The optimization landscape of peaked-circuit generation
यह शोध पत्र पीक्ड-सर्किट जनरेशन (peaked-circuit generation) के ऑप्टिमाइज़ेशन लैंडस्केप की जांच करता है, यह प्रदर्शित करते हुए कि हालांकि बैरन प्लेटो (barren plateau) की घटना मौजूद है, यह प्रति क्वबिट देखे गए एक्सपोनेंशियल क्षय (exponential decay) की व्याख्या नहीं करती है, और यह सिद्ध करते हुए कि कोई भी पॉलीनोमियल-पैरामीटर परिवार डीप लिमिट (deep limit) में पॉलीनोमियलली स्केल किए गए एक्सपोनेंशियल क्षय से बेहतर प्राप्त नहीं कर सकता 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
क्वांटम खजाना खोज: एक असंभव का मानचित्र
कल्पना कीजिए कि आप एक ऐसी मशीन बनाने की कोशिश कर रहे हैं जो उन समस्याओं को हल कर सके जो इतनी कठिन हैं कि दुनिया के सबसे तेज़ सुपरकंप्यूटरों को भी उन्हें सुलझाने में लाखों साल लग जाएंगे। यह "क्वांटम एडवांटेज" का सपना है। लेकिन इसमें एक पेंच है: यह साबित करने के लिए कि मशीन वास्तव में काम कर रही थी, आपको उसका उत्तर जांचना होगा। यदि समस्या बहुत बड़ी है, तो उत्तर की जांच करने में उतना ही समय लगता है जितना उसे हल करने में, जिससे पूरा प्रयोग निरर्थक हो जाता है। यह एक जासूस को हत्या की गुत्थी सुलझाने के लिए काम पर रखने जैसा है, लेकिन यह सत्यापित करने का एकमात्र तरीका कि उसने हत्यारे को ढूंढ लिया है, वह यह है कि आप स्वयं पूरे मामले को फिर से सुलझाएं।
इससे बचने के लिए, वैज्ञानिकों ने "पीक्ड सर्किट्स" (peaked circuits) नामक एक चतुर तरकीब प्रस्तावित की। क्वांटम मशीन से घास के ढेर में सुई खोजने के लिए कहने के बजाय, वे उससे एक विशिष्ट, पहले से चुनी गई सुई खोजने के लिए कहते जिसे चुनने की संभावना बहुत अधिक हो। यदि मशीन इस विशिष्ट सुई को बार-बार आउटपुट करती है, तो एक इंसान जल्दी से सत्यापित कर सकता है, "हाँ, यही वह है!" समस्या यह है, हमें इस क्वांटम मशीन को डिजाइन करने के लिए एक क्लासिकल कंप्यूटर की आवश्यकता है। यह एक विशेष बादल जैसा स्वाद देने वाले केक की रेसिपी लिखने की कोशिश करने जैसा है। रेसिपी इतनी रैंडम होनी चाहिए कि वह एक सामान्य केक की तरह दिखे, लेकिन इतनी "पीक्ड" होनी चाहिए कि वह हमेशा उसी एक बादल जैसा स्वाद दे।
यह शोध पत्र उस रेसिपी के "ऑप्टिमाइज़ेशन लैंडस्केप" (optimization landscape) की एक गहरी पड़ताल है। इस परिदृश्य (लैंडस्केप) को एक विशाल, धुंधले पर्वत श्रृंखला के रूप में सोचें जहाँ इलाके की ऊंचाई यह दर्शाती है कि रेसिपी कितनी अच्छी है। लक्ष्य सबसे ऊँची चोटी को खोजना है। लेखक यह परीक्षण कर रहे हैं कि क्या वे एक स्मार्ट एल्गोरिदम (एक हाइकर/पर्वतारोही) का उपयोग करके इस पहाड़ पर चढ़ सकते हैं और सबसे अच्छी रेसिपी पा सकते हैं, या क्या पहाड़ इस तरह से बनाया गया है कि वह हर हाइकर को एक उथली घाटी में फंसा देता है, चाहे वे कितनी भी कोशिश क्यों न करें। वे अनिवार्य रूप से इस इलाके का मानचित्र बना रहे हैं ताकि यह देख सकें कि क्या "हाइकर" केवल चढ़ने में बुरा है, या पहाड़ खुद जीतने के लिए असंभव है।
शोध पत्र: धुंधले पहाड़ का मानचित्रण
लेखक, इलयेस जैमुसी (Ilyes Jamoussi), यह परीक्षण करने के लिए एक विशिष्ट सिद्धांत को चुनौती देते हैं कि इन "पीक्ड" क्वांटम सर्किट्स को खोजना इतना कठिन क्यों है। एक पिछले अध्ययन ने सुझाव दिया था कि कठिनाई एक "बैरेन प्लेटो" (barren plateau) के कारण थी—पहाड़ पर एक विशाल, सपाट क्षेत्र जहाँ ज़मीन इतनी समतल है कि एक हाइकर यह नहीं बता सकता कि ऊपर की दिशा कौन सी है। उन्होंने सोचा कि हाइकर बस इस सपाटपन में खो गया और हार मान ली।
जैमुसी की टीम ने अत्यधिक सटीकता के साथ इस पहाड़ का मानचित्रण करने का निर्णय लिया। उन्होंने केवल कुछ स्थानों को नहीं देखा; उन्होंने 8 से 16 "क्यूबिट्स" (क्वांटम सूचना की बुनियादी इकाइयाँ) के क्वांटम सिस्टम के लिए पूरे इलाके का सिमुलेशन किया। उन्होंने अलग-अलग शुरुआती बिंदुओं और अलग-अलग चढ़ने की रणनीतियों का उपयोग करके हजारों "हाइक्स" (ऑप्टिमाइज़ेशन प्रयास) चलाए ताकि वे वास्तव में कितनी ऊँचाई तक पहुँच सकते हैं।
पहाड़ खड़ा है, सपाट नहीं
पहला बड़ा खुलासा यह है कि "बैरेन प्लेटो" का सिद्धांत काफी हद तक गलत है। लेखक ने पाया कि पहाड़ एक सपाट, विशेषताहीन मैदान नहीं है। वास्तव में, इलाका काफी ऊबड़-खाबड़ है। "हाइकर" (ऑप्टिमाइज़ेशन एल्गोरिदम) इसलिए नहीं फंस रहे हैं क्योंकि ज़मीन सपाट है; वे इसलिए फंस रहे हैं क्योंकि जैसे-जैसे पहाड़ बड़ा होता जाता है, वह और अधिक खड़ा (steep) होता जाता है।
उन्होंने पाया कि प्रत्येक अतिरिक्त क्यूबिट जोड़ने के लिए, जो सर्वोत्तम संभव "पीक" (शिखर) एल्गोरिदम तक पहुँच सकता था, वह लगभग 1.3 के कारक से गिर गया। यह एक ऐसी सीढ़ी चढ़ने की कोशिश करने जैसा है जहाँ हर नया डंडा पिछले वाले से 30% ऊँचा है, लेकिन आपकी चढ़ने की क्षमता स्थिर रहती है। चाहे हाइकर कितना भी अच्छा क्यों न हो, पहाड़ उनकी चढ़ने की क्षमता से अधिक तेज़ी से बढ़ता है।
"फिक्स्ड बेस" का मिथक
पिछले अध्ययन ने दावा किया था कि कठिनाई एक स्थिर, अनुमानित दर ("फिक्स्ड बेस" लगभग 1.19 प्रति क्यूबिट) से बढ़ती है। इसका अर्थ यह होता कि एक बड़े सिस्टम (जैसे 50 क्यूबिट्स) के लिए, शिखर अभी भी सुलभ होता। जैमुसी के डेटा ने इस विचार को पूरी तरह से ध्वस्त कर दिया। उनके माप दिखाते हैं कि कठिनाई लगातार नहीं बढ़ती; यह त्वरित होती है। गिरावट की दर बड़े सिस्टम होने पर 1.16 से 1.295 (और कुछ मामलों में 1.32 तक) तक तीव्र हो जाती है। इसका मतलब है कि 50-क्यूबिट सिस्टम के लिए पिछला अनुमान बेहद आशावादी था। पहाड़ सिर्फ ऊँचा नहीं है; यह किसी के भी अनुमान से कहीं अधिक तेज़ी से ऊपर की ओर मुड़ रहा है।
हाइकर बनाम पहाड़
इस शोध पत्र का सबसे रोमांचक हिस्सा विभिन्न "हाइकर्स" का परीक्षण है। लेखक ने अपने मानक चढ़ने वाले एल्गोरिदम (Adam) की तुलना L-BFGS-B नामक एक अधिक उन्नत एल्गोरिदम से की।
- परिणाम: उनके द्वारा परीक्षण किए गए सबसे बड़े आकार (16 क्यूबिट्स) पर, उन्नत हाइकर (L-BFGS-B) मानक वाले की तुलना में लगभग 3.9% अधिक ऊँचा चढ़ने में सफल रहा।
- पेंच: भले ही यह नया हाइकर बेहतर था, लेकिन यह पहाड़ को और अधिक खड़ा होने से नहीं रोक सका। "रीच" (वे कितनी ऊँचाई तक पहुँचे) प्रत्येक नए क्यूबिट के लिए 1.3 के कारक से घटती गई।
- निष्कर्ष: इस छोटी सी जीत ने यह साबित कर दिया कि पिछला "हार्डनेस" अनुमान (यह विचार कि कोई भी कुशल विधि मौजूद नहीं है) तकनीकी रूप से गलत था। एक बेहतर एल्गोरिदम थोड़ा बेहतर कर सकता है। हालाँकि, इसने समस्या को हल नहीं किया। बड़े पैमाने पर पहाड़ों को जीतने के लिए पहाड़ अभी भी बहुत खड़ा है।
कोई जाल नहीं, बस एक गहरी शेल्फ (Shelf)
लेखक ने यह भी देखा कि क्या हाइकर "लोकल ऑप्टिमा" (local optima) में फंस रहे हैं—छोटी घाटियाँ जो ऊँची दीवारों से घिरी हुई हैं और जो शिखर जैसी दिखती हैं लेकिन वास्तव में नहीं हैं। उन्होंने पाया कि परिदृश्य वास्तव में एक एकल, जुड़ी हुई "शेल्फ" है। अच्छे समाधानों को अलग करने वाले कोई गहरे, अलग-ता हुआ जाल नहीं हैं। आप एक अच्छे समाधान से दूसरे तक बिना किसी खाई में गिरे जा सकते हैं।
हालाँकि, यह शेल्फ "कोरुगेटेड" (ऊबड़-खाबड़) है। जैसे-जैसे सिस्टम बड़ा होता है, उभार (bumps) गहरे होते जाते हैं। 8 से 16 क्यूबिट्स तक बढ़ने पर, इन उभारों का "फ्लोर" (तल) शिखर की ऊँचाई के 73% से गिरकर 23% रह जाता है। यह एक ऐसी शेल्फ पर चलने जैसा है जो धीरे-धीरे एक ऊबड़-खाबड़, गहरी खाई में बदल रही है। हाइकर इसके ऊपर चल तो सकते हैं, लेकिन जितनी दूर वे जाएंगे, रास्ता उतना ही खतरनाक होता जाएगा।
इसका क्या अर्थ है
शोध पत्र इस निष्कर्ष पर पहुँचता है कि इन क्वांटम सर्किट्स को उत्पन्न करने की कठिनाई इसलिए नहीं है कि एल्गोरिदम एक सपाट कोहरे में खो रहे हैं (बैरेन प्लेटो) या इसलिए कि वे छिपे हुए जाल में गिर रहे हैं। इसके बजाय, समस्या यह है कि जो संभव है उसकी "छत" (ceiling) सिस्टम के बढ़ने के साथ तेजी से घट रही है।
जबकि एक थोड़ा बेहतर एल्गोरिदम कुछ प्रतिशत प्रदर्शन निकाल सकता है, मौलिक बाधा बनी हुई है: प्रत्येक नए क्यूबिट के लिए, कार्य लगभग 1.3 गुना कठिन होता जाता है। लेखक सिद्ध करते हैं कि गहरे सीमा (deep limit) में, पॉलीनोमियल संख्या में पैरामीटरों का उपयोग करने वाला कोई भी परिवार औसत रूप से इस घटती हुई छत को मात नहीं दे सकता। पहाड़ जुड़ा हुआ है, लेकिन यह हमारी सोच से कहीं अधिक तेज़ी से ऊँचा हो रहा है।
संक्षेप में, शोध पत्र इस परिदृश्य का मानचित्रण करता है और कहता है: "पहाड़ वास्तविक है, यह जुड़ा हुआ है, लेकिन यह हमारी सोच से कहीं अधिक तेज़ी से खड़ा हो रहा है। हमने थोड़े बेहतर जूते तो ढूंढ लिए हैं, लेकिन हम अभी भी शिखर तक नहीं पहुँच सकते।"
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।