Hardware-Efficient Error Mitigation and Shot-Efficient Sampling on IBM Quantum Hardware
यह शोध पत्र एक सीमित निष्पादन बजट के तहत IBM क्वांटम हार्डवेयर पर त्रुटि शमन तकनीकों (error mitigation techniques) और परिमित-शॉट सैंपलिंग (finite-shot sampling) के बीच के समझौतों का प्रयोगात्मक रूप से मूल्यांकन करता है, जो इस बात का हार्डवेयर-जागरूक लक्षण वर्णन प्रदान करता है कि कब शमन रणनीतियाँ अनुमान सटीकता में सुधार करती हैं बनाम कब सैंपलिंग उतार-चढ़ाव उनके लाभों को समाप्त कर देते हैं।
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
एक सर्वर रूम की शांत गूँज में, एक नए प्रकार का कंप्यूटर सोचना सीख रहा है। ये मशीनें, जो गहरे अंतरिक्ष से भी अधिक ठंडे तापमान तक ठंडी की गई सुपरकंडक्टिंग सर्किट से बनी हैं, उन समस्याओं को हल करने का वादा करती हैं जिन्हें सुलझाने में आज के सुपरकंप्यूटरों को सहस्राब्दियों लग सकते हैं। लेकिन इसमें एक पेच है: ये क्वांटम कंप्यूटर अविश्वसनीय रूप से नाजुक हैं। जरा सा कंपन या गर्मी भी इनकी गणनाओं को गलत कर सकती है। क्योंकि हम अभी ऐसी मशीनें बनाने में सक्षम नहीं हैं जो इन त्रुटियों से पूरी तरह मुक्त हों, वैज्ञानिकों ने 'एरर मिटिगेशन' (त्रुटि न्यूनीकरण) नामक ट्रिक्स का एक समूह विकसित किया है। ये ट्रिक्स मशीन के टूटे हुए हिस्सों को ठीक नहीं करती हैं; इसके बजाय, वे एक ही गणना को कई बार चलाकर और गलतियों में पैटर्न खोजकर यह अनुमान लगाने की कोशिश करती हैं कि सही उत्तर क्या होना चाहिए था। उम्मीद यह है कि इन शोर भरे परिणामों को जोड़कर, हम शोर (static) से एक स्पष्ट संकेत निकाल सकते हैं।
हालाँकि, इन ट्रिक्स की एक छिपी हुई लागत है। एक बेहतर अनुमान पाने के लिए, कंप्यूटर को गणना को अधिक बार चलाना होगा, जिससे एक सीमित संसाधन खर्च होता है जिसे "शॉट्स" (shots) कहा जाता है, जो केवल वे संख्याएँ हैं जितनी बार मशीन से उसके परिणाम को मापने के लिए कहा जाता है। यदि आप त्रुटियों को ठीक करने में बहुत अधिक शॉट्स खर्च कर देते हैं, तो हो सकता है कि अंत में आपको ऐसा परिणाम मिले जो उस स्थिति से कम सटीक हो जब आपने गणना को कुछ ही बार चलाया होता और शोर को स्वीकार कर लिया होता। गलतियों को ठीक करने और प्रयासों की कमी के बीच का यह तनाव वह केंद्रीय पहेली है जिसे शोधकर्ता हल करने की कोशिश कर रहे हैं। उन्हें ठीक-ठीक जानना होगा कि ये सुधार विधियाँ कब मदद करती हैं और कब वास्तवं में चीजें खराब कर देती हैं, विशेष रूप से आज उपलब्ध वास्तविक मशीनों पर।
भारतीय प्रौद्योगिकी संस्थान जोधपुर के एक शोधकर्ता ने एक वास्तविक, काम करने वाले क्वांटम कंप्यूटर पर इस संतुलन का परीक्षण करने का निर्णय लिया। उन्होंने IBM का एक शक्तिशाली 156-क्विबिट प्रोसेसर इस्तेमाल किया, जो वर्तमान तकनीक के अत्याधुनिक स्तर का प्रतिनिधित्व करता है। उनका लक्ष्य केवल यह देखना नहीं था कि क्या त्रुटि सुधार काम करता है, बल्कि कुल प्रयासों की संख्या को स्थिर रखकर इसका निष्पक्ष रूप से मापन करना था। कल्पना कीजिए कि आपके पास किसी चलती हुई वस्तु की तस्वीर लेने के लिए एक निश्चित समय है। आप या तो एक लंबा एक्सपोजर ले सकते हैं, जो धुंधला हो सकता है, या कई त्वरित स्नैपशॉट ले सकते हैं और उन्हें मिला सकते हैं। शोधकर्ता यह जानना चाहते थे कि क्या कई स्नैपशॉट लेना और उन्हें एक विशिष्ट गणितीय रेसिपी के साथ मिलाना वास्तव में एक स्पष्ट तस्वीर देगा, यह देखते हुए कि दोनों विधियों के लिए उपलब्ध कुल समय समान था।
शोधकर्ता ने विभिन्न प्रकार के सर्किटों का उपयोग करके प्रयोगों की एक श्रृंखला तैयार की, जो कंप्यूटर को दिए जाने वाले निर्देश हैं। उन्होंने क्विबिट्स की सरल श्रृंखलाओं, संचालन के दोहराव वाले पैटर्न, और अनुकूलन (optimization) समस्याओं के लिए उपयोग किए जाने वाले एक विशिष्ट प्रकार के कैलकुलेशन का परीक्षण किया। उन्होंने कच्चे, बिना सुधारे गए परिणामों की तुलना कई सुधार रणनीतियों से की। एक रणनीति में उन त्रुटियों को ठीक करना शामिल था जो मशीन द्वारा अंतिम उत्तर पढ़ने के दौरान होती हैं। दूसरे में गणना को कृत्रिम शोर के विभिन्न स्तरों पर चलाना और फिर गणितीय रूप से यह अनुमान लगाना शामिल था कि बिना शोर के परिणाम क्या होता। उन्होंने एक स्मार्ट, अनुकूल (adaptive) विधि का भी परीक्षण किया जो यह तय करने की कोशिश करती थी कि गणना के प्रत्येक हिस्से को कितनी बार चलाया जाए, इस आधार पर कि वह विशिष्ट हिस्सा कितना शोर भरा लग रहा है।
परिणाम आश्चर्यजनक और सूक्ष्म थे। शोधकर्ता ने पाया कि स्मार्ट, अडैप्टिव विधि स्वचालित रूप से विजेता नहीं बनी। वास्तव में, जब उन्होंने स्मार्ट विधि की तुलना एक सरल, यूनिफॉर्म विधि से की जहाँ गणना के प्रत्येक हिस्से को समान संख्या में चलाया गया था, तो स्मार्ट विधि केवल छह में से दो परिदृश्यों में बेहतर प्रदर्शन कर पाई। अन्य चार परिदृश्यों में, सरल, यूनिफॉर्म दृष्टिकोण वास्तव में अधिक सटीक था। यह सुझाव देता है कि गणना के शॉट्स को कहाँ खर्च किया जाए, इसके लिए लगातार समायोजन करने वाली जटिल रणनीति हमेशा सुधार की गारंटी नहीं है। कभी-कभी, शॉट्स को खर्च करने के लिए "स्मार्ट" होने का अतिरिक्त प्रयास वास्तव में एक खराब उत्तर की ओर ले जाता है।
एक अन्य प्रमुख निष्कर्ष यह था कि सुधार विधियों ने बायस (bias), या व्यवस्थित त्रुटि को उस तरह से ठीक नहीं किया जैसा कि वैज्ञानिक उम्मीद कर रहे थे। ऊपर और नीचे की अवस्थाओं (up and down states) के एक विशिष्ट पैटर्न वाले कैलकुलेशन के लिए, शोर को हटाने के लिए डिज़ाइन की गई विधि ने वास्तव में त्रुटि को पहले की तुलना में बड़ा बना दिया। शोधकर्ता ने देखा कि जब कंप्यूटर को एक ऐसा मान मापने के लिए कहा गया जो संभव के किनारे के बहुत करीब था, तो शोर को हटाने के लिए उपयोग की जाने वाली गणितीय ट्रिक कभी-कभी ओवरशूट (overshoot) कर गई, जिससे उत्तर सत्य से और दूर चला गया। यह तब हुआ, भले ही वह विधि व्यापक रूप से उपयोग की जाती है और विश्वसनीय है। इसने दिखाया कि ये उपकरण हर स्थिति में काम करने वाली जादुई छड़ें नहीं हैं; वे कभी-कभी पुरानी समस्याओं को हल करने की कोशिश में नई समस्याएँ भी पैदा कर सकते हैं।
अध्ययन ने कंप्यूटर के स्वयं के भौतिक लेआउट के महत्व पर भी प्रकाश डाला। शोधकर्ता ने पाया कि चिप पर कौन से तारों (wires) का उपयोग किया जाता है, इसे चुनना एक बहुत बड़ा अंतर पैदा करता है। जब उन्होंने तारों के एक ऐसे जोड़े का उपयोग किया जो ज्ञात रूप से कम-त्रुटि वाले थे, तो उनके परिणाम उस जोड़ी की तुलना में काफी बेहतर थे जिसे उसी चिप से उच्च-त्रुटि वाले के रूप में जाना जाता था। इन दो तारों के जोड़ों के बीच गुणवत्ता का अंतर इतना बड़ा था कि यह गणना में कई अतिरिक्त परतों की जटिलता जोड़ने से होने वाले अंतर के बराबर था। इसका अर्थ यह है कि सॉफ्टवेयर के माध्यम से त्रुटियों को ठीक करने से पहले, मशीन के सर्वोत्तम भौतिक हिस्सों को चुनने के लिए कोड चलाने पर सावधानीपूर्वक विचार करना उतना ही महत्वपूर्ण हो सकता है।
अंततः, शोधकर्ता ने निष्कर्ष निकाला कि एरर मिटिगेशन का उपयोग करने के लिए कोई एकल, सार्वभौमिक नियम नहीं है। निर्णय पूरी तरह से विशिष्ट मशीन, चल रहे विशिष्ट कैलकुलेशन और उपलब्ध प्रयासों की संख्या पर निर्भर करता है। उनके द्वारा परीक्षण किए गए IBM प्रोसेसर पर, परीक्षण की गई अडैप्टिव शॉट-एलोकेशन रणनीति साधारण, यूनिफॉर्म दृष्टिकोण से श्रेष्ठ नहीं थी। कई मामलों में, मानक त्रुटि सुधार विधियों ने परिणाम की अनिश्चितता को कम करने के बजाय उसे बढ़ा दिया। शोधकर्ता ने अपना सारा डेटा, कोड और सटीक निर्देश जारी कर दिए ताकि अन्य लोग इन प्रयोगों को दोहरा सकें। उनका कार्य एक अनुस्मारक के रूप में कार्य करता है कि वर्तमान क्वांटम कंप्यूटिंग की शोर भरी दुनिया में, सबसे परिष्कृत समाधान हमेशा सबसे अच्छा नहीं होता है, और इन शक्तिशाली लेकिन महंगी सुधारों को लागू करने से पहले सावधानीपूर्वक, ईमानदार परीक्षण की आवश्यकता होती 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।