Readout-Rank Laws for Isotropic Quantum Tangents

अदृश्य संकेत और टूटा हुआ माइक्रोफ़ोन

कल्पना कीजिए कि आप एक सिम्फनी सुनने की कोशिश कर रहे हैं, लेकिन आप वाद्ययंत्रों को केवल एक दीवार के माध्यम से सुन सकते हैं जिसने ध्वनि को धीमा कर दिया है, और फिर आपको केवल ड्रमों की आवाज़ लिखने की अनुमति है, वायलिन और बांसुरी को अनदेखा करते हुए। यह आधुनिक क्वांटम कंप्यूटिंग का दैनिक संघर्ष है। वैज्ञानिक जटिल मशीनें बनाते हैं जिन्हें क्वांटम कंप्यूटर कहा जाता है ताकि वे उन समस्याओं को हल कर सकें जो सामान्य कंप्यूटरों के लिए असंभव हैं। ये मशीनें "क्यूबिट्स" (qubits) का उपयोग करती हैं, जो एक साथ कई अवस्थाओं में मौजूद हो सकते हैं, जिससे संभावनाओं का एक घूमता हुआ, अदृश्य नृत्य निर्मित होता है।

इन मशीनों को उपयोगी बनाने के लिए, हमें उन्हें सीखना सिखाने की आवश्यकता है, जिसे क्वांटम मशीन लर्निंग (QML) कहा जाता है। यह मशीन के छोटे नॉब (पैरामीटर्स) को बदलकर, उस नृत्य को बदलने के लिए किया जाता है, इस उम्मीद में कि परिणाम उस उत्तर के करीब पहुँच जाएगा जिसे हम चाहते हैं। लेकिन यहाँ एक पेंच है: मशीन पागलों की तरह नाच सकती है और हर छोटे बदलाव के साथ अपनी अवस्था नाटकीय रूप से बदल सकती है, फिर भी वह "माइक्रोफ़ोन" जिससे हम उसे सुनते हैं, शायद कुछ भी न सुन पाए। जानकारी वहाँ मौजूद है, लेकिन मापने का हमारा तरीका इसके प्रति अंधा है। यह शोध पत्र वास्तव में यह पता लगाता है कि ऐसा क्यों होता है और हम सीखने की कोशिश करने से पहले ही कितनी "संगीत" खो देते हैं।

शोध पत्र की कहानी: सूचना हानि का एक खेल

"रीडआउट-रैंक लॉज़ फॉर आइसोट्रोपिक क्वांटम टेंजेंट्स" (Readout-Rank Laws for Isotropic Quantum Tangents) नामक यह शोध पत्र क्वांटम सूचना के लिए एक जासूसी कहानी की तरह कार्य करता है। लेखक, मारवन ऐत हद्दाउ (Marwan Ait Haddou) के नेतृत्व में, एक विशिष्ट रहस्य की जांच कर रहे हैं: क्वांटम कंप्यूटर कभी-कभी अपने स्वयं के परिवर्तनों को "भूलना" क्यों शुरू कर देते हैं? वे एक ऐसी स्थिति देखते हैं जहाँ एक क्वांटम अवस्था बदलती है (टेंजेंट/स्पर्शरेखा), लेकिन जो डेटा हम एकत्र करते हैं (रीडआउट/पठन), वह बहुत कम प्रतिक्रिया देता है।

उनके निष्कर्षों को समझने के लिए, कल्पना कीजिए कि क्वांटम अवस्था प्रकाश का एक विशाल, बहु-आयामी गोला है। जब आप एक नॉब घुमाते हैं, तो प्रकाश हिलता है। शोध पत्र दो अलग-अलग "हानियों" की पहचान करता है जो इस प्रकाश के हमारे कंप्यूटर स्क्रीन तक पहुँचने से पहले होती हैं।

हानि #1: फेज फ़िल्टर (Phase Filter)
सबसे पहले, क्वांटम प्रकाश को मापा जाता है। क्वांटम दुनिया में, एक अवस्था के दो भाग होते हैं: किसी निश्चित स्थान पर होने की संभावना (प्रोबेबिलिटी) और एक छिपा हुआ "फेज" (जैसे तरंग का समय)। जब हम मानक तरीके से मापते हैं (कंप्यूटेशनल बेसिस), तो हम केवल संभावना को देखते हैं। छिपा हुआ फेज (phase) जानकारी तुरंत गायब हो जाती है। लेखक सिद्ध करते हैं कि यदि क्वांटम नृत्य पर्याप्त रूप से यादृच्छिक (गणितीय रूप से "हार रैंडम") है, तो यह पहला माप स्वाभाविक रूप से उपलब्ध जानकारी का ठीक आधा हिस्सा फेंक देता है। यह एक 3D वस्तु को एक सपाट छाया के माध्यम से देखने जैसा है; आप आधी गहराई खो देते हैं, लेकिन फिर भी आकार देख पाते हैं।

हानि #2: रीडआउट बॉटलनेक (Readout Bottleneck)
यहीं पर शोध पत्र वास्तव में दिलचस्प हो जाता है। भले ही हम संभावना की जानकारी रख लें, हम अक्सर उसका पूरा उपयोग नहीं करते हैं। वास्तविक दुनिया के क्वांटम लर्निंग में, हम आमतौर पर केवल कुछ सरल चीजें ही देखते हैं, जैसे कि एक अकेले इलेक्ट्रॉन का औसत स्पिन या उनके एक छोटे समूह का। लेखक इसे "प्रतिबंधित रीडआउट" (restricted readout) कहते हैं।

उन्होंने एक सख्त गणितीय नियम की खोज की: आप कितनी जानकारी रख सकते हैं, यह पूरी तरह से इस बात पर निर्भर करता है कि आपके मापने के उपकरण कितनी "स्वतंत्र दिशाओं" को देख सकते हैं। वे इसे "रैंक" (rank) कहते हैं। यदि आपके मापने के उपकरण बहुत कम छेदों वाले जाल की तरह हैं (कम रैंक), तो आप लगभग सब कुछ खो देंगे, भले ही क्वांटम अवस्था पागलों की तरह बदल रही हो।

"एक्सपोनेंशियल" (घातांकीय) आश्चर्य
लेखक ने यह देखने के लिए सिमुलेशन चलाए कि क्या होता है जब आप क्यूबिट्स के कुछ निश्चित आकार (जैसे, 3 क्यूबिट्स के समूह) तक के सभी सरल संयोजनों को मापने की कोशिश करते हैं। उन्होंने पाया कि जैसे-जैसे क्वांटम कंप्यूटर बड़ा होता जाता है (अधिक क्यूबिट्स जोड़ना), आप वास्तव में कितनी जानकारी रख सकते हैं, उसका अंश अविश्वसनीय रूप से तेजी से—घातांकीय रूप से (exponentially)—घटता जाता है।

इसे इस तरह सोचें: यदि आपके पास एक लाख किताबों वाला पुस्तकालय है (पूर्ण जानकारी), और आपको केवल हर किताब के पहले तीन शब्द पढ़ने की अनुमति है (एक लो-रैंक रीडआउट), तो आपको लग सकता है कि आपके पास बहुत सारी जानकारी है। लेकिन जैसे-जैसे पुस्तकालय अरबों किताबों तक बढ़ता है, वे पहले तीन शब्द समुद्र में एक बूंद की तरह हो जाते हैं। शोध पत्र दिखाता है कि एक निश्चित समूह आकार के लिए, जैसे-जैसे सिस्टम बढ़ता है, आपके पास बची हुई जानकारी लगभग शून्य हो जाती है। यह केवल यह नहीं है कि आप थोड़ा सा मिस कर रहे हैं; आप लगभग पूरी कहानी खो रहे हैं।

"आइसोट्रोपिक" (समदैशिक) नियम
लेखक ने सावधानीपूर्वक उल्लेख किया कि यह सख्त नियम केवल तभी लागू होता है जब क्वांटम अवस्था "आइसोट्रोपिक" हो, जिसका अर्थ है कि यह किसी भी दिशा में समान रूप से उन्मुख होने की संभावना रखती है (जैसे कि एक पूरी तरह से मिश्रित स्मूदी)। उन्होंने इसका परीक्षण छह अलग-अलग प्रकार के क्वांटम सर्किट के साथ किया। पाँच ने, जो कण संख्या को संरक्षित नहीं करते थे, बिल्कुल वैसा ही व्यवहार किया जैसा सिद्धांत भविष्यवाणी करता है: जैसे-जैसे सर्किट गहरे और अधिक जटिल होते गए, वे अधिक यादृच्छिक होते गए, और सूचना की हानि अनुमानित घातांकीय गिरावट का पालन करती है।

हालाँकि, छठा सर्किट एक विशेष मामला था। इसे कणों की संख्या को संरक्षित करने के लिए डिज़ाइन किया गया था (जैसे कि U(1) सममिति)। वैज्ञानिकों द्वारा इस तथ्य को सुधारने के बाद भी कि यह सर्किट सभी संभावित अवस्थाओं तक नहीं पहुँच सकता, यह अभी भी भविष्यवाणी से मजबूती से अलग (departed strongly) रहा। सूचना की हानि अलग थी। यह एक महत्वपूर्ण बिंदु सिद्ध करता है: केवल आपके पास मापने के उपकरणों की कम संख्या होना ही एकमात्र समस्या नहीं है। क्वांटम अवस्था को पर्याप्त रूप से "स्कैम्बल" या अस्त-व्यस्त होना चाहिए ताकि वह यादृच्छिक हो सके। यदि अवस्था एक विशिष्ट, व्यवस्थित पैटर्न (जैसे कण-संरक्षण सर्किट) में फंसी हुई है, तो सरल मापने के उपकरण उस तरह से संकेत पकड़ने में विफल हो सकते हैं जैसा कि सिद्धांत भविष्यवाणी करता है। आपके उपकरणों का "रैंक" पर्याप्त नहीं है; क्वांटम नृत्य का "अभिविन्यास" (orientation) भी उतना ही मायने रखता है।

उन्होंने क्या पाया और क्या नहीं

शोध पत्र एक स्पष्ट, गणितीय "नियम" प्रदान करता है कि सूचना दो चरणों में कैसे खो जाती है: पहले क्वांटम माप की प्रकृति द्वारा, और दूसरा हमारे मापने के उपकरणों की सीमाओं द्वारा। उन्होंने सिद्ध किया कि यदि एक क्वांटम प्रणाली पर्याप्त रूप से यादृच्छिक है, तो आप जो जानकारी निकाल सकते हैं वह सख्ती से आपके द्वारा मापे गए स्वतंत्र लक्षणों की संख्या द्वारा सीमित है, और यह सीमा बड़े सिस्टमों के लिए एक गंभीर बाधा बन जाती है।

उन्होंने इस विचार को स्पष्ट रूप से खारिज कर दिया कि केवल कम वजन वाले मापों (जैसे कि 3 क्यूबिट्स के समूहों की जाँच करना) को जोड़ने से काम बन जाएगा। भले ही आप आकार $k$ के प्रत्येक संभावित समूह की जाँच करें, आपके पास बची हुई जानकारी सिस्टम के बढ़ने के साथ घातांकीय रूप से लुप्त हो जाती है।

लेखक "यादृच्छिक" मामले के पीछे के गणित के बारे में बहुत आश्वस्त हैं; उन्होंने इसके लिए सटीक सूत्र निकाले हैं। हालाँकि, वास्तविक दुनिया के क्वांटम सर्किटों के लिए जो पूरी तरह से यादृच्छिक नहीं हैं, उन्होंने सिमुलेशन पर भरोसा किया। उनके सिमुलेशन ने दिखाया कि अधिकांश मानक सर्किट गहरे होने के साथ यादृद्ध सिद्धांत की तरह व्यवहार करते हैं, लेकिन उन्होंने एक विशिष्ट "सीमा मामले" (boundary case) को भी पाया (कण-संरक्षण सर्किट), जहाँ सिद्धांत विफल हो जाता है। यह सुझाव देता है कि जबकि आपका "रैंक" एक प्रमुख कारक है, यह पूरी कहानी नहीं है; क्वांटम अवस्था की विशिष्ट ज्यामिति भी मायने रखती है।

संक्षेप में, शोध पत्र हमें चेतावनी देता है कि बड़े क्वांटम कंप्यूटर बनाने की दौड़ में, हम केवल यह मानकर नहीं चल सकते कि हमारे सरल मापने के उपकरण संकेत को पकड़ लेंगे। यदि सिस्टम बहुत बड़ा हो जाता है और हमारे उपकरण सरल रहते हैं, तो हम एक खाली स्क्रीन को देखते रह सकते हैं, भले ही क्वांटम कंप्यूटर सूचना के साथ चिल्ला रहा हो।