A Universal Entanglement Witness Generator

कल्पना कीजिए एक ऐसी दुनिया की जहाँ कण "एंटैंगल्ड" (entangled) हो सकते हैं, एक ऐसा रहस्यमयी जुड़ाव जहाँ दो वस्तुएं एक ही अस्तित्व साझा करती हैं, चाहे वे कितनी भी दूर क्यों न हों। यदि आप एक को बदलते हैं, तो दूसरा भी तुरंत बदल जाता है, जैसे कि वे एक ही अदृश्य संगीत पर नाच रहे हों। यह कोई जादू नहीं है; यह क्वांटम भौतिकी का अजीब और अद्भुत हृदय है, और यह अगली पीढ़ी के सुपर-कंप्यूटरों, अटूट कोडों और अति-संवेदनशील सेंसरों के पीछे का इंजन है। लेकिन यहाँ एक पेंच है: इस शक्ति का उपयोग करने के लिए, वैज्ञानिकों को पहले यह साबित करना होगा कि कण वास्तव में एंटैंगल्ड हैं और केवल अपने आप अजीब व्यवहार नहीं कर रहे हैं।

ऐसा करने के लिए, वे "एंटैंगलमेंट विटनेस" (entanglement witness) नामक एक उपकरण का उपयोग करते हैं। इसे एक हाई-टेक मेटल डिटेक्टर की तरह समझें जो क्वांटम अवस्थाओं के लिए बनाया गया है। आप इसे अपने सिस्टम के ऊपर घुमाते हैं, और यदि यह बीप करता है, तो आप जान जाते हैं कि आपने एंटैंगलमेंट खोज लिया है। लेकिन एक अच्छा मेटल डिटेक्टर बनाना कठिन है। यदि यह बहुत संवेदनशील है, तो यह एक हानिरहित पत्थर पर बीप कर सकता है (एक गलत अलार्म); यदि यह बहुत सुस्त है, तो यह दबे हुए खजाने को मिस कर सकता है (एक छूटा हुआ पता)। इसके अलावा, वास्तविक दुनिया अव्यवस्थायुक्त है। गर्मी, कंपन या बाहरी संकेतों से होने वाला शोर सिग्नल को दबा सकता है। लंबे समय तक, वैज्ञानिकों को ऐसे डिटेक्टरों के बीच चयन करना पड़ता था जो बहुत सटीक तो थे लेकिन जिनमें हजारों माप (measurements) की आवश्यकता होती थी (जिसमें बहुत समय लगता था और भारी मात्रा में डेटा की जरूरत होती थी) या जो तेज़ थे लेकिन शोर से आसानी से धोखा खा जाते थे। उन्हें एक ऐसा डिटेक्टर बनाने के तरीके की आवश्यकता थी जो तेज़ भी हो और मजबूत भी, और जिसे डिजाइन करने के लिए क्वांटम जीनियस होने की आवश्यकता न हो।

यहीं से "यूनिवर्सल एंटैंगलमेंट विटनेस जनरेटर" (Universal Entanglement Witness Generator) की कहानी शुरू होती है। टोरंटो विश्वविद्यालय के शोधकर्ताओं की एक टीम ने एक नए प्रकार का मशीन-लर्निंग टूल बनाया है जो इन क्वांटम डिटेक्टरों के लिए एक मास्टर शिल्पकार की तरह कार्य करता है। एक विशिष्ट प्रकार के कण के लिए एक मानव द्वारा मैन्युअल रूप से सही सेटिंग्स की गणना करने के बजाय, यह कंप्यूटर प्रोग्राम लक्षित क्वांटम अवस्था की एक तस्वीर लेता है और पूछता है, "आप कितने माप करने के लिए तैयार हैं?" उपयोगकर्ता कह सकता है, "मेरे पास केवल दो माप करने का समय है," या "मैं दस कर सकता हूँ," और मशीन तुरंत उस सीमा के लिए अनुकूलित एक कस्टम विटनेस डिजाइन करती है।

टीम की विधि दो चतुर चरणों में काम करती है। पहले, यह सरल, गैर-एंटैंगल्ड अवस्थाओं के पुस्तकालय से सीखकर एक "प्रोटोटाइप" विटनेस बनाती है। यह एक छात्र की तरह है जो एक परीक्षा के लिए तैयारी कर रहा है क्योंकि उसने याद किया है कि एक "सामान्य" उत्तर कैसा दिखता है। फिर, यह डिटेक्टर को सूक्ष्म रूप से ट्यून करने के लिए एक विशेष "डिफरेंशियल प्रोग्रामिंग" (differential programming) तकनीक का उपयोग करता है, यह सुनिश्चित करते हुए कि यह गलती से एक सामान्य अवस्था को एंटैंगल्ड के रूप में चिह्नित न कर दे। यह चरण महत्वपूर्ण है क्योंकि यह गारंटी देता है कि डिटेक्टर उस विशिष्ट अवस्था के लिए गणितीय रूप से पूर्ण है जिसे वह खोज रहा है।

लेकिन असली जादू उनकी दूसरी तकनीक के साथ होता है: "एडवर्सरियल ट्रेनिंग" (adversarial training)। शतरंज के एक खेल की कल्पना करें जहाँ कंप्यूटर खुद के खिलाफ खेलता है। एक पक्ष सबसे अच्छा संभव विटनेस बनाने की कोशिश करता है, जबकि दूसरा पक्ष एक चालाक, शोर युक्त अवस्था खोजने की कोशिश करता है जो इसे धोखा दे सके। इस खेल को लगातार खेलकर, विटनेस अधिक मजबूत और कठोर हो जाता है, शोर के शोर के बीच भी एंटैंगलमेंट को पहचानने में सक्षम होता है। परिणाम एक ऐसा डिटेक्टर है जो शोर के प्रति अविश्वसनीय रूप से मजबूत है, और अक्सर पिछले किसी भी तरीके की तुलना में बहुत कम मापों की आवश्यकता होती है।

शोधकर्ताओं ने अपने निर्माण का परीक्षण विभिन्न प्रकार के क्वांटम अवस्थाओं पर किया, साधारण कणों के जोड़ों से लेकर छह क्यूबिट्स तक के जटिल समूहों और 'क्वाडिट्स' (qudits) नामक उच्च-आयामी कणों तक। सिमुलेशन में, उनके विटनेस ने लाखों परीक्षण मामलों में पूर्ण सटीकता के साथ एंटैंगलमेंट की सही पहचान की। उदाहरण के लिए, "हाइपरग्राफ स्टेट" (hypergraph state) के रूप में ज्ञात एक विशिष्ट जटिल अवस्था के लिए, उनकी विधि ने एक ऐसा विटनेस पाया जिसे अन्य तरीकों को 121 माप की आवश्यकता थी, उस शोर सहिष्णुता (noise tolerance) को प्राप्त करने के लिए केवल 4 माप की आवश्यकता थी। यह दक्षता में एक बड़ी छलांग है।

उन्होंने केवल कंप्यूटर सिमुलेशन तक ही सीमित नहीं रहे, बल्कि उन्होंने अपने डिजिटल डिजाइनों को वास्तविक दुनिया में भी परखा। लैब में फोटॉन्स (प्रकाश के कण) और IBM के क्वांटम हार्डवेयर पर सुपरकंडक्टिंग सर्किट का उपयोग करके, उन्होंने पुष्टि की कि उनके विटनेस ठीक वैसे ही काम करते हैं जैसा कि अनुमान लगाया गया था। चाहे कण प्रकाश के हों या बिजली के, मशीन-डिज़ाइन किए गए डिटेक्टरों ने शोर वाले वातावरण में भी एंटैंगलमेंट की सफलतापूर्वक पहचान की।

पेपर स्पष्ट रूप से इस विचार को खारिज करता है कि हमें डिटेक्टर बनाने के लिए किसी क्वांटम अवस्था के गहरे बीजगणितीय रहस्यों को समझने की आवश्यकता है। वे उन पुराने तरीकों के विरुद्ध तर्क देते हैं जिन्हें किसी अवस्था के विशिष्ट "स्टेबलाइजर" (stabilizer) गुणों को जानने के लिए मानव की आवश्यकता होती है या जो जटिल गणितीय सूत्रों पर निर्भर करते हैं जो हमेशा वास्तविक दुनिया के शोर में काम नहीं करते हैं। वे यह भी दिखाते हैं कि जबकि कुछ पुराने मशीन-लर्निंग तरीके डिटेक्टर पा सकते थे, वे अक्सर उपयोगकर्ता को यह अनुमान लगाने की आवश्यकता रखते थे कि कितने मापों की आवश्यकता होगी या यह गारंटी नहीं दे पाते थे कि डिटेक्टर हर संभावित परिदृश्य के लिए काम करेगा। यह नया दृष्टिकोण उस अनिश्चितता को हटा देता है, जिससे कोई भी मापों की संख्या निर्दिष्ट कर सकता है जो वह वहन कर सकता है। हालांकि यह विधि एक वैध विटनेस तब ढूंढती है जब वह मौजूद हो, लेखक नोट करते हैं कि लगभग हर मामले में जो उन्होंने टेस्ट किया, यह मौजूदा सभी तरीकों की तुलना में शोर सहिष्णुता और/या माप सेटिंग्स की संख्या के मामले में बेहतर विटनेस बनाता है, हालांकि वे स्वीकार करते हैं कि विशिष्ट मामलों में, यह कम माप उपयोग करने या उच्च शोर सहिष्णुता प्राप्त करने के मामले में विश्लेणात्मक (analytical) विधियों के साथ प्रतिस्पर्धा करने में सक्षम नहीं हो सकता है।

लेखक अपने निष्कर्षों को लेकर आश्वस्त हैं, जिन्होंने इसे व्यापक संख्यात्मक सिमुलेशन—एक एकल 3-क्यूबिट विटनेस के लिए 30 मिलियन सेग्रेटेबल (separable) अवस्थाओं के विरुद्ध परीक्षण—और दो अलग-अलग प्रकार के क्वांटम हार्डवेयर पर भौतिक प्रयोगों के माध्यम से पुख्ता किया है। वे प्रदर्शित करते हैं कि उनकी विधि साधारण दो-कण जोड़ों से लेकर जटिल, बहु-कण प्रणालियों तक और उन कणों के लिए भी काम करती है जिनमें केवल दो स्तर (qubits) के बजाय दस या अधिक स्तर (qudits) होते हैं।

संक्षेप में, यह पेपर क्वांटम एंटैगलमेंट डिटेक्टर बनाने के लिए एक सार्वभौमिक, स्वचालित कारखाने को प्रस्तुत करता है। यह एक कठिन, मैन्युअल इंजीनियरिंग समस्या को एक सरल इनपुट-आउटपुट प्रक्रिया में बदल देता है: मशीन को बताएं कि आप क्या खोजना चाहते हैं और आपके पास कितना समय है, और वह आपको एक ऐसा डिटेक्टर देता है जो अक्सर पहले से बने किसी भी डिटेक्टर की तुलना में अधिक मजबूत और कुशल होता है। यह सुझाव देता है कि क्वांटम तकनीक का भविष्य इस बात पर निर्भर नहीं हो सकता है कि हम जटिल गणित में बेहतर बनें, बल्कि स्मार्ट एल्गोरिदम को भारी काम करने देने पर, जिससे क्वांटम दुनिया का पता लगाना तेज़, सस्ता और सभी के लिए सुलभ हो सके।