Designing Quantum Error Correcting Codes to fit decoders via Reinforcement Learning
यह शोध पत्र प्रॉक्सिमल पॉलिसी ऑप्टिमाइज़ेशन का उपयोग करते हुए एक सुदृढीकरण शिक्षण (reinforcement learning) ढांचे को प्रस्तुत करता है जो द्विचर बाइसिकल (Bivariate Bicycle) क्वांटम त्रुटि सुधार कोड और उनके डिकोडर्स को सह-डिज़ाइन करता है, जिससे डिपोलराइजिंग शोर (depolarizing noise) के तहत डिकोडर प्रदर्शन को अधिकतम करने के लिए कोड जनरेशन प्रक्रिया को अनुकूलित किया जाता 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 मैकेनिक्स के विचित्र नियमों का उपयोग करके समस्याओं को हल करने वाला कंप्यूटर बनाना समय और शोर (noise) के विरुद्ध एक दौड़ है। इन मशीनों में, सूचना को क्यूबिट्स (qubits) नामक सूक्ष्म कणों में संग्रहीत किया जाता है, जो अविश्वसनीय रूप से नाजुक होते हैं। गर्मी की एक हल्की सी आहट या एक भटकता हुआ चुंबकीय क्षेत्र भी उनके द्वारा रखे गए डेटा को दूषित कर सकता है, जिससे एक गणना कचरे में बदल सकती है। इसे रोकने के लिए, वैज्ञानिक क्वांटम एरर करेक्शन (quantum error correction) नामक तकनीक का उपयोग करते हैं। वे कई भौतिक क्यूबिट्स को लेते हैं और उन्हें एक एकल, अधिक स्थिर सूचना इकाई बनाने के लिए आपस में जोड़ते हैं, जिसे लॉजिकल क्यूबिट (logical qubit) कहा जाता है। यह प्रक्रिया एक सुरक्षा जाल बुनने जैसी है; यदि एक धागा टूट जाता है, तो अन्य संरचना को थामे रखते हैं। हालाँकि, इस जाल को काम करने के लिए, मशीन को लगातार गलतियों की जाँच करनी चाहिए और उन्हें नए दोष उत्पन्न होने से पहले ठीक करना चाहिए। इसके लिए दो चीजों का पूर्ण सामंजस्य में काम करना आवश्यक है: वह कोड जो यह परिभाषित करता है कि क्यूबिट्स कैसे जुड़े हुए हैं, और डिकोडर (decoder), जो एक तेज़ कंप्यूटर प्रोग्राम है जो यह पता लगाता है कि क्या गलत हुआ और उसे कैसे ठीक किया जाए। यदि कोड डिकोडर द्वारा संभालने के लिए बहुत जटिल है, या यदि डिकोडर बहुत धीमा है, तो पूरा सिस्टम विफल हो जाता है।
वर्षों से, शोधकर्ताओं ने इन कोडों के डिज़ाइन और डिकोडरों के डिज़ाइन को अलग-अलग कार्यों के रूप में माना है। वे एक कोड बनाते थे, फिर एक ऐसा डिकोडर खोजने की कोशिश करते थे जो उसे पढ़ सके, या इसके विपरीत। लेकिन यह दृष्टिकोण अक्सर लक्ष्य से चूक जाता है क्योंकि एक डिकोडर का प्रदर्शन उस कोड की विशिष्ट संरचना पर बहुत अधिक निर्भर करता है जिसे वह पढ़ रहा है। एक डिकोडर जो एक प्रकार के कोड के साथ अच्छी तरह काम करता है, वह दूसरे के साथ संघर्ष कर सकता है, भले ही कागज पर दोनों कोड समान दिखते हों। इस नए कार्य को चलाने वाला केंद्रीय प्रश्न सरल है: यदि हम जानते हैं कि एक विशिष्ट डिकोडर वास्तव में कैसे काम करता है, तो क्या हम विशेष रूप से उस डिकोडर को उसके सर्वोत्तम प्रदर्शन के लिए सक्षम बनाने हेतु एक कोड डिज़ाइन कर सकते हैं? इंपीरियल कॉलेज लंदन और माइक्रोसॉफ्ट रिसर्च के शोधकर्ताओं ने इस उत्तर की खोज करने के लिए इस कार्य को शुरू किया, जिसमें कोड के निर्माण को एक स्थिर ब्लूप्रिंट के रूप में नहीं, बल्कि छोटे, क्रमिक विकल्पों की एक यात्रा के रूप में माना गया।
इसे हल करने के लिए, टीम ने आर्टिफिशियल इंटेलिजेंस की एक शाखा की ओर रुख किया जिसे रीइन्फोर्समेंट लर्निंग (reinforcement learning) कहा जाता है। एक वीडियो गेम की कल्पना करें जहाँ एक खिलाड़ी नियमों को बताए बिना, विभिन्न चालें चलकर, यह देखकर कि क्या होता है, और धीरे-धीरे यह समझकर कि कौन सा रास्ता उच्चतम स्कोर की ओर ले जाता है, जीतना सीखता है। इस अध्ययन में, "खिलाड़ी" एक कृत्रिम एजेंट (artificial agent) है, और "खेल" एक क्वांटम एरर-करेक्टिंग कोड का निर्माण है। एजेंट एक खाली स्लेट के साथ शुरू करता है और उस गणितीय संरचना में कई छोटे समायोजन करता है जो कोड को परिभाषित करती है। प्रत्येक छोटे परिवर्तन के बाद, एजेंट यह परीक्षण करने के लिए एक विशिष्ट डिकोडर के विरुद्ध नए कोड का परीक्षण करता है कि वह सिम्युलेटेड शोर (simulated noise) को कितनी अच्छी तरह संभालता है। यदि कोड बेहतर प्रदर्शन करता है, तो एजेंट को एक पुरस्कार मिलता है और वह उस तरह के बदलाव को दोहराना सीखता है। यदि प्रदर्शन खराब होता है, तो वह उस बदलाव से बचने के बारे में सीखता है। हजारों प्रयासों के बाद, एजेंट उस कोड को बनाने की रणनीति सीख जाता है जो उस डिकोडर के लिए पूरी तरह से ट्यून किया गया है जिसके साथ उसे जोड़ा गया है।
शोधकर्ताओं ने कोड के एक विशिष्ट परिवार पर ध्यान केंद्रित किया जिसे बाइवेरिएट बायसाइकिल कोड्स (bivariate bicycle codes) के रूप में जाना जाता है। ये एक प्रकार के क्वांटम कोड हैं जिन्हें चार सरल गणितीय बहुपदों (polynomials) का उपयोग करके वर्णित किया जा सकता है। क्यूबिट्स के अरबों संभावित व्यवस्थाओं की खोज करने के बजाय, एजेंट को केवल यह तय करना था कि इन चार बहुपदों में से किन गुणांकों (coefficients) को बदलना है। इसने खोज के दायरे को प्रबंधनीय बना दिया। एजेंट को प्रॉक्सिमल पॉलिसी ऑप्टिमाइजेशन (Proximal Policy Optimization) नामक पद्धति का उपयोग करके प्रशिक्षित किया गया था, जो यह सुनिश्चित करता है कि सीखने की प्रक्रिया स्थिर और कुशल हो। लक्ष्य एक एकल संख्या को अधिकतम करना था जो कोड के समग्र स्वास्थ्य का प्रतिनिधित्व करती थी: वह वक्र (curve) जिसके नीचे का क्षेत्रफल यह दर्शाता है कि विभिन्न स्तरों के शोर पर कोड कितनी बार विफल होता है। एक बड़ा क्षेत्रफल का अर्थ था कि कोड अधिक मजबूत था, जो वातावरण शोर भरा होने पर भी त्रुटियों को कम रखता था।
परिणामों ने दिखाया कि यह दृष्टिकोण काम करता है। एजेंट ने सफलतापूर्वक नए कोड उत्पन्न करना सीखा जो उसी डिकोडर के लिए मौजूदा, मैन्युअल रूप से डिज़ाइन किए गए बेंचमार्क से बेहतर प्रदर्शन करते हैं। 108 भौतिक क्यूबिट्स वाले एक विशिष्ट टेस्ट केस में, एजेंट ने एक ऐसा कॉन्फ़िगरेशन खोजा जिसने उस आकार के लिए अब तक के सबसे अच्छे ज्ञात कोड की तुलना में उच्च प्रदर्शन स्कोर प्राप्त किया। इस अध्ययन ने केवल एक भाग्यशाली कोड नहीं खोजा; इसने एक 'पॉलिसी' (policy) या नियमों का एक सेट तैयार किया जिसका उपयोग कई ऐसे उच्च-प्रदर्शन वाले कोड उत्पन्न करने के लिए किया जा सकता है। शोधकर्ताओं ने यह भी पाया कि एजेंट एक यादृच्छिक (random), अव्यवस्थित कोड से शुरू कर सकता है और छोटे, जानबूझकर उठाए गए कदमों के माध्यम से, उसे एक अत्यधिक कुशल संरचना में परिष्कृत कर सकता है। यह सुझाव देता है कि एक कोड और उसके डिकोडर के बीच का संबंध स्थिर नहीं है, बल्कि इसे निरंतर सुधार की प्रक्रिया के माध्यम से अनुकूलित किया जा सकता है।
अध्ययन के एक प्रमुख हिस्से में एजेंट को उन कोडों की संरचना को समझने के लिए प्रशिक्षित करना शामिल था जिन्हें वह बना रहा था। शोधकर्ताओं ने एक विशेष न्यूरल नेटवर्क घटक डिज़ाइन किया जो एक कोड के गणितीय विवरण को देख सकता था और यह भविष्यवाणी कर सकता था कि पूरी तरह से परीक्षण किए जाने से पहले ही वह कैसा प्रदर्शन करेगा। इस घटक ने एक शॉर्टकट के रूप में कार्य किया, जिससे एजेंट को यह समझने में मदद मिली कि एक अच्छा कोड कैसा दिखता है, जिससे वह तेजी से सीख सका। उन्होंने इस परीक्षण के लिए घटक को छोटे कोडों पर प्रशिक्षित किया और फिर देखा कि क्या यह बड़े कोडों को डिज़ाइन करने में मदद कर सकता है जिन्हें उसने पहले कभी नहीं देखा था। परिणाम मिश्रित लेकिन उत्साहजनक थे; जबकि घटक विभिन्न आकारों में एक कोड में सूचना इकाइयों की संख्या की काफी सटीक भविष्यवाणी कर सका, सटीक त्रुटि प्रदर्शन (error performance) की भविष्यवाणी करना कठिन था। यह तनाव बताता है कि हालांकि एजेंट अच्छे कोड के संरचनात्मक नियमों को सीख सकता है, लेकिन अंतिम प्रदर्शन सूक्ष्म विवरणों पर निर्भर करता है जो सामान्यीकरण (generalize) करने में कठिन हैं।
यह शोध वर्तमान दृष्टिकोण की सीमाओं पर भी प्रकाश डालता है। प्रशिक्षण शोर के सिमुलेशन का उपयोग करके किया गया था, वास्तविक क्वांटम हार्डवेयर पर नहीं। हालांकि सिमुलेशन इस बात के यथार्थवादी मॉडल पर आधारित हैं कि त्रुटियां कैसे होती हैं, वास्तविक दुनिया अक्सर अधिक जटिल होती है। शोधकर्ताओं ने उल्लेख किया कि उनकी विधि वर्तमान में एक विशिष्ट प्रकार के शोर को मानती है जो सभी क्यूबिट्स को समान रूप से प्रभावित करता है, लेकिन वास्तविक क्वांटम उपकरण अलग-अलग त्रुटि पैटर्न रख सकते हैं। इसके अलावा, अध्ययन ने एक निश्चित डिकोडर आर्किटेक्चर पर ध्यान केंद्रित किया। भविष्य में, शोधकर्ता इस पद्धति को दोनों—कोड और डिकोडर—को एक साथ डिज़ाइन करने के लिए विस्तारित करने की आशा करते हैं, जिससे एक ऐसा सिस्टम बनेगा जहाँ दोनों भाग कुशलतापूर्वक समस्याओं को हल करने के लिए एक साथ विकसित होंगे। उन्होंने यह भी संकेत दिया कि इस पद्धति को अन्य प्रकार के क्वांटम कोड और विभिन्न शोर वातावरणों पर लागू किया जा सकता है, जो भविष्य के लिए अधिक विश्वसनीय क्वांटम कंप्यूटर बनाने में मदद कर सकता है।
अंततः, यह कार्य प्रदर्शित करता है कि क्वांटम एरर-करेक्टिंग कोड का डिज़ाइन केवल एक स्थिर, मैन्युअल प्रक्रिया नहीं होना चाहिए। आर्टिफिशियल इंटेलिजेंस का उपयोग करके संभावित कोडों के विशाल परिदृश्य की खोज करके, शोधकर्ता ऐसे समाधान पा सकते हैं जो उनके पास उपलब्ध विशिष्ट उपकरणों के लिए बेहतर रूप से अनुकूलित हों। अध्ययन से पता चलता है कि जब एक कोड को उसके डिकोडर के साथ सह-डिज़ाइन (co-designed) किया जाता है, तो परिणाम एक ऐसा सिस्टम होता है जो त्रुटियों के प्रति अधिक लचीला होता है। यह दोष-सहिष्णु (fault-tolerant) क्वांटम कंप्यूटिंग की खोज में एक महत्वपूर्ण कदम है, जो यह सिद्ध करता है कि कोड और डिकोडर का सही संयोजन एक नाजुक क्वांटम अवस्था को गणना के लिए एक मजबूत उपकरण में बदल सकता है। निष्कर्ष बताते हैं कि दोष-सहिष्णु क्वांटम कंप्यूटिंग का मार्ग न केवल बेहतर हार्डवेयर में, बल्कि अधिक स्मार्ट, अधिक अनुकूलन योग्य सॉफ्टवेयर में भी निहित है जो उस सूचना की रक्षा करना सीखता है जिसे वह वहन करता है।
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।