⚛️ quantum physics

Pathwise Random Hamiltonian Simulation

यह शोध पत्र पाथवाइज़ रैंडम हैमिल्टोनियन सिमुलेशन (PRHS) प्रस्तुत करता है, जो एक नवीन एल्गोरिदम है जो सहसंबद्ध समय स्लाइस (correlated time slices) और अर्ध-संभाव्यता वितरणों (quasi-probability distributions) का उपयोग करके qDrift पद्धति को मनमाने क्रमों तक विस्तारित करता है, जिससे बिना किसी सहायक क्यूबिट्स (ancillary qubits) के लक्षित सटीकता में उप-बहुपद क्वेरी जटिलता (sub-polynomial query complexity) प्राप्त होती है और संख्यात्मक सिमुलेशन में मानक qDrift की तुलना में काफी बेहतर प्रदर्शन होता है।

मूल लेखक: Davide Cugini

प्रकाशित 2026-09-01

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Davide Cugini

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 कंप्यूटिंग के क्षेत्र में, सबसे मौलिक कार्यों में से एक यह अनुकरण करना है कि एक भौतिक प्रणाली समय के साथ कैसे बदलती है। एक अणु की कल्पना करें, जो परमाणुओं और इलेक्ट्रॉनों का एक जटिल संयोजन है, जो अपना आकार बदल रहा है या एक नए वातावरण के प्रति प्रतिक्रिया दे रहा है। इस व्यवहार की भविष्यवाणी करने के लिए, वैज्ञानिकों को यह गणना करनी चाहिए कि कैसे प्रणाली की ऊर्जा, जिसे एक गणितीय वस्तु 'हैमिल्टोनियन' कहा जाता है, इसके विकास को संचालित करती है। यह केवल एक सैद्धांतिक अभ्यास नहीं है; यह रसायन विज्ञान, अनुकूलन (ऑप्टिमाइज़ेशन) और जटिल समीकरणों को हल करने के लिए उपयोग किए जाने वाले कई शक्तिशाली क्वांटम एल्गोरिदम के पीछे का इंजन है। चुनौती इस तथ्य में निहित है कि ये ऊर्जा विवरण अक्सर कई अलग-अलग, परस्पर क्रिया करने वाले भागों से बने होते हैं जो केवल साधारण रूप से जुड़ नहीं जाते। जब ये भाग सहयोग नहीं करते हैं, तो कुल परिवर्तन की गणना करना अविश्वसनीय रूप से कठिन हो जाता है, जिसके लिए एक चरण-दर-चरण सन्निकटन (एप्रोक्सिमेशन) की आवश्यकता होती है जो वर्तमान मशीनों के लिए बहुत धीमा या बहुत त्रुटिपूर्ण हो सकता है।

वर्षों तक, शोधकर्ताओं ने इस समस्या को हल करने के लिए 'ट्रोटर-सुजुकी डिकम्पोजिशन' (Trotter–Suzuki decomposition) नामक एक विधि पर भरोसा किया है। यह दृष्टिकोण समय को छोटे अंतराल में विभाजित करता है और प्रत्येक भाग के ऊर्जा नियमों को क्रमिक रूप से लागू करता है। हालांकि यह प्रभावी है, लेकिन इस विधि की एक महत्वपूर्ण कमी है: जैसे-जैसे प्रणाली के भाग बढ़ते हैं, चरणों की संख्या भी बढ़नी पड़ती है, और परिणाम जितना अधिक सटीक होना चाहिए, कंप्यूटर उतने ही अधिक संसाधनों का उपभोग करता है। इसे दरकिनार करने के लिए, 'क्यू-ड्रिफ्ट' (qDrift) नामक एक नई तकनीक पेश की गई। एक सख्त, व्यवस्थित क्रम का पालन करने के बजाय, क्यू-ड्रिफ्ट एक बार में एक ऊर्जा भाग को यादृच्छिक (रैंडम) रूप से चुनता है। यह कई भागों के होने पर लगने वाले दंड को हटा देता है, जिससे प्रक्रिया बहुत अधिक कुशल हो जाती है। हालांकि, क्यू-ड्रिफ्ट की अपनी एक सीमा है: यह स्वाभाविक रूप से एक 'फर्स्ट-ऑर्डर' विधि है, जिसका अर्थ है कि इसकी सटीकता चरणों की संख्या बढ़ाने के साथ केवल रैखिक (लीनियर) रूप से सुधरती है। अत्यधिक सटीक परिणाम प्राप्त करने के लिए, आपको अभी भी बड़ी संख्या में चरणों की आवश्यकता होती है, जो इसकी दक्षता के लाभों को कम कर देता है।

एक शोधकर्ता ने अब 'पाथवाइज रैंडम हैमिल्टोनियन सिमुलेशन' (Pathwise Random Hamiltonian Simulation, या PRHS) नामक एक नया दृष्टिकोण पेश किया है, जो बिना किसी अतिरिक्त हार्डवेयर की आवश्यकता के इस सीमा को पार करता है। मुख्य विचार क्यू-ड्रिफ्ट की यादृच्छिक प्रकृति को लेना और उसमें बुद्धिमानीपूर्ण समन्वय की एक परत जोड़ना है। प्रत्येक समय अंतराल (टाइम स्लाइस) के लिए स्वतंत्र रूप से एक ऊर्जा नियम चुनने के बजाय, यह नई विधि प्रत्येक समय चरण को छोटे, सह-संबंधित (कोरिलेटेड) स्लाइस की एक श्रृंखला में विभाजित करती है। एक एकल चरण के भीतर, पहले स्लाइस में किस ऊर्जा नियम को लागू किया जाएगा, इसका चुनाव बाद के स्लाइसों में किए जाने वाले चुनावों से गणितीय रूप से जुड़ा होता है। यह सहसंबंध अराजक अर्थों में यादृच्छिक नहीं है; यह एक विशिष्ट, अद्वितीय गणितीय वितरण द्वारा शासित है जिसे लेखक ने निर्मित किया है और जिसे उन्होंने अपने प्रकार का एकमात्र वितरण सिद्ध किया है। इन विकल्पों को सावधानीपूर्वक एक साथ बुनकर, यह विधि उन त्रुटियों को रद्द कर देती है जो अन्यथा संचित हो सकती हैं, जिससे सिमुलेशन को उच्च स्तर की सटीकता तक पहुँचने की अनुमति मिलती है।

शोधकर्ता ने प्रदर्शित किया कि इस पद्धति को दो अलग-अलग श्रेणियों (रेजीम्स) में काम करने के लिए ट्यून किया जा सकता है। उन स्थितियों में जहाँ सिमुलेशन लंबे समय तक चलता है, इष्टतम रणनीति स्वाभाविक रूप से मानक क्यू-ड्रिफ्ट प्रोटोकॉल पर वापस आ जाती है, जो पुष्टि करती है कि नई विधि पुरानी विधि का एक वास्तविक सामान्यीकरण है। हालांकि, उस श्रेणी में जहाँ उच्च सटीकता लक्ष्य है, यह विधि अलग तरह से व्यवहार करती है। प्रत्येक चरण के भीतर सह-संबंधित स्लाइसों की संख्या बढ़ाकर, एक विशिष्ट सटीकता प्राप्त करने की लागत किसी भी पिछली विधि की तुलना में बहुत धीमी गति से बढ़ती है। वास्तव में, शोधकर्ता ने दिखाया कि लक्षित सटीकता तक पहुँचने के लिए आवश्यक चरणों की संख्या, उस सटीकता के व्युत्क्रम (इनवर्स) की किसी भी घात (पावर) से धीमी गति से बढ़ती है। इसका मतलब है कि बहुत उच्च सटीकता के लिए, यह विधि मानक दृष्टिकोणों की तुलना में काफी अधिक कुशल हो जाती है, और यह सभी अन्य उच्च-सटीक तकनीकों के लिए आवश्यक अतिरिक्त 'एंसिला' (ancilla) क्वबिट्स के बिना ही संभव है।

इन सैद्धांतिक भविष्यवाणियों को सत्यापित करने के लिए, शोधकर्ता ने हाइड्रोजन, हीलियम हाइड्राइड और पानी सहित पांच अलग-अलग आणविक प्रणालियों पर संख्यात्मक सिमुलेशन चलाए। उन्होंने अपने नए तरीके की तुलना मानक क्यू-ड्रिफ्ट प्रोटोकॉल से की, यह सुनिश्चित करते हुए कि दोनों ने समान कम्प्यूटेशनल प्रयास का उपयोग किया, जिसे किए गए बुनियादी ऑपरेशनों की संख्या द्वारा मापा गया। परिणाम आश्चर्यजनक थे। इन सिमुलेशन में, नए तरीके ने समान लागत के लिए क्यू-ड्रिफ्ट की तुलना में दो से चार क्रम (ऑर्डर) बेहतर सटीकता प्राप्त की। हालांकि यह विधि एक सांख्यिकीय ओवरहेड पेश करती है क्योंकि यह एक ऐसे वितरण पर निर्भर करती है जिसमें नकारात्मक मान शामिल होते हैं—जो कि अंतिम परिणामों को पुनर्गठित (रीस्केल) करने की आवश्यकता वाला एक फीचर है—लेकिन सटीकता का लाभ इतना पर्याप्त था कि इसने अतिरिक्त लागत की भरपाई कर दी। अध्ययन पुष्टि करता है कि यादृच्छिक विकल्पों के बीच एक विशिष्ट, गणना किए गए सहसंबंध को पेश करके, यह संभव है कि हम यादृच्छिक क्वांटम सिमुलेशन की सीमाओं को आगे बढ़ा सकें, जो अतिरिक्त हार्डवेयर संसाधनों की आवश्यकता के बिना उच्च-सटीक क्वांटम रसायन विज्ञान के लिए एक शक्तिशाली उपकरण प्रदान करता है।

तकनीकी सारांश: पाथवाइज़ रैंडम हैमिल्टोनियन सिमुलेशन (PRHS)

समस्या विवरण
हैमिल्टोनियन सिमुलेशन क्वांटम कंप्यूटिंग में एक मौलिक प्रिमिटिव (primitive) है, जो चरण अनुमान (phase estimation), अनुकूलन (optimization) और लीनियर-सिस्टम सॉल्वर जैसे एल्गोरिदम के लिए आवश्यक है। मानक दृष्टिकोण ऑपरेटर-स्प्लिटिंग तकनीकों का उपयोग करता है, जैसे कि ट्रोटर-सुजुकी (Trotter–Suzuki) अपघटन, जो सरल हैमिल्टोनियन पदों द्वारा जनरेट किए गए विकास (evolutions) को संयोजित करके टाइम-इवोल्यूशन ऑपरेटर $e^{-iHt}$ का सन्निकटन करते हैं। जबकि ये विधियाँ वैचारिक रूप से सरल हैं और इनमें किसी अतिरिक्त क्यूबिट (ancillary qubit) की आवश्यकता नहीं होती है, नियतात्मक (deterministic) ट्रोटर-सुजुकी सूत्र हैमिल्टोनियन पदों की संख्या ( $\Gamma$ ) और लक्षित सटीकता के व्युत्क्रम ( $1/\epsilon$ ) पर एक बहुपद (polynomial) निर्भरता प्रदर्शित करते हैं।

$\Gamma$ पर निर्भरता को संबोधित करने के लिए, qDrift प्रोटोकॉल को एक यादृच्छिक (randomized) विकल्प के रूप में पेश किया गया था। qDrift एक शास्त्रीय संभाव्यता वितरण से हैमिल्टोनियन पदों को सैंपल करता है, जिससे $\Gamma$ पर स्पष्ट निर्भरता समाप्त हो जाती है। हालाँकि, qDrift स्वाभाविक रूप से विकास समय में प्रथम-क्रम की सटीकता तक सीमित है, जिसका अर्थ है कि इसकी क्वेरी जटिलता (query complexity) $1/\epsilon$ के रेखीय (linear) रहती है। उच्च क्रमों तक विस्तारित करने के पिछले प्रयासों ने महत्वपूर्ण ट्रेड-ऑफ झेले हैं:

qSWIFT मनमाना क्रम प्राप्त करता है लेकिन इसके लिए एक एंसिला (ancilla) क्यूबिट की आवश्यकता होती है।
Composite qDrift एंसिला-मुक्त रहता है लेकिन $\Gamma$ पर निर्भरता को पुनः स्थापित करता है।
qSHIFT उच्च क्रम प्राप्त करता है लेकिन इसके लिए उन शास्त्रीय समीकरणों को हल करने की आवश्यकता होती है जो लक्षित क्रम के साथ तेजी से बढ़ते हैं।

परिणामस्वरूप, एक मनमाना-क्रम वाला qDrift का सामान्यीकरण जो एंसिला-मुक्त सरलता, $\Gamma$ से स्वतंत्रता और एक कुशलतापूर्वक गणना योग्य सैंपलिंग नियम को बनाए रखता है, एक खुला प्रश्न बना हुआ था।

कार्यप्रणाली (Methodology)
यह शोध पत्र पाथवाइज़ रैंडम हैमिल्टोनियन सिमुलेशन (PRHS) को प्रस्तुत करता है, जो विकास पैरामीटर $\Lambda t$ (जहाँ $\Lambda = \sum |\lambda_\gamma|$ ) में $M$ -वें क्रम के लिए qDrift का एक व्यवस्थित विस्तार है।

सहसंबंधित सैंपलिंग (Correlated Sampling): मानक qDrift के विपरीत, जो प्रत्येक टाइम स्टेप के लिए स्वतंत्र पदों को सैंपल करता है, PRHS प्रत्येक टाइम स्टेप $t$ को $M$ सहसंबंधित स्लाइसों में विभाजित करता है। विकास $M$ हैमिल्टोनियन पदों के एक अनुक्रम $\alpha = (\alpha_1, \dots, \alpha_M)$ द्वारा नियंत्रित होता है, जो एक क्वासी-प्रोबेबिलिटी वितरण (quasi-probability distribution) $q_M(\alpha)$ से सैंपल किया गया है।
अद्वितीय वितरण निर्माण: लेखक यह सिद्ध करते हैं कि एक अद्वितीय क्वासी-प्रोबेबिलिटी वितरण $q_M(\alpha)$ मौजूद है जो $M$ -वें क्रम की सटीकता प्राप्त करता है। वे इस वितरण के लिए एक क्लोज्ड-फॉर्म अभिव्यक्ति व्युत्पन्न करते हैं। इसका निर्माण किसी इंडेक्स वेक्टर $\alpha$ को लगातार समान प्रविष्टियों के अधिकतम रन (maximal runs) में विघटित करने पर आधारित है। वितरण को प्रथम श्रेणी के साइनेड स्टर्लिंग नंबरों (signed Stirling numbers of the first kind), $s(c, b)$ , और मानक qDrift भार $\mu_\gamma = |\lambda_\gamma|/\Lambda$ का उपयोग करके परिभाषित किया गया है:
$q_M(\alpha) = \sum_{b_1, \dots, b_L \ge 1} \frac{M!}{n!} \prod_{l=1}^L \frac{\mu_{g_l}^{b_l}}{b_l!} \frac{s(c_l, b_l)}{c_l!}$
जहाँ $n = \sum b_l$ , और $(g_l, c_l)$ ट्रैजेक्टरी के $l$ -वें रन के मान और गणना को दर्शाते हैं।
बायस और त्रुटि सीमाएँ (Bias and Error Bounds): परिणामी क्वांटम चैनल वास्तविक विकास का एक ऐसे बायस के साथ सन्निकटन करता है जो $M$ में फैक्टोरियल रूप से घटता है। एक एकल ब्लॉक के लिए डायमंड-डिस्टेंस एरर (diamond-distance error) को इस प्रकार सीमित किया गया है:
$\delta_M \le \frac{(2\Lambda t)^{M+1}}{(M+1)!} e^{2\Lambda t}$
कुल विकास समय $T = Nt$ के लिए, जो $N$ स्वतंत्र ब्लॉक्स से बना है, कुल त्रुटि इस प्रकार स्केल करती है: $\delta(N, M) \le N \frac{(2\Lambda T/N)^{M+1}}{(M+1)!} e^{2\Lambda T/N}$ ।
क्वासी-प्रोबेबिलिटी को संभालना: चूंकि $q_M(\alpha)$ ऋणात्मक मान ले सकता है, इसलिए प्रोटोकॉल इम्पोर्टेंस सैंपलिंग (importance sampling) का उपयोग करता है। नमूने सामान्यीकृत निरपेक्ष वितरण $|q_M(\alpha)|/\|q_M\|_1$ से लिए जाते हैं, और मापन परिणामों को $\|q_M\|_1$ द्वारा पुनर्गठित (rescale) किया जाता है। यह एक शॉट-संख्या प्रवर्धन कारक (shot-number amplification factor) $\|q_M\|_1^{2N}$ पेश करता है।

मुख्य योगदान और अनुकूलन
शोध पत्र स्थापित करता है कि क्वासी-प्रोबेबिलिटी सैंपलिंग के दोषों (बढ़ा हुआ शॉट काउंट) को ब्लॉक आकार $M$ और दोहराव की संख्या $N$ के संयुक्त अनुकूलन के माध्यम से कम किया जा सकता है।

लंबे समय की सीमा (Long-Time Limit): जैसे-जैसे $\Lambda T \to \infty$ , इष्टतम रणनीति $M^*=1$ और $N^* \sim 2\Lambda^2 T^2/\epsilon$ की ओर अभिसरित होती है, जो मानक qDrift प्रोटोकॉल को पुनर्प्राप्त करती है जिसमें समय के सापेक्ष द्विघातीय (quadratic) उप-इष्टतम स्केलिंग होती है।
उच्च-परिशुद्धता सीमा (High-Precision Limit): जैसे-जैसे $\epsilon \to 0$ (फिक्स्ड $\Lambda T$ ), इष्टतम रणनीति $N^*=1$ और $M^* \sim \ln(1/\epsilon)/\ln\ln(1/\epsilon)$ की ओर स्थानांतरित हो जाती है। इस शासन (regime) में, कुल क्वेरी लागत इस प्रकार स्केल होती है:
$C(N^*, M^*) \sim \left(\frac{1}{\epsilon}\right)^{\frac{\ln \eta}{\ln \ln (1/\epsilon)}}$
जहाँ $\eta$ एक समस्या-विशिष्ट दर है। यह स्केलिंग $1/\epsilon$ के किसी भी पावर (power) से धीमी है, जो मानक qDrift और फिक्स्ड-ऑर्डर ट्रोटर-सुजुकी सूत्रों की रेखीय स्केलिंग की तुलना में एक महत्वपूर्ण सुधार है।

परिणाम
लेखक ने पांच आणविक हैमिल्टोनियनों (H $_2$ , HeH $^+$ , LiH, BeH $_2$ , और H $_2$ O) पर संख्यात्मक सिमुलेशन के माध्यम से PRHS को सत्यापित किया है जिन्हें जॉर्डन-विग्नर ट्रांसफॉर्मेशन के माध्यम से क्यूबिट्स में मैप किया गया है।

सटीकता: एक निश्चित क्वेरी लागत (लागू किए गए मौलिक विकास चैनलों की संख्या के बराबर) के लिए, PRHS ने परीक्षण किए गए $\Lambda T$ की सीमा में qDrift की तुलना में दो से चार गुना अधिक सटीकता प्राप्त की।
सैंपलिंग ओवरहेड: हालांकि सैंपलिंग ओवरहेड $\|q_M\|_1$ $M$ के साथ चरघातांकीय (exponentially) रूप से बढ़ता है, संख्यात्मक परिणाम संकेत देते हैं कि यह परिशुद्धता में चरघातांकीय लाभ की तुलना में मामूली है। देखा गया $\|q_M\|_1$ पेपर में व्युत्पन्न उनके सैद्धांतिक सार्वभौमिक सीमा से काफी नीचे रहा।

महत्व
शोध पत्र का दावा है कि यह एक मनमाना-क्रम, एंसिला-मुक्त, $\Gamma$ -स्वतंत्र यादृच्छिक हैमिल्टोनियन सिमुलेशन प्रोटोकॉल के निर्माण की खुली समस्या को हल करता है। PRHS अतिरिक्त क्यूबिट्स या जटिल ब्लॉक एनकोडिंग के ओवरहेड के बिना उच्च-परिशुद्धता सिमुलेशन के लिए एक व्यवस्थित मार्ग प्रदान करता है। सहसंबंध गहराई ( $M$ ) को दोहराव ( $N$ ) के विरुद्ध अनुकूलित करके, PRHS मानक qDrift शासन और एक उच्च-परिशुद्धता शासन के बीच इंटरपोलेट करता है जहाँ क्वेरी लागत व्युत्क्रम सटीकता के संबंध में उप-बहुपद (sub-polynomially) बढ़ती है। लेखक नोट करते हैं कि हालांकि उनका विश्लेषण ट्रोटर-सुजुकी प्रकार के अपघटन के साथ तुलना तक सीमित है (क्वांटम सिंगुलर वैल्यू ट्रांसफॉर्मेशन जैसी विधियों को छोड़कर जो एंसिला की लागत पर बेहतर एसिम्प्टोटिक स्केलिंग प्रदान करती हैं), PRHS एक व्यावहारिक, संसाधन-कुशल विकल्प प्रदान करता है। भविष्य के कार्य में वास्तविक हार्डवेयर-स्तरीय कम्प्यूटेशनल लागतों को कम करने के लिए आर्किटेक्चर-जागरूक रीवेटिंग (architecture-aware reweighting) को एकीकृत करने का सुझाव दिया गया है।

तकनीकी सारांश: पाथवाइज़ रैंडम हैमिल्टोनियन सिमुलेशन (PRHS)

इसी तरह के और पेपर