Efficient Hamiltonian Truncation: Fast Matrix Construction and Quantum Krylov Diagonalization

कल्पना कीजिए कि ब्रह्मांड एक विशाल, ब्रह्मांडीय ऑर्केस्ट्रा है। यह संगीत कैसे काम करता है, इसे समझने के लिए, भौतिक विज्ञानी हर कण और बल के लिए "शीट संगीत" (sheet music) लिखने की कोशिश करते हैं, जिसे क्वांटम फील्ड थ्योरी के रूप में जाना जाता है। लेकिन जब संगीत बहुत तेज़ और अराजक हो जाता है—जब कण तीव्रता से और बेतहाशा परस्पर क्रिया करते हैं—तो शीट संगीत को पढ़ने के मानक तरीके टूट जाते हैं। यह एक एकल वर्षा की बूंद को देखकर मौसम की भविष्यवाणी करने की कोशिश करने जैसा है; जटिलता बहुत अधिक है।

इससे निपटने के लिए, वैज्ञानिक "हैमिल्टनियन ट्रंकेशन" (Hamiltonian truncation) नामक तकनीक का उपयोग करते हैं। इसे एक ऑर्केस्ट्रा के मॉडल बनाने के रूप में सोचें, लेकिन इसमें हर उस वाद्य यंत्र को शामिल करने के बजाय जो संभवतः मौजूद हो सकता है (जो कि अनंत होगा), वे केवल सबसे तेज़, सबसे ऊर्जावान वाद्य यंत्रों को एक निश्चित वॉल्यूम सीमा तक शामिल करते हैं। यह अध्ययन के लिए नोट्स की एक प्रबंधनीय, सीमित सूची बनाता है। हालाँकि, एक पेंच है: जैसे-जैसे वे संगीत को सुनने के लिए वॉल्यूम सीमा बढ़ाते हैं, नोट्स के संभावित संयोजन विस्फोट की तरह बढ़ते हैं। यह इतनी तेज़ी से बढ़ता है कि दुनिया के सबसे शक्तिशाली सुपरकंप्यूटर भी अभिभूत हो जाते हैं, पहेली को हल करने से पहले मेमोरी और समय की कमी का सामना करते हैं। यह शोध पत्र इस बारे में है कि उस मॉडल को बनाने का एक स्मार्ट तरीका और नोट्स को पढ़ने का एक नया तरीका कैसे खोजा जाए, बिना उन सभी को लिखे।

---

समस्या: एक लाइब्रेरी जो बहुत तेज़ी से बढ़ती है

कण भौतिकी (particle physics) की दुनिया में, शोधकर्ताओं को अक्सर कणों के ऊर्जा स्तरों की गणना करने की आवश्यकता होती है, जो एक गिटार स्ट्रिंग द्वारा बजाए जा सकने वाले विशिष्ट नोट्स को खोजने के समान है। यह शोध पत्र हैमिल्टनियन ट्रंकेशन नामक एक विधि पर केंद्रित है। कल्पना कीजिए कि आप एक जटिल प्रणाली की भविष्यवाणी करने की कोशिश कर रहे हैं, जैसे कि एक स्टेडियम में घूमती भीड़। ऐसा करने के लिए, आप हर उस तरीके को सूचीबद्ध करते हैं जिससे लोग व्यवस्थित हो सकते हैं। लेकिन यदि आप पूरी दुनिया के हर व्यक्ति को शामिल करने की कोशिश करते हैं, तो सूची अनंत और प्रबंधित करना असंभव हो जाती है।

इसलिए, भौतिक विज्ञानी एक "कटऑफ" निर्धारित करते हैं। वे कहते हैं, "हम केवल उन व्यवस्थाओं को देखेंगे जहाँ कुल ऊर्जा एक निश्चित सीमा से नीचे है।" यह सूची को सीमित बनाता है। लेकिन यहाँ समस्या है: जैसे-जैसे वे अधिक सटीक चित्र प्राप्त करने के लिए उस ऊर्जा सीमा को बढ़ाते हैं, व्यवस्थाओं की संख्या केवल बढ़ती नहीं है; बल्कि वह विस्फोट की तरह बढ़ जाती है। यह समुद्र तट पर रेत के कणों को गिनने की कोशिश करने जैसा है, लेकिन हर बार जब आप रेत की एक बाल्टी जोड़ते हैं, तो समुद्र तट का आकार दोगुना हो जाता है। लंबे समय तक, यह घातीय वृद्धि (exponential growth) एक बाधा रही है, जिसने वैज्ञानिकों को अधिक जटिल और दिलचस्प सिद्धांतों का अध्ययन करने से रोका है।

समाधान: एक तीन-भाग वाला टूलकिट

इस शोध पत्र के लेखक, जो फ्लोरिडा विश्वविद्यालय, अलबामा विश्वविद्यालय और कार्ल्सरूहे इंस्टीट्यूट ऑफ टेक्नोलॉजी की एक टीम है, ने इस सीमा को केवल स्वीकार नहीं किया। उन्होंने चीज़ों को तेज़ करने और क्वांटम कंप्यूटिंग के भविष्य के लिए तैयार करने के लिए एक तीन-भाग वाली रणनीति विकसित की।

1. सूची को स्मार्ट तरीके से बनाना (पूर्णांक विभाजन - Integer Partitions)

सबसे पहले, उन्हें अवस्थाओं (particles की "व्यवस्थाओं") की सूची बनाने का एक बेहतर तरीका चाहिए था। पुराना तरीका ब्लॉकों को बेतरतीब ढंग से एक के ऊपर एक रखने और यह जाँचने जैसा था कि क्या वे फिट बैठते हैं, जो अविश्वसनीय रूप से धीमा है।

टीम ने पूर्णांक विभाजन (integer partitions) पर आधारित एक नया एल्गोरिदम बनाया। इसे एक पहेली के रूप में सोचें जहाँ आपके पास एक संख्या (कुल ऊर्जा) है और आपको उसे छोटे पूर्णांकों में तोड़ना है जो उस कुल योग को जोड़ते हैं। अनुमान लगाने के बजाय, उनकी नई विधि इन संयोजनों को व्यवस्थित रूप से बनाती है। यह एक मास्टर कुंजी होने जैसा है जो केवल उन्हीं कमरों के दरवाज़े खोलती है जिनकी आपको वास्तव में आवश्यकता है, खाली कमरों को छोड़ते हुए। उन्होंने पाया कि यह विधि पिछले "बेंचमार्क" दृष्टिकोण की तुलना में काफी तेज़ है, जिससे वे कम समय में अवस्थाओं की बहुत बड़ी सूचियों को संभाल सकते हैं।

2. रिक्त स्थानों को भरना (स्पार्स मैट्रिसेस - Sparse Matrices)

एक बार जब उनके पास अवस्थाओं की सूची होती है, तो उन्हें यह गणना करने की आवश्यकता होती है कि वे एक-दूसरे के साथ कैसे परस्पर क्रिया करती हैं। यह एक विशाल ग्रिड, या "मैट्रिक्स" बनाकर किया जाता है, जहाँ प्रत्येक सेल दो अवस्थाओं के बीच की परस्पर क्रिया का प्रतिनिधित्व करता है। पुराने दिनों में, वे इस ग्रिड के हर सेल को भरने की कोशिश करते थे, भले ही उनमें से 99.9% खाली हों (क्योंकि अधिकांश अवस्थाएँ सीधे परस्पर क्रिया नहीं करती हैं)।

लेखकों ने महसूस किया कि ग्रिड स्पार्स (sparse) है—यह ज्यादातर खाली स्थान है। उन्होंने एक "सिमेट्री-अवेयर" (symmetry-aware) एल्गोरिदम विकसित किया जो एक ऐसे जासूस की तरह काम करता है जो केवल वहीं सुराग खोजता है जहाँ उनके होने की संभावना अधिक होती है। भौतिकी के नियमों (जैसे संवेग का संरक्षण) का उपयोग करके यह अनुमान लगाने के लिए कि परस्पर क्रियाएं वास्तव में कहाँ होती हैं, वे खाली सेल्स को पूरी तरह से छोड़ देते हैं। यह मैट्रिक्स बनाने में लगने वाले समय को कुछ दिनों से घटाकर कुछ सेकंड में बदल देता है। यह शतरंज के बोर्ड के हर वर्ग को पेंट करने बनाम केवल उन वर्गों को पेंट करने के बीच का अंतर है जहाँ मोहरे वास्तव में चलते हैं।

3. सभी को लिखे बिना नोट्स को पढ़ना (क्वांटम क्रायलोव - Quantum Krylov)

अंतिम बाधा ऊर्जा स्तरों को खोजने के लिए मैट्रिक्स को हल करना है। पारंपरिक रूप से, आपको उत्तर प्राप्त करने के लिए पूरे विशाल ग्रिड को प्रोसेस करना पड़ता है। लेकिन लेखकों ने क्वांटम क्रायलोव डायगोनलाइजेशन (Quantum Krylov Diagonalization) नामक एक विधि का पता लगाया।

कल्पना कीजिए कि आप जानना चाहते हैं कि पियानो के सबसे निचले स्वर क्या हैं। पूरे पियानो की हर कुंजी को टेस्ट करने के बजाय (जिसमें बहुत समय लगता है), आप कुछ विशिष्ट कुंजियों को दबाते हैं और सुनते हैं कि ध्वनि कैसे गूँजती है। उन गूँजों का विश्लेषण करके, आप शेष कीबोर्ड को छुए बिना ही सबसे निचले स्वरों का पता लगा सकते हैं।

इस शोध पत्र में, लेखकों ने इस विचार का परीक्षण करने के लिए एक क्लासिकल सिमुलेशन का उपयोग किया। उन्होंने अभी तक वास्तविक क्वांटम कंप्यूटर का उपयोग नहीं किया है; इसके बजाय, उन्होंने सिम्युलेट किया कि एक क्वांटम कंप्यूटर कैसे व्यवहार करेगा। उन्होंने पाया कि यह विधि कुल जानकारी के एक बहुत छोटे अंश का उपयोग करके सबसे महत्वपूर्ण ऊर्जा स्तरों (निम्न-स्तरीय स्पेक्ट्रम) को निकाल सकती है। यह पूरे द्वीप का सर्वेक्षण करने के बजाय केवल कुछ लैंडमार्क को देखकर खजाने का नक्शा खोजने जैसा है।

उन्होंने क्या पाया

टीम ने दो विशिष्ट सिद्धांतों पर अपने नए तरीकों का परीक्षण किया: एक सरल "फ्री मैसिव स्केलर" सिद्धांत (जिसे वे अपने काम की जाँच के लिए सटीक रूप से हल कर सकते थे) और एक अधिक जटिल "ϕ4 थ्योरी" (जो हल करने में कठिन है)।

• गति में लाभ: अवस्थाओं की सूची बनाने के लिए उनका नया "इंटीजर पार्टीशन" तरीका पुराने तरीके की तुलना में बहुत तेज़ था। उनके नए मैट्रिक्स-फिलिंग एल्गोरिदम ने भी समय को काफी कम कर दिया। एक बड़े प्रश्न के लिए, पुराना तरीका एक दिन ले सकता था, जबकि उनका नया तरीका इसे कुछ मिनटों में कर सकता है।
• सटीकता: उन्होंने दिखाया कि उनका नया "क्वांटम क्रायलोव" तरीका उच्च सटीकता के साथ सही ऊर्जा स्तरों को खोज सकता है। भले ही उन्होंने गणना करने के लिए बहुत छोटे "सबस्पेस" (पूर्ण डेटा का एक छोटा हिस्सा) का उपयोग किया था, फिर भी परिणाम पूर्ण, भारी गणना के लगभग समान थे।
• भविष्य: शोध पत्र सुझाव देता है कि जैसे-जैसे हम बड़े और अधिक जटिल समस्याओं की ओर बढ़ेंगे, बाधा बदल जाएगी। यह अब अवस्थाओं की सूची बनाने के बारे में नहीं होगा (क्योंकि उनके नए एल्गोरिदम इसे अच्छी तरह से संभालते हैं); चुनौती मैट्रिक्स को हल करने की होगी। यहीं पर उनका क्वांटम क्रायलोव तरीका चमकता है, जो एक ऐसा मार्ग प्रदान करता है जो अंततः वास्तविक क्वांटम कंप्यूटरों पर चल सकता है।

निष्कर्ष

यह शोध पत्र यह दावा नहीं करता है कि इसने भौतिकी की सबसे कठिन समस्याओं को हल कर लिया है। इसके बजाय, यह एक शक्तिशाली नया टूलकिट प्रदान करता है। यह दिखाता है कि डेटा उत्पन्न करने और उत्तर खोजने के बारे में स्मार्ट होकर, हम अपनी गणना की सीमाओं को आगे बढ़ा सकते हैं। लेखक सुझाव देते हैं कि ये तकनीकें ब्रह्मांड की सबसे अराजक अंतःक्रियाओं का अनुकरण करने के लिए क्वांटम कंप्यूटरों का उपयोग करने की दिशा में एक महत्वपूर्ण कदम हैं, जो एक ऐसी समस्या को जो पहले असंभव थी, उसे केवल बहुत कठिन लेकिन हल करने योग्य में बदल देती हैं।