Classically Augmented Zero-Noise Extrapolation
यह शोध पत्र क्लासिकली ऑगमेंटेड ज़ीरो-नॉइज़ एक्सट्रपलेशन का प्रस्ताव करता है, जो एक हाइब्रिड क्वांटम-क्लासिकल एरर मिटिगेशन तकनीक है जो उच्च-शोर वाले एक्सट्रपलेशन नोड्स को क्लासिकली सिम्युलेटेड अनुमानों से बदल देता है ताकि तब घातांकीय विचरण न्यूनीकरण (exponential variance reduction) और कम माध्य-वर्ग त्रुटि (mean-squared error) प्राप्त की जा सके जब सिमुलेशन बायस पर्याप्त रूप से कम हो।
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 कमरे में बज रही वायलिन की एक धीमी धुन को सुनने की कोशिश कर रहे हैं, जिसमें धीरे-धीरे शोर (स्टैटिक) बढ़ता जा रहा है। आप यह जानना चाहते हैं कि जब कमरा पूरी तरह से शांत था, तब वह वायलिन कैसा सुनाई दे रहा था। यह वही चुनौती है जिसका सामना क्वांटम कंप्यूटरों पर काम करने वाले वैज्ञानिक कर रहे हैं। ये मशीनें अविश्वसनीय रूप से शक्तिशाली हैं, जो रसायन विज्ञान और पदार्थ विज्ञान की उन समस्याओं को हल करने का वादा करती हैं जो आज के सुपरकंप्यूटरों के लिए असंभव हैं। हालाँकि, वे वर्तमान में बहुत "शोरभरी" (noisy) हैं, जिसका अर्थ है कि उनके कैलकुलेशन पूरा होने से पहले ही त्रुटियों (errors) द्वारा गड़बड़ा जाते हैं। इसे ठीक करने के लिए, वैज्ञानिक "जीरो-नॉइज़ एक्सट्रैपोलेशन" (Zero-Noise Extrapolation) नामक एक तरकीब का उपयोग करते हैं। यह ऐसा है जैसे आप अलग-अलग शोर के स्तरों पर वायलिन को सुनते हैं, जो आप सुनते हैं उसे लिख लेते हैं, और फिर गणित का उपयोग करके यह अनुमान लगाते हैं कि यदि शोर को पूरी तरह से शून्य कर दिया जाता, तो वह गीत कैसा सुनाई देता।
इस गणितीय तरकीब के साथ समस्या यह है कि जैसे-जैसे आप सटीक अनुमान लगाने के लिए शोर के स्तर को और अधिक बढ़ाते हैं, आपके अपने नोट्स में "शोर" (मापन से उत्पन्न सांख्यिकीय भिन्नता) अनियंत्रित रूप से बढ़ जाता है। यह संगीत के ऊपर चिल्लाकर फुसफुसाहट सुनने की कोशिश करने जैसा है; आप जितना अधिक चिल्लाते हैं, आपका अपना स्वर उतना ही अधिक हिलता और विकृत होता जाता है, जिससे अंतिम अनुमान बिगड़ जाता है। यह शोध पत्र, जिसका शीर्षक "क्लासिकल रूप से संवर्धित जीरो-नॉइज़ एक्सट्रैपोलेशन" (Classically Augmented Zero-Noise Extrapolation) है, एक चतुर हाइब्रिड समाधान प्रस्तावित करता है। हर परीक्षण के लिए शोर के ऊपर चिल्लाने के बजाय, शोधकर्ता सुझाव देते हैं कि एक अत्यंत सटीक कंप्यूटर सिमुलेशन का उपयोग प्रयोग के सबसे शोर वाले और अराजक हिस्सों को संभालने के लिए किया जाए। क्लासिकल कंप्यूटर को सबसे शोर वाले परिदृश्यों में भारी काम करने देने से, वे क्वांटम कंप्यूटर को शांत और अधिक महत्वपूर्ण हिस्सों पर ध्यान केंद्रित करने दे सकते हैं, जिससे एक स्पष्ट अंतिम उत्तर प्राप्त होता है।
समस्या: अस्थिर अनुमान
क्वांटम कंप्यूटर वर्तमान में एक ऐसे चरण में हैं जहाँ वे दिलचस्प चीजें करने के लिए पर्याप्त शक्तिशाली हैं लेकिन पूरी तरह से विश्वसनीय होने के लिए बहुत त्रुटिपूर्ण हैं। एक सही उत्तर प्राप्त करने के लिए, वैज्ञानिकों को अक्सर एक ही गणना हजारों बार चलानी पड़ती है और परिणामों का औसत निकालना पड़ता है। लेकिन जब वे त्रुटियों को ठीक करने के लिए "जीरो-नॉइज़ एक्सट्रैपोलेशन" (ZNE) विधि का उपयोग करने की कोशिश करते हैं, तो वे एक दीवार से टकरा जाते हैं।
ZNE "शोर" (त्रुटियों) के विभिन्न स्तरों पर एक सर्किट चलाकर काम करता है। कल्पना कीजिए कि आपके पास केक बनाने की एक रेसिपी है, लेकिन आपका ओवन खराब है और वह यादृच्छिक मात्रा में अतिरिक्त चीनी डाल रहा है। एकदम सही केक का पता लगाने के लिए, आप 10% अतिरिक्त चीनी, 20% अतिरिक्त, और 30% अतिरिक्त चीनी के साथ केक बनाते हैं। आप उन्हें चखते हैं, और फिर यह अनुमान लगाने के लिए एक गणितीय सूत्र (जिसे रिचर्डसन एक्सट्रैपोलेशन कहा जाता है) का उपयोग करते हैं कि 0% अतिरिक्त चीनी के साथ केक का स्वाद कैसा होगा।
पेंच यह है कि यह अनुमान लगाने के लिए उपयोग किया जाने वाला गणितीय सूत्र बहुत संवेदनशील है। यदि आप बहुत अधिक डेटा पॉइंट्स (बहुत अधिक अलग-अलग चीनी स्तर) का उपयोग करने की कोशिश करते हैं, तो आपके चखने की छोटी-छोटी गलतियाँ (सैंपलिंग वेरिएंस) एक बहुत बड़े, अस्थिर अनुमान में बदल जाती हैं। यह विक्षिप्त बिंदुओं के माध्यम से एक चिकनी रेखा खींचने की कोशिश करने जैसा है; यदि आपके पास बहुत अधिक विक्षिप्त बिंदु हैं, तो आपकी रेखा एक टेढ़ी-मेढ़ी रेखा बन जाएगी। यह वैज्ञानिकों को एक स्थिर संख्या प्राप्त करने के लिए लाखों बार प्रयोग चलाने के लिए मजबूर करता है, जिसमें बहुत अधिक समय और संसाधन लगते हैं।
समाधान: हाइब्रिड टीम-अप
लेखकों, टिमोन शेइबर और सहयोगियों ने एक नई विधि प्रस्तावित की है जिसे क्लासिकल रूप रूप से संवर्धित जीरो-नॉइज़ एक्सट्रैपोलेशन (CA-ZNE) कहा जाता है। उनका विचार टीम को विभाजित करना है। सारा चखने का काम शोर भरे क्वांटम कंप्यूटर को सौंपने के बजाय, वे एक क्लासिकल कंप्यूटर (एक सामान्य, शक्तिशाली सुपरकंप्यूटर) से "चरम" शोर स्तरों को संभालने के लिए कहते हैं।
यहाँ समानता कैसे काम करती है:
- क्वांटम कंप्यूटर: यह शोर भरे कमरे में वास्तविक वायलिन वादक है। यह कम शोर के स्तरों पर बहुत अच्छा है लेकिन जब शोर बहुत अधिक हो जाता है, तो यह अव्यवस्थित हो जाता है।
- क्लासिकल कंप्यूटर: यह एक आदर्श, शांत रिकॉर्डिंग स्टूडियो है। यह उच्च शोर स्तरों पर वायलिन कैसा सुनाई देगा, इसका सटीक सिमुलेशन कर सकता है, लेकिन इसमें एक छोटी सी कमी है: यह शोर के एक सरलीकृत मॉडल पर निर्भर करता है, इसलिए यह वास्तविक चीज़ की तुलना में थोड़ा "बायस्ड" (पक्षपाती या पूर्वाग्रही) हो सकता है।
- रणनीति: शोधकर्ता सुझाव देते हैं कि क्लासिकल कंप्यूटर का उपयोग सबसे शोर वाले, सबसे अराजक शोर स्तरों को सिम्युलेट करने के लिए किया जाए। चूंकि क्लासिकल कंप्यूटर में "शोर" नहीं होता (इसे हजारों यादृच्छिक माप लेने की आवश्यकता नहीं होती), इसके परिणाम शून्य सैंपलिंग वेरिएंस रखते हैं। यह एक ठोस आधार के रूप में कार्य करता है। इसके बाद क्वांटम कंप्यूटर का उपयोग केवल निम्न शोर स्तरों के लिए किया जाता है जहाँ यह सबसे सटीक होता है।
उच्च-शोर वाले छोर पर इन अस्थिर, शोर भरे क्वांटम मापों को इन ठोस क्लासिकल अनुमानों से बदलकर, टीम अपने अंतिम अनुमान को सुचारू बना सकती है।
उन्होंने क्या पाया
यह शोध पत्र इस बात की जांच करता है कि क्या यह अदला-बदली सार्थक है। क्लासिकल कंप्यूटर एक छोटा, अनुमानित एरर (बायस) पेश करता है क्योंकि यह एक सिमुलेशन है, लेकिन यह बड़ी, अप्रत्याशित त्रुटि (वेरिएंस) को हटा देता है।
अपने प्रयोगों में, लेखकों ने इस प्रक्रिया को दो अलग-अलग जटिल मॉडलों का उपयोग करके सिम्युलेट किया: ट्रांसवर्स फील्ड आइज़िंग मॉडल (चुंबकीय पदार्थों का अध्ययन करने के लिए उपयोग किया जाने वाला एक मॉडल) और श्विंगर मॉडल (कण भौतिकी का अध्ययन करने के लिए उपयोग किया जाने वाला मॉडल)।
- परिणाम: जब उन्होंने उच्च-शोर वाले क्वांटम नोड्स को क्लासिकल नोड्स से बदला, तो उनके अंतिम उत्तर में "शोर" नाटकीय रूप से कम हो गया। शोर के स्तरों के रैखिक अंतराल (linear spacing) वाले एक विशिष्ट सेटअप के लिए, उन्होंने पाया कि बहुत मामूली बायस के साथ वेरिएंस को लगभग 55.5% तक कम किया जा सकता है।
- मीन-स्क्वेयर्ड एरर (MSE): यह एक स्कोर है जो बायस और वेरिएंस दोनों को जोड़कर यह बताता है कि अनुमान वास्तविकता से कितना दूर है। अपने सिमुलेशन में, मानक विधि (ZNE) का MSE 0.65 था, जबकि उनकी नई हाइब्रिड विधि (CA-ZNE) घटकर 0.3 रह गया। इसका अर्थ है कि हाइब्रिड अनुमान सत्य के काफी करीब था।
- स्केलिंग: उन्होंने यह भी देखा कि यह बड़े पैमाने पर कैसे काम करता है। उन्होंने पाया कि शोर के स्तरों को अलग-अलग करने के कुछ तरीकों (रैखिक अंतराल) के लिए, त्रुटि में कमी एक्सपोनेंशियल (घातांकीय) हो सकती है। इसका मतलब है कि जैसे-जैसे आप गणना में अधिक नोड्स जोड़ते हैं, क्लासिकल कंप्यूटर का उपयोग करने का लाभ अविश्वसनीय रूप से तेजी से बढ़ता है, जो संभावित रूप से समय और कंप्यूटिंग शक्ति की भारी बचत करता है।
सावधानियां और सीमाएं
लेखक सावधानीपूर्वक यह स्पष्ट करते हैं कि यह सब कुछ ठीक करने वाली कोई जादुई छड़ी नहीं है।
- बायस का ट्रेड-ऑफ: क्लासिकल सिमुलेशन पूर्ण नहीं है। यदि शोर बहुत अधिक है, तो क्लासिकल कंप्यूटर का मॉडल बहुत सरल हो सकता है, और "बायस" (व्यवस्थित त्रुटि) बहुत अधिक हो सकती है, जिससे कम वेरिएस का लाभ समाप्त हो सकता है। एक "क्रॉसओवर पॉइंट" है जहाँ क्लासिकल सिमुलेशन शोर भरे क्वांटम माप से बेहतर होता है, लेकिन एक निश्चित सीमा के बाद, सिमुलेशन बहुत ही गलत हो जाता है।
- क्वांटम का विकल्प नहीं: शोध पत्र का तर्क है कि हमें अभी भी क्वांटम कंप्यूटर की आवश्यकता है। कम शोर स्तरों पर, क्वांटम कंप्यूटर ऐसी चीजें माप सकता है जो क्लासिकल कंप्यूटर के लिए कुशलतापूर्वक सिम्युलेट करना बहुत जटिल है। हाइब्रिड दृष्टिकोण वहां सबसे अच्छा काम करता है जहाँ शोर इतना अधिक होता है कि क्लासिकल सिमुलेशन आसान हो जाता है, लेकिन इतना कम होता है कि क्वांटम सिग्नल अभी भी दिखाई दे सके।
- सिमुलेशन बनाम वास्तविकता: ये परिणाम न्यूमेरिकल सिमुलेशन (भौतिकी को मॉडल करने के लिए कंप्यूटर पर प्रयोग चलाना) के माध्यम से प्राप्त किए गए थे, न कि अभी तक किसी भौतिक क्वांटम डिवाइस पर। हालांकि गणित और सिम्युलेटेड परिणाम आशाजनक हैं, लेखक नोट करते हैं कि वास्तविक हार्डवेयर अलग व्यवहार कर सकता है, विशेष रूपकर इस संबंध में कि शोर मॉडल वास्तविक मशीन से कितनी अच्छी तरह मेल खाते हैं।
व्यापक परिप्रेक्ष्य
यह शोध पत्र क्वांटम कंप्यूटिंग के बारे में सोचने का एक नया तरीका सुझाता है: इसे एकल प्रदर्शन (solo act) होने की आवश्यकता नहीं है। क्लासिकल कंप्यूटरों को चरम शोर को सिम्युलेट करने का "भारी काम" करने देकर, हम क्वांटम कंप्यूटर के काम को आसान और उसके उत्तरों को अधिक विश्वसनीय बना सकते हैं। यह एक ऐसे भविष्य की ओर एक कदम है जहाँ क्लासिकल और क्वांटम कंप्यूटर एक एकल, शक्तिशाली टीम के रूप में मिलकर काम करेंगे, जिससे हमें उन वैज्ञानिक समस्याओं को हल करने में मदद मिलेगी जो वर्तमान में हमारी पहुंच से बाहर हैं। लेखकों का सुझाव है कि क्लासिक रूप से कितना सिम्युलेट किया जाए और क्वांटम रूप से कितना मापा जाए, इसके बीच सही संतुलन खोजना ही इन मशीनों की पूरी क्षमता को अनलॉक करने की कुंजी है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।