Calibrated Pressure-Observable Born and Hessian Actions for Quantum-Assisted Waveform Inversion

कल्पना कीजिए कि आप जमीन के नीचे दबे एक छिपे हुए खजाने के नक्शे को खोजने की कोशिश कर रहे हैं। आप नक्शे को देख नहीं सकते, लेकिन आप जमीन में ध्वनि तरंगें भेज सकते हैं और उनकी गूँज (echoes) सुन सकते हैं। यह फुल-वेवफॉर्म इन्वर्जन (FWI) का मूल विचार है, जो एक ऐसी तकनीक है जिसका उपयोग भूविज्ञानी और इंजीनियर पृथ्वी के भीतर देखने के लिए, पुलों के स्वास्थ्य की जांच करने के लिए, या बिना शरीर काटे मानव शरीर के अंदर देखने के लिए करते हैं। समस्या यह है कि उन गूँजों को एक स्पष्ट चित्र में बदलने के लिए आवश्यक गणित अविश्वसनीय रूप से कठिन है। इसमें उन विशाल, जटिल समीकरणों को हल करना शामिल है जो यह वर्णन करते हैं कि ध्वनि तरंगें कैसे उछलती हैं, कैसे मुड़ती हैं और विभिन्न सामग्रियों से टकराते समय कैसे अपनी गति बदलती हैं।

इस गणित को आसान बनाने के लिए, वैज्ञानिक एक नया तरीका आजमा रहे हैं: क्वांटम कंप्यूटरों का उपयोग करना। एक क्वांटम कंप्यूटर को केवल एक तेज़ कैलकुलेटर के रूप में नहीं, बल्कि एक अलग प्रकार की मशीन के रूप में सोचें जो तरंगों (waves) की मूल भाषा बोलती है। ध्वनि-तरंग समीकरणों को एक ऐसे प्रारूप में अनुवादित करके (एक प्रक्रिया जिसे "श्रोडिंगरज़ेशन" कहा जाता) जिसे क्वांटम कंप्यूटर समझ सकें, शोधकर्ता इस उम्मीद में हैं कि वे इन समस्याओं को शास्त्रीय कंप्यूटरों की तुलना में बहुत तेज़ी से हल कर पाएंगे। हालाँकि, इसमें एक पेच है: भले ही आप क्वांटम मशीन पर तरंगों का अनुकरण (simulation) कर सकते हैं, इसका मतलब यह नहीं है कि आप स्वचालित रूप से अंतिम उत्तर को सही ढंग से पढ़ भी पाएंगे। यह एक आदर्श रेडियो होने जैसा है जो एक सिम्फनी बजा सकता है, लेकिन यदि आप वॉल्यूम नॉब को सही ढंग से ट्यून नहीं करते हैं, तो आपको संगीत के बजाय केवल शोर सुनाई दे सकता है।

यह शोध पत्र विशेष रूप से इसी "वॉल्यूम नॉब" वाली समस्या को संबोधित करता है। लेखकों, गुआन्यु ली और उनके सहयोगियों ने एक नया "इंटरफेस" बनाया है जो ध्वनि तरंगों के क्वांटम सिमुलेशन को वास्तविक भौतिक मापों से जोड़ता है जिनकी आवश्यकता भूमिगत मानचित्र को अपडेट करने के लिए होती है। उनकी मुख्य खोज यह है कि सही उत्तर प्राप्त करने के लिए, आपको दो चीजों को एक साथ समझना होगा: एक वह तरंग जो यात्रा करते समय बदलती है, और दूसरा यह तथ्य कि "माइक्रोफोन" (रिसीवर) स्वयं उस सामग्री के प्रति अपनी संवेदनशीलता बदल देता है जिसे वह सुन रहा है। उन्होंने सिद्ध किया कि यदि आप माइक्रोफोन की बदलती संवेदनशीलता को अनदेखा करते हैं, तो आपका नक्शा पूरी तरह से गलत होगा। उन्होंने इस विचार का परीक्षण एक छोटे, नौ-क्यूबिट क्वांटम सर्किट सिमुलेशन का उपयोग करके किया और दिखाया कि इस "कैलिब्रेशन" चरण को शामिल करना अनिवार्य है, जो त्रुटियों को काफी कम करता है और सिस्टम को भूमिगत संरचना के मॉडल को वास्तव में बेहतर बनाने की अनुमति देता है।

"कैलिब्रेटेड माइक्रोफोन" की कहानी

तो, यह वास्तव में कैसे काम करता है? आइए कल्पना करें कि आप एक जासूस हैं जो चिल्लाकर और उसकी गूँज सुनकर किसी कमरे की बनावट समझने की कोशिश कर रहे हैं। फुल-वेवफॉर्म इन्वर्जन की दुनिया में, "कमरा" पृथ्वी है, और "चिल्लाना" एक ध्वनि तरंग है।

क्वांटम ट्रिक
आमतौर पर, पृथ्वी के माध्यम से ध्वनि कैसे चलती है, इसकी गणना करना एक विशाल पहेली को हल करने जैसा है जहाँ हर टुकड़ा हिल रहा है। लेखक श्रोडिंगरज़ेशन (Schrödingerisation) नामक विधि का उपयोग करते हैं। इसे वास्तविक दुनिया के जटिल ध्वनि समीकरणों को एक "क्वांटम भाषा" में अनुवादित करने के रूप में सोचें जिसे एक क्वांटम कंप्यूटर आसानी से चला सके। यह एक जटिल नृत्य की दिनचर्या को लिखने जैसा है ताकि एक रोबोट उसे पूरी तरह से कर सके। यह कंप्यूटर को यह अनुकरण करने की अनुमति देता है कि ध्वनि तरंगें (प्रसार/propagation) चट्टान या ऊतक की विभिन्न परतों के माध्यम से कैसे चलती हैं।

लुप्त कड़ी: कैलिब्रेटेड माइक्रोफोन
यहीं पर यह शोध पत्र अपनी बड़ी खोज करता है। जब ध्वनि तरंग एक रिसीवर (माइक्रोफोन) से टकराती है, तो उसके द्वारा रिकॉर्ड किया गया सिग्नल दो चीजों पर निर्भर करता है:

1. तरंग: ध्वनि ने रास्ते में कैसे यात्रा की और कैसे बदलाव किए।
2. माइक्रोफोन की संवेदनशीलता: माइक्रोफोन उस विशिष्ट सामग्री के प्रति कितना संवेदनशील है जिसे वह छू रहा है।

लेखकों ने महसूस किया कि क्वांटम कंप्यूटरों का उपयोग करने के पिछले प्रयासों में, लोग अक्सर केवल पहले भाग (तरंग) को देखते थे और दूसरे भाग (माइक्रोफोन की संवेदनशीलता) को भूल जाते थे। उन्होंने इसे "रिसीवर-कैलिब्रेशन टर्म" कहा।

कल्पना कीजिए कि आप थर्मामीटर से कॉफी के कप का तापमान माप रहे हैं। यदि थर्मामीटर खुद गर्म होने पर फैलता है, तो आपके रीडिंग गलत हो जाएंगे जब तक कि आप उस विस्तार को ध्यान में न रखें। इस शोध पत्र में, "थर्मामीटर" रिसीवर है, और "विस्तार" यह तथ्य है कि रिसीवर की रीडिंग ध्वनि की गति ($c$) के आधार पर बदल जाती है। लेखकों ने दिखाया कि भौतिक दबाव ($p$) वास्तव में तरंग की ऊर्जा और ध्वनि की गति का गुणनफल है ($p = c\pi$)। जब आप अपने नक्शे को सुधारने का तरीका निकालने की कोशिश करते हैं, तो आपको इस गुणनफल का अवकलन (derivative) लेना होता है।

गणितीय रूप से, इसका अर्थ है कि आपको दो पद मिलते हैं:

• एक पद जो बताता है कि तरंग कैसे बदली ($c_0 \delta \pi$)।
• दूसरा पद जो बताता है कि ध्वनि की गति ने सीधे रीडिंग को कैसे बदला ($\delta c \pi_0$)।

शोध पत्र सिद्ध करता है कि यदि आप उस दूसरे पद (कैलिब्रेशन) को छोड़ देते हैं, तो आप केवल एक छोटी गलती नहीं कर रहे हैं; आप पूरी तरह से गलत चीज़ का डेरिवेटिव निकाल रहे हैं। यह कार की गति मापने की कोशिश करने जैसा है लेकिन यह भूल जाने जैसा है कि आपका स्पीडोमीटर खराब है।

प्रमाण: एक छोटा क्वांटम परीक्षण
इसे सिद्ध करने के लिए, लेखकों ने केवल कागज पर गणित नहीं किया; उन्होंने एक छोटा, सिम्युलेटेड क्वांटм सर्किट बनाया।

• सेटअप: उन्होंने केवल 9 क्यूबिट्स (क्वांटम सूचना की बुनियादी इकाइयाँ) के साथ एक छोटा मॉडल बनाया। यह पृथ्वी के एक लघु, सरलीकृत संस्करण जैसा है।
• परीक्षण: उन्होंने इन्वर्जन प्रक्रिया (छिपे हुए नक्शे को खोजने की कोशिश) को दो बार चलाया।
  1. बिना कैलिब्रेशन के: उन्होंने रिसीवर की बदलती संवेदनशीलता को अनदेखा किया। परिणाम क्या रहा? त्रुटि बहुत बड़ी थी (एक ऑर्डर-वन एरर, जिसका अर्थ है कि उत्तर बुनियादी तौर पर बेकार था)। "गॉस-न्यूटन" स्टेप (नक्शे को ठीक करने की दिशा) गलत दिशा में इशारा कर रहा था, और लाइन सर्च (सुरक्षा जांच) ने इस कदम को खारिज कर दिया।
  2. कैलिब्रेशन के साथ: उन्होंने रिसीवर की संवेदनशीलता को शामिल किया। त्रुटि नाटकीय रूप से कम हो गई। सिस्टम ने दस अलग-अलग परीक्षणों में प्रारंभिक मॉडल त्रुटि को लगभग 10.68% से घटाकर 0.28% और 0.73% के बीच सफलतापूर्वक कम कर दिया।

"हाइब्रिड" दृष्टिकोण
यह शोध पत्र एक "हाइब्रंड" विधि का भी वर्णन करता है। इसका अर्थ है कि भारी काम क्वांटम सिमुलेशन द्वारा किया जाता है, लेकिन पहेली को जोड़ने और यह तय करने के अंतिम चरण कि कदम कितना बड़ा होना चाहिए, शास्त्रीय कंप्यूटर द्वारा किए जाते हैं। उन्होंने वेरिएशनल क्वांटम लीनियर सॉल्वर (VQLS) का उपयोग किया, जो एक विशिष्ट प्रकार का क्वांटम एल्गोरिदम है जिसे एक रैखिक समीकरण के सर्वोत्तम समाधान को खोजने के लिए डिज़ाइन किया गया है।

अपने प्रयोग में, उन्होंने क्वांटम संभावनाओं पर आधारित रैंडम कॉइन फ्लिप्स (Bernoulli samples) का उपयोग किया। उन्होंने प्रत्येक गणना के प्रत्येक भाग के लिए 10,000 शॉट्स (माप) चलाए ताकि एक अच्छा औसत प्राप्त किया जा सके। परिणामों ने दिखाया कि इस शोर वाले, सीमित-शॉट दृष्टिकोण के बावजूद, कैलिब्रेटेड विधि ने काम किया। "अनकैलिब्रेटेड" विधि मॉडल को सुधारने में विफल रही, जबकि "कैलिब्रेटेड" विधि ने मॉडल को लगातार बेहतर बनाया।

यह क्यों महत्वपूर्ण है
यह शोध पत्र यह दावा नहीं करता कि इसने आज ही पूरे पृथ्वी की इमेजिंग को क्वांटम कंप्यूटर पर हल कर दिया है। इसके बजाय, यह एक महत्वपूर्ण "निर्देश पुस्तिका" प्रदान करता है कि क्वांटम सिमुलेशन को वास्तविक भौतिकी से सही ढंग से कैसे जोड़ा जाए। यह दिखाता है कि यदि आप इस तरह की इमेजिंग के लिए क्वांटम कंप्यूटरों का उपयोग करना चाहते हैं, तो आपको रिसीवर कैलिब्रेशन टर्म को शामिल करना ही होगा। इसके बिना, क्वांटम कंप्यूटर केवल एक भूतिया कहानी का अनुकरण कर रहा है, वास्तविक भौतिकी का नहीं।

लेखकों ने कई तरीकों से अपने परिणामों को सत्यापित किया:

• उन्होंने अपने क्वांटम-शैली के गणित की तुलना मानक "फाइनाइट डिफरेंस" विधियों (गणित की जाँच करने का एक क्लासिक तरीका) से की।
• उन्होंने जाँच की कि उनका "एडजॉइंट" (उल्टा गणना) पूरी तरह से मेल खाता है।
• उन्होंने पुष्टि की कि उनका "हेसियन एक्शन" (समाधान को परिष्कृत करने के लिए उपयोग किया जाने वाला एक जटिल गणितीय चरण) सममित और सही था।

अंत में, शोध पत्र निष्कर्ष निकालता है कि हैमिल्टनियन वेव प्रोपेगेशन (क्वांटम हिस्सा) को स्थानीय FWI अपडेट (नक्शा बनाने वाला हिस्सा) से जोड़ने के लिए भौतिक रिसीवर के सुसंगत डेरिवेटिव की आवश्यकता होती है। यह एक छोटा लेकिन महत्वपूर्ण हिस्सा है जो यह सुनिश्चित करता है कि क्वांटम कंप्यूटर केवल संख्याओं के साथ खेल नहीं रहा है, बल्कि वास्तव में हमें हमारे पैरों के नीचे छिपी दुनिया को देखने में मदद कर रहा है।