Hamiltonian spectra in quantum computers through the generalized eigenvalue method
यह शोध पत्र सामान्यीकृत आइगेनवैल्यू समस्या (generalized eigenvalue problem) का उपयोग करके क्वांटम-जनित रियल-टाइम कोरिलेटर्स से हैमिल्टनियन ऊर्जा आइगेनवैल्यू निकालने की एक विधि प्रस्तावित और मान्य करता है, जो सिमुलेशन और हार्डवेयर परीक्षणों के माध्यम से यह प्रदर्शित करता है कि यह फूरियर ट्रांसफॉर्म-आधारित दृष्टिकोणों की तुलना में काफी अधिक कुशल है।
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 बैंड को गाना बजाते हुए सुनने की कोशिश कर रहे हैं, लेकिन संगीत सभी वाद्ययंत्रों के एक साथ बजने वाले एक अराजक, अतिव्याप्त शोर की तरह है। क्वांटम भौतिकी की दुनिया में, यह "गाना" एक सिस्टम का ऊर्जा स्पेक्ट्रम (energy spectrum) है—उन सभी संभावित ऊर्जा स्तरों की एक सूची जो एक कण या कणों के समूह के पास हो सकते हैं। इन स्तरों को जानना एक अणु द्वारा गाए जाने वाले सटीक सुरों को जानने जैसा है; यह हमें बताता है कि कणों का द्रव्यमान क्या है, वे आपस में कैसे जुड़ते हैं, और वे एक-दूसरे से कैसे टकराते हैं। दशकों से, वैज्ञानिक इस सिस्टम को "स्लो-मोशन" मोड में सिम्युलेट करके इन सुरों को सुनने की कोशिश कर रहे हैं, जहाँ संगीत धीरे-धीरे कम हो जाता है, जिससे केवल सबसे निचला, गहरा नोट (ग्राउंड स्टेट) ही सुनाई देता है। लेकिन यह एक वायलिन सोलो सुनने के लिए ड्रमों के रुकने का इंतज़ार करने जैसा है; यह बेस (bass) के लिए तो काम करता है, लेकिन उच्च, अधिक जटिल सुर शोर में खो जाते हैं इससे पहले कि आप उन्हें सुन सकें।
अब, कल्पना कीजिए कि यदि आप बैंड को वास्तविक समय (real-time) में सुन सकें, जहाँ हर वाद्ययंत्र एक साथ ज़ोर से और स्पष्ट रूप से बज रहा हो। क्वांटम कंप्यूटर यही करते हैं: वे "रियल-टाइम" सिग्नल उत्पन्न करते हैं जो सभी ऊर्जा स्तरों के मिश्रित होने के साथ दोलन (oscillate) करते हैं। समस्या यह है कि जब आपके पास इतना जटिल सिग्नल होता है, तो व्यक्तिगत सुरों को अलग करने का सामान्य तरीका—फूरियर ट्रांसफॉर्म (Fourier transform) नामक एक गणितीय उपकरण का उपयोग करना—एक धुंधली फोटो देखकर स्टेडियम में एक अकेले गायक की पहचान करने जैसा है। स्पष्ट तस्वीर पाने के लिए आपको प्रदर्शन को अविश्वसनीय रूप से लंबे समय तक देखना होगा, लेकिन वर्तमान क्वांटम कंप्यूटर बहुत शोर वाले और अल्पजीवी हैं कि वे इतने लंबे समय तक एक सुर को थामे न रख सकें। यह पेपर एक सरल लेकिन शक्तिशाली प्रश्न पूछता है: क्या बिना अनंत काल तक प्रतीक्षा किए, वास्तविक समय में वाद्ययंत्रों को अलग करने का कोई स्मार्ट तरीका है?
लेखक, वैलेरी सिमोनियन, पाउलो एफ. बेडाके, और ग्रेगरी रिजवे कहते हैं कि हाँ। वे शास्त्रीय भौतिकी में उपयोग की जाने वाली एक पुरानी तकनीक से उधार लिया गया एक चतुर तरीका प्रस्तावित करते हैं, जिसे शोर भरी, वास्तविक समय की क्वांटम दुनिया के लिए अनुकूलित किया गया है। सिग्नल के शांत होने का इंतज़ार करने या शोर को धुंधला करने के बजाय, वे इस अस्त-व्यस्त सिग्नल को एक पहेली की तरह लेते हैं। वे 'सुनने के विभिन्न केंद्रों' (गणितीय ऑपरेटरों) का एक सेट लेते हैं और मापते हैं कि वे समय के साथ एक-दूसरे से कैसे बात करते हैं, जिससे संबंधों का एक मैट्रिक्स बनता है। फिर, वे एक "सामान्यीकृत आइजनवैल्यू समस्या" (generalized eigenvalue problem) को हल करते हैं—जो इन विभिन्न सुनने के केंद्रों के विशिष्ट संयोजनों को खोजने का एक शानदार तरीका है जो प्रत्येक ऊर्जा स्तर को अलग करता है, लगभग एक रेडियो को ट्यून करने जैसा जिससे स्टेटिक के बीच एक एकल स्टेशन को खोजा जा सके।
टीम ने इस विचार का परीक्षण "फजी -मॉडल" पर किया, जो ब्रह्मांड को समझने के लिए उपयोग किए जाने वाले जटिल फील्ड थ्योरीज का एक सरलीकृत संस्करण है। उन्होंने क्लासिकल कंप्यूटरों पर सिमुलेशन चलाए और इसे एक वास्तविक क्वांटम कंप्यूटर, IonQ Forte-Enterprise पर भी आज़माया। परिणाम उत्साहजनक थे: उनकी विधि उच्च सटीकता के साथ कई निम्न-ऊर्जा स्तरों को सफलतापूर्वक निकाल सकती थी, भले ही उनके पास सुनने के लिए समय बहुत कम था जब पारंपरिक फूरियर ट्रांसफॉर्म विधि काम करती है। वास्तव में, लेखकों ने पाया कि उनका दृष्टिकोण मानक विधि की तुलना में काफी अधिक कुशल था। जबकि पारंपरिक विधि को चोटियों (peaks) को स्पष्ट रूप से पहचानने के लिए (लैटिस इकाइयों में) के समय विस्तार की आवश्यकता थी, उनकी नई विधि बहुत कम समय के साथ उन्हीं स्तरों को हल कर सकती थी।
हालाँकि, लेखक इस बात का दावा करने में सावधान हैं कि उन्होंने क्वांटम स्पेक्ट्रोस्कोपी की पूरी समस्या को हल कर लिया है। उनकी सफलता काफी हद तक एक अच्छे "अनुमानित ग्राउंड स्टेट" को रखने और ऑपरेटरों के एक सेट पर निर्भर थी जो उन अवस्थाओं के स्थान (space) को कवर कर सके जिनमें वे रुचि रखते थे। अपने सिमुलेशन में, उन्होंने सब-परसेंट (प्रतिशत से कम) सटीकता प्राप्त की, लेकिन जब वे वास्तविक क्वांटम हार्डवेयर पर गए, तो परिणाम थोड़े अलग थे। उनके द्वारा मापा गया निम्नतम ऊर्जा स्तर सटीक मान की तुलना में लगभग 5.3% कम था, और इस विसंगति का कारण "ट्रोटर एरर" (समय को चरणों में तोड़ने के दौरान होने वाली छोटी गलतियाँ) और क्वांटम डिवाइस का स्वाभाविक शोर था। लेखक नोट करते हैं कि जबकि यह विधि सिद्धांत और सिमुलेशन में खूबसूरती से काम करती है, वर्तमान हार्डवेयर सीमाएँ यह दर्शाती हैं कि परिणाम अभी भी एक अनुमान हैं, पूर्ण माप नहीं।
अंततः, यह पेपर सुझाव देता है कि वास्तविक-समय के डेटा को अनुकूलित करके, हम ऊर्जा स्पेक्ट्रा को पहले की तुलना में बहुत तेज़ी से निकाल सकते हैं। इसके लिए सिग्नल के क्षय होने की आवश्यकता नहीं है, और न ही यह उन असंभव लंबी सुसंगतता अवधियों (coherence times) की मांग करता है जिनसे वर्तमान क्वांटम कंप्यूटर संघर्ष करते हैं। हालांकि यह तरीका कोई जादुई छड़ी नहीं है जो सभी हार्डवेयर त्रुटियों को ठीक कर दे, यह क्वांटम ब्रह्मांड को सुनने के लिए एक नया, अधिक कुशल मार्ग प्रदान करता है, विशेष रूप से उन स्थितियों में जहाँ पारंपरिक विधियाँ विफल हो जाती हैं, जैसे कि उन सिद्धांतों का अध्ययन करना जिनमें "साइन प्रॉब्लम" (sign problem) होता है जो मानक सिमुलेशन को असंभव बना देता है। लेखक निष्कर्ष निकालते हैं कि यह दृष्टिकोण भविष्य के स्पेक्ट्रोस्कोपी के लिए एक स्वाभाविक उम्मीदवार है, बशर्ते हम ग्राउंड स्टेट और उन ऑपरेटरों के लिए अच्छे अनुमान पा सकें जिनका उपयोग हम उसे प्रोब करने के लिए करते हैं।
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।