गहरे सर्किट हार्डवेयर डेप्थ सीमाओं को पार कर जाते हैं, तो उन्हें छोटे उप-सर्किटों में विभाजित करना पड़ता है। पारंपरिक रणनीतियां आमतौर पर कुल शॉट बजट को इन विभाजनों के बीच समान रूप से वितरित करती हैं। यह "समान आवंटन" विशिष्ट शोर विचरण (noise variances), सर्किट गहराई और प्रत्येक उप-सर्किट के लिए क्वबिट संसाधनों की अनदेखी करता है, जिससे उप-इष्टतम त्रुटि संचय (error accumulation) और उच्च कुल अनुमान त्रुटियां होती हैं।

मुख्य चुनौती यह निर्धारित करना है कि लक्षित सफलता प्रायिकता के लिए आवश्यक शॉट्स की सटीक संख्या क्या है और कुल त्रुटि को कम करने के लिए, विशिष्ट हार्डवेयर शोर मापदंडों को ध्यान में रखते हुए, सर्किट विभाजनों के बीच एक निश्चित शॉट बजट को इष्टतम रूप से कैसे वितरित किया जाए।

कार्यप्रणाली (Methodology)

लेखक एक एकीकृत, शोर-जागरूक ढांचे का प्रस्ताव करते हैं जिसमें तीन विश्लेणात्मक चरण शामिल हैं, जैसा कि पेपर के चित्र 2 में दर्शाया गया है:

1. क्लोज्ड-फॉर्म शॉट अनुमान (Closed-Form Shot Estimation)

ढांचा एक लक्षित सफलता प्रायिकता ( $P(s)$ ) प्राप्त करने के लिए आवश्यक शॉट्स ( $s$ ) की इष्टतम संख्या की गणना करने के लिए एक क्लोज्ड-फॉर्म विश्लेणात्मक अभिव्यक्ति (समीकरण 6) व्युत्पन्न करता है।

मॉडलिंग: शॉट्स की सफलता को अधिकतम फिडेलिटी ( $F_{max}$ ) के साथ एक बरनौली रैंडम वेरिएबल (Bernoulli random variable) का उपयोग करके मॉडल किया गया है। कुल सफलता प्रायिकता को बहुमत-मत मानदंड (majority-vote criterion) ( $P(S_n \geq s/2)$ ) के माध्यम से परिभाषित किया गया है।
शोर एकीकरण: मॉडल हार्डवेयर शोर मापदंडों को शामिल करता है, जिसमें डिकोहेरेंस समय ( $T_1, T_2$ ), गेट त्रुटि प्रायिकता ( $p_g$ ), और सर्किट निष्पादन समय ( $t_{circ}$ ) शामिल हैं। ये कारक भौतिक कोहेरेंस मॉडल से प्राप्त शोर विचरण पद ( $\sigma^2_{noise}$ ) में योगदान देते हैं (समीकरण 7)।
परिणाम: इन्वर्स एरर फंक्शन का उपयोग करके $s$ के लिए समाधान निकालकर, यह ढांचा विश्वसनीयता के लिए आवश्यक शॉट गणना निर्धारित करने के लिए एक सटीक सूत्र प्रदान करता है, जिससे ह्यूरिस्टिक ओवर-सैंपलिंग (heuristic over-sampling) की आवश्यकता समाप्त हो जाती है।

2. अधिकतम गहराई और विभाजन (Maximum Depth and Partitioning)

व्युत्पन्न शॉट-शोर संबंध का उपयोग करते हुए, ढांचा यह गणना करता है कि एक विशिष्ट क्वांटम डिवाइस लक्षित विश्वसनीयता बनाए रखते हुए कितनी अधिकतम निष्पादन योग्य सर्किट गहराई ( $d_{max}$ ) का समर्थन कर सकता है (समीकरण 9)।

विभाजन तर्क: यदि किसी एल्गोरिदम की मूल गहराई ( $d_{original}$ ), $d_{max}$ से अधिक है, तो ढांचा आवश्यक विभाजनों की न्यूनतम संख्या ( $m$ ) की गणना करता है (समीकरण 10)। यह सुनिश्चित करता है कि प्रत्येक उप-सर्किट हार्डवेयर की फिडेलिटी सीमाओं के भीतर संचालित हो।
प्रतिबंध: व्युत्पत्ति यह मानती है कि विभाजन यथासंभव संतुलित हैं, जो पिजनहोल सिद्धांत (pigeonhole principle) का पालन करते हैं जहाँ अधिकतम विभाजन गहराई $d_{original}/m$ से कम नहीं होनी चाहिए।

3. इष्टतम शॉट आवंटन (Optimal Shot Allocation)

एक निश्चित कुल शॉट बजट ( $S$ ) और $m$ विभाजनों को देखते हुए, ढांचा कुल वर्ग अनुमान त्रुटि ( $E = \sum \sigma^2_i / s_i$ ) को कम करने के लिए शॉट्स ( $s_i$ ) को विभाजनों के बीच वितरित करने के लिए एक अनुकूलन समस्या को तैयार करता है।

अनुकूलन (Optimization): लैग्रेंज मल्टीप्लायर्स (Lagrange multipliers) का उपयोग करके, लेखक एक सटीक आवंटन सूत्र (समीकरण 12) व्युत्पन्न करते हैं।
रणनीति: इष्टतम रणनीति प्रत्येक विभाजन के शोर विचरण ( $\sigma_i$ ) के आनुपातिक रूप से शॉट्स आवंटित करती है। उच्च शोर वाले विभाजन (गहराई, क्वबिट संख्या, या हार्डवेयर खामियों के कारण) अधिक शॉट्स प्राप्त करते हैं, जबकि कम-शोर वाले विभाजन कम शॉट्स प्राप्त करते हैं। यह पारंपरिक समान आवंटन के विपरीत है, जो इन विचलनों की अनदेखी करता है।

मुख्य योगदान (Key Contributions)

विश्लेणात्मक शॉट अभिव्यक्ति: सफलता प्रायिकता से संबंधित एक क्लोज्ड-फॉर्म समीकरण, जो स्पष्ट रूप से हार्डवेयर शोर मापदंडों ( $T_1, T_2, p_g, F_{max}$ ) को शामिल करता है।
इष्टतम आवंटन रणनीति: सर्किट विभाजनों के बीच एक निश्चित शॉट बजट को वितरित करने के लिए एक सैद्धांतिक रूप से स्थापित तकनीक। यह विधि प्रत्येक विभाजन के शोर विचरण के आनुपातिक शॉट्स सौंपकर कुल त्रुटि को कम करती है।
एकीकृत ढांचा: एक व्यवस्थित वर्कफ़्लो जो शॉट अनुमान, गहराई गणना, विभाजन और संसाधन आवंटन को एकीकृत करता है, जो हार्डवेयर बाधाओं और एल्गोरिथम आवश्यकताओं के बीच के अंतर को पाटता है।

प्रयोगात्मक परिणाम (Experimental Results)

ढांचे का मूल्यांकन पांच क्वांटम एल्गोरिदम (QFT, QST, VQE, QAOA, Shor's) पर तीन IBM क्वांटम प्रोसेसरों (Marrakesh, Torino, Fez) पर किया गया।

मॉडल सटीकता:
- विश्लेणात्मक शॉट अनुमान (Eq. 6) ने IBM Marrakesh पर प्रयोगात्मक परिणामों के मुकाबले 98.2% की औसत सटीकता प्राप्त की।
- अधिकतम गहराई अनुमान (Eq. 9) ने 95% की औसत सटीकता प्राप्त की।
शॉट में कमी: वर्तमान प्रथाओं (रूढ़िवादी ओवर-सैंपलिंग) की तुलना में, प्रस्तावित तकनीक विश्वसनीय निष्पादन के लिए आवश्यक कुल शॉट्स की संख्या को लगभग 58% तक कम करती है।
त्रुटि में कमी: एक निश्चित शॉट बजट को वितरित करते समय, इष्टतम आवंटन रणनीति कुल अनुमान त्रुटि को पारंपरिक समान-शॉट आवंटन की तुलना में 73% तक (और स्वचालित सर्किट कटिंग के साथ संयोजन में औसतन 63%) कम करती है।
ऊर्जा दक्षता: शॉट्स की संख्या को कम करके, ढांचा ऊर्जा खपत को 62% तक (औसतन 59%) कम करता है, जिसमें क्रायोजेनिक कूलिंग सहित पूर्ण-स्टैक बिजली खपत शामिल है।

महत्व और दावे (Significance and Claims)

पेपर का दावा है कि यह पहला एकीकृत ढांचा प्रदान करता है जो सटीक क्लोज्ड-फॉर्म अभिव्यक्तियों को व्युत्पन्न करता है:

लक्षित विश्वसनीयता के लिए आवश्यक शॉट्स की इष्टतम संख्या के लिए।
मौलिक हार्डवेयर मापदंडों के आधार पर एक क्वांटम मशीन द्वारा समर्थित अधिकतम सर्किट गहराई के लिए।
निष्पादन त्रुटि को कम करने के लिए सर्किट विभाजनों के बीच एक शॉट बजट के इष्टतम वितरण के लिए।

लेखक इस बात पर जोर देते हैं कि यह कार्य ह्यूरिस्टिक या अनुकूली (adaptive) तरीकों से आगे बढ़कर एक सैद्धांतिक रूप से स्थापित शोर-जागरूक विश्लेणात्मक मॉडल प्रदान करता है। शॉट्स के "अपव्ययी ओवर-प्रोविजनिंग" की आवश्यकता को समाप्त करके और संसाधन वितरण को अनुकूलित करके, यह ढांचा जटिल क्वांटम एल्गोरिदम को वर्तमान Noisy Intermediate-Scale Quantum (NISQ) उपकरणों पर अधिक व्यावहारिक और आर्थिक रूप से व्यवहार्य बनाता है। परिणाम बताते हैं कि केवल मौजूदा संसाधनों के आवंटन को अनुकूलित करके, बिना किसी नए हार्डवेयर के, विश्वसनीयता और ऊर्जा दक्षता में महत्वपूर्ण सुधार किया जा सकता है।