Direct fidelity estimation through joint fiducial grouping
यह शोध पत्र "जॉइंट फिडुशियल ग्रुपिंग" (joint fiducial grouping) प्रस्तुत करता है, जो एक ऐसी तकनीक है जो निरंतर रूप से पैरामीटराइज्ड क्वांटम गेट्स के लिए डायरेक्ट फिडेलिटी एस्टीमेशन के मेजरमेंट ओवरहेड को सर्किट कॉन्टेक्स्ट को संरक्षित करते हुए महत्वपूर्ण रूप से कम करने के लिए पॉली पेयर्स (Pauli pairs) को कम्यूटिंग सेट्स में विभाजित करती 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 कंप्यूटर उन समस्याओं को हल करने का वादा करते हैं जो आज की मशीनों के लिए असंभव हैं, लेकिन वे अविश्वसनीय रूप से नाजुक होते हैं। सूचना के जो बिट्स वे उपयोग करते हैं, जिन्हें क्यूबिट्स (qubits) कहा जाता है, वे अपने परिवेश से आसानी से विक्षुब्ध हो जाते हैं, जिससे वे गलतियाँ करने लगते हैं। एक ऐसी मशीन बनाने के लिए जो बिना ध्वस्त हुए जटिल गणनाएँ कर सके, वैज्ञानिकों को यह सुनिश्चित करना चाहिए कि कंप्यूटर द्वारा किया गया प्रत्येक ऑपरेशन लगभग त्रुटिहीन हो। यह आवश्यकता इतनी सख्त है कि सूक्ष्म त्रुटियाँ भी, जो एक सामान्य सर्किट में नगण्य लग सकती हैं, संचित होकर पूरी प्रक्रिया को खराब कर सकती हैं। चुनौती केवल इन बिट्स को चलाने वाले गेट्स को अलग से सही ढंग से काम करने के लिए बनाने की नहीं है, बल्कि यह सुनिश्चित करने की भी है कि वे अन्य ऑपरेशनों, निष्क्रिय अवधियों और चिप की विशिष्ट वायरिंग के बीच रहते हुए भी सही ढंग से काम करें। यह परिवेश, जिसे संदर्भ (context) कहा जाता है, यह बदल देता है कि त्रुटियाँ कैसे व्यवहार करती हैं, जिसका अर्थ है कि एक गेट जो एक सेटिंग में अच्छा काम करता है, वह दूसरी सेटिंग में विफल हो सकता है।
इन त्रुटियों को ठीक करने के लिए, शोधकर्ताओं को यह मापने के तरीके की आवश्यकता है कि एक क्वांटम गेट वास्तव में अपने वास्तविक कार्य वातावरण के भीतर कितनी सटीकता से प्रदर्शन कर रहा है। पारंपरिक तरीकों में अक्सर शोर (noise) को औसत निकालना या गलतियों की जाँच के लिए सर्किट को उल्टा चलाना शामिल होता है, लेकिन ये दृष्टिकोण उन संदर्भ-निर्भर त्रुटियों को छिपा सकते हैं जिन्हें ठीक करने की आवश्यकता है। एक अधिक सीधा तरीका मौजूद है, जिसमें गेट से पहले विशिष्ट सरल अवस्थाओं (states) को तैयार करना और तुरंत बाद उन्हें मापना शामिल है। हालाँकि, आधुनिक क्वांटम प्रोसेसर में उपयोग किए जाने वाले जटिल, निरंतर समायोज्य (continuously adjustable) गेटों के लिए, यह सीधा तरीका अत्यधिक खर्चीला हो जाता है। इसके लिए परीक्षण किए जा रहे इनपुट और आउटपुट अवस्थाओं के प्रत्येक संयोजन के लिए एक अद्वितीय सेटअप की आवश्यकता होती है, जिससे प्रयोगात्मक विन्यासों की एक विशाल संख्या बन जाती है जिसे चलाने में बहुत अधिक समय लगता है।
शोधकर्ताओं ने इस सीधे माप को फिर से व्यावहारिक बनाने के लिए एक नई रणनीति विकसित की है। उन्होंने 'जॉइंट फिडुशियल ग्रुपिंग' (joint fiducial grouping) नामक एक तकनीक पेश की है, जो उन्हें एक ही समय में कई अवस्थाओं के संयोजनों का परीक्षण करने की अनुमति देती है। प्रत्येक संभावित इनपुट और आउटपुट जोड़ी को एक अलग प्रयोग के रूप में मानने के बजाय, वे उन जोड़ियों को एक साथ समूहबद्ध करते हैं जिन्हें समान बुनियादी सेटिंग्स का उपयोग करके मापा जा सकता है। इस तरह से परीक्षणों को व्यवस्थित करके, वे बहुत कम विशिष्ट प्रयोगात्मक सेटअपों के साथ गेट के प्रदर्शन का अनुमान लगा सकते हैं। यह कमी महत्वपूर्ण है क्योंकि यह मशीन को पुनर्गठित करने के ओवरहेड को कम करती है, जो अक्सर अंशांकन (calibration) वर्कफ़्लो में एक बाधा होती है।
शोधकर्ताओं ने अपने विचार का परीक्षण fSim गेट्स के एक विशिष्ट परिवार का उपयोग करके किया, जो सुपरकंडक्टिंग क्वांटम प्रोसेसर में आमतौर पर उपयोग किए जाने वाले दो-क्यूबिट गेट्स हैं। ये गेट निरंतर समायोज्य होते हैं, जिसका अर्थ है कि उनके पैरामीटर ट्यून किए जाने पर उनका व्यवहार सुचारू रूप से बदलता है, जिससे पुराने तरीकों के साथ उनका बेंचमार्किंग करना कठिन हो जाता है। विस्तृत कंप्यूटर सिमुलेशन के माध्यम से, टीम ने दिखाया कि उनकी ग्रुपिंग रणनीति गेट को अभिलक्षित (characterize) करने के लिए आवश्यक अद्वितीय सेटिंग्स की संख्या को लगातार कम करती है। कई मामलों में, इसने सटीक माप प्राप्त करने के लिए गेट को चलाने की कुल संख्या को भी कम कर दिया। सुधार सबसे महत्वपूर्ण तब था जब गेट का व्यवहार कुछ विशिष्ट पैटर्न में केंद्रित था न कि समान रूप से फैला हुआ था, जो वास्तविक क्वांटम एल्गोरिदम में उपयोग किए जाने वाले संरचित ऑपरेशनों की एक सामान्य विशेषता है।
केवल समय बचाने के अलावा, यह नया तरीका गेट के प्रदर्शन का अधिक ईमानदार दृश्य प्रदान करता है। क्योंकि इसके लिए सर्किट को रैंडमाइज करने या इसे उल्टा चलाने की आवश्यकता नहीं होती है, यह उस सटीक संदर्भ को सुरक्षित रखता है जिसमें गेट संचालित होता है। यह इसे उन अंशांकन प्रणालियों के लिए एक आदर्श उपकरण बनाता है जो हार्डवेयर को स्वचालित रूप से ट्यून करने के लिए मशीन लर्निंग का उपयोग करती हैं। इन प्रणालियों में, कंप्यूटर को सर्वोत्तम सेटिंग्स खोजने के लिए गेट की गुणवत्ता का हजारों बार मूल्यांकन करने की आवश्यकता होती है। शोधकर्ताओं ने प्रदर्शित किया कि उनका ग्रुप किया गया एस्टीमेटर (estimator) ऐसे लर्निंग लूप के लिए एक विश्वसनीय रिवॉर्ड सिग्नल के रूप में कार्य कर सकता है, जो सिस्टम को बेहतर प्रदर्शन की ओर मार्गदर्शन करता है, और वह भी हर एकल परीक्षण के लिए हार्डवेयर को पुनर्गठित करने के भारी बोझ के बिना।
यह अध्ययन पुष्टि करता है कि जबकि क्वांटम गेटों को मापने की मौलिक कठिनाई बनी हुई है, हम उन मापों को व्यवस्थित करने के तरीके को अनुकूलित कर सकते हैं। ग्रुपिंग तकनीक गेट के भौतिक विज्ञान या त्रुटियों की प्रकृति को नहीं बदलती है, बल्कि यह माप प्रक्रिया की दक्षता को बदल देती है। यह उन निरंतर पैरामीटराइज्ड गेटों के लक्षण वर्णन के लिए एक व्यावहारिक मार्ग प्रदान करती है जो अगली पीढ़ी के क्वांटम अनुप्रयोगों के लिए आवश्यक हैं। प्रयोगात्मक ओवरहेड को कम करके, यह दृष्टिकोण वास्तविक दुनिया के क्वांटम सर्किटों में त्रुटियों की निगरानी और सुधार करना संभव बनाता है, जिससे संदर्भ बरकरार रहता है और यह सुनिश्चित होता है कि मशीन दोष-सहिष्णु (fault-tolerant) कंप्यूटिंग के लिए आवश्यक उच्च स्तर की सटीकता पर कार्य करे।
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।