Data and code for collision-model Dicke-state preparation: depth-fidelity frontiers, circuit costs, and superconducting-processor measurements
यह शोध पत्र एक ओपन डेटासेट और साथ में दिए गए कोड को प्रस्तुत करता है जो एक कोलिजन-आधारित प्रोटोकॉल के माध्यम से डिक अवस्थाओं (Dicke states) की तैयारी का विवरण देता है, जो विभिन्न सर्किट गहराई और क्वबिट गणनाओं के माध्यम से शोर रहित फिडेलिटी बेंचमार्क प्रदान करता है, साथ ही अवस्था-तैयारी फिडेलिटी, सर्किट लागत और हार्डवेयर शोर के बीच के व्यापार-संबंधों (trade-offs) का विश्लेषण करने के लिए संसाधन अनुमान और एक 54-क्वबिट सुपरकंडक्टिंग प्रोसेसर पर प्रायोगिक माप भी प्रस्तुत करता 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 कंप्यूटिंग की दुनिया में, जानकारी को क्यूबिट्स नामक सूक्ष्म इकाइयों में संग्रहीत किया जाता है। एक मानक कंप्यूटर के बिट्स के विपरीत जो या तो शून्य या एक होते हैं, क्यूबिट्स एक साथ दोनों अवस्थाओं के नाजुक संयोजन में मौजूद हो सकते हैं। जब कई क्यूबिट्स एक साथ जुड़े होते हैं, तो वे एंटैंगलमेंट (entanglement) नामक एक विशेष प्रकार का संबंध बना सकते हैं, जहाँ एक क्यूबिट की स्थिति दूसरे को तुरंत प्रभावित करती है, चाहे वे एक-दूसरे से कितनी भी दूर क्यों न हों। इन एंटैंगल्ड समूहों को व्यवस्थित करने के कई तरीकों में से, डिके स्टेट्स (Dicke states) नामक एक विशिष्ट परिवार एक अनूठा स्थान रखता है। कल्पना कीजिए कि लोगों से भरा एक कमरा है जहाँ उनमें से एक निश्चित संख्या में लोग लाल गेंद पकड़े हुए हैं, लेकिन कोई नहीं जानता कि वह किसके पास है; लाल गेंदें सभी के बीच इस तरह से समान रूप से साझा की गई हैं कि वे पूरी तरह से संतुलित हैं। डिके स्टेट बिल्कुल ऐसा ही दिखता है: ऊर्जा की एक निश्चित संख्या, या उत्तेजनाएं (excitations), क्यूबिट्स के एक समूह में सुसंगत रूप से साझा की जाती हैं। ये अवस्थाएं केवल सैद्धांतिक जिज्ञासाएं नहीं हैं; ये चुंबकीय क्षेत्रों को महसूस करने, क्वांटम नेटवर्क बनाने और पर्यावरण में होने वाले सूक्ष्म परिवर्तनों का पता लगाने के लिए शक्तिशाली उपकरण हैं जिन्हें अन्य अवस्थाएं मिस कर सकती हैं। हालाँकि, एक वास्तविक मशीन में इन अवस्थाओं को बनाना बेहद कठिन है। जैसे-जैसे क्यूबिट्स की संख्या बढ़ती है, कार्य कठिन होता जाता है, और मशीन में होने वाला अपरिहार्य शोर (noise) अवस्था के पूरा होने से पहले ही उस नाजुक संतुलन को नष्ट कर देता है।
शोधकर्ताओं की एक टीम ने अब एक व्यापक डेटा और कंप्यूटर कोड जारी किया है जो इन अवस्थाओं को अधिक प्रभावी ढंग से बनाने के मार्ग को दर्शाता है। उन्होंने एक ऐसी विधि पर ध्यान केंद्रित किया जो इन अवस्थाओं के निर्माण की प्रक्रिया को क्यूबिट्स और एक सहायक कण (helper particle) के बीच संक्षिप्त, बार-बार होने वाली मुलाकातों की एक श्रृंखला के रूप में मानती है। इस दृष्टिकोण में, एक गतिशील सहायक क्यूबिट मुख्य क्यूबिट्स के साथ नियंत्रित तरीके से सूचना के अंशों का आदान-प्रदान करते हुए सिस्टम के माध्यम से घूमता है। शोधकर्ताओं ने पाया कि इन अंतःक्रियाओं (interactions) की ताकत को समायोजित करके और यह कितनी बार होती हैं, इसे नियंत्रित करके, वे सिस्टम को वांछित डिके स्टेट की ओर ले जा सकते हैं। टीम केवल एक सफल प्रयास तक ही नहीं रुकी; उन्होंने संभावनाओं के एक विशाल परिदृश्य का पता लगाया। उन्होंने पांच से चौदह क्यूबिट्स वाले सिस्टम के लिए प्रक्रिया का अनुकरण (simulation) किया, और अंतःक्रिया अनुक्रम की सैकड़ों अलग-अलग गहराइयों, या लंबाईओं का परीक्षण किया। प्रक्रिया की प्रत्येक संभावित लंबाई के लिए, उन्होंने एक आदर्श, शोर-मुक्त दुनिया में प्राप्त की जा सकने वाली उच्चतम गुणवत्ता वाली अवस्था की गणना की। इसने एक विस्तृत मानचित्र, या फ्रंटियर (frontier) बनाया, जो दिखाता है कि प्रक्रिया लंबी होने पर अवस्था की गुणवत्ता में कैसे सुधार होता है, और पूर्णता के एक विशिष्ट स्तर तक पहुँचने के लिए कितनी लंबी प्रक्रिया की आवश्यकता होती है।
शोधकर्ताओं ने फिर इस सैद्धांतिक मानचित्र को एक वास्तविक क्वांटम कंप्यूटर पर परखा, जो फिनलैंड में स्थित एक 54-क्यूबिट सुपरकंडक्टिंग प्रोसेसर है। उन्होंने अपने सिमुलेशन से कुछ विशिष्ट अवस्थाओं को चुना और भौतिक मशीन पर उनके अनुरूप सर्किट चलाए। परिणाम बहुत ही स्पष्ट थे। प्रक्रिया के सबसे छोटे, सरलतम संस्करणों के लिए, मशीन ने सिमुलेशन द्वारा अनुमानित आदर्श गुणवत्ता का लगभग तीन-चौथाई हिस्सा बनाए रखा। यह सुझाव देता है कि वर्तमान हार्डवेयर में निहित शोर और त्रुटियों के बावजूद, ये छोटे सर्किट उपयोगी परिणाम उत्पन्न करने के लिए पर्याप्त मजबूत हैं। हालाँकि, जब शोधकर्ताओं ने उच्च पूर्णता प्राप्त करने के प्रयास में प्रक्रिया को लंबा और अधिक जटिल बनाने की कोशिश की, तो परिणाम तेजी से गिर गए। सबसे गहरी, सबसे जटिल सर्किटों का प्रदर्शन एक पूरी तरह से यादृच्छिक (random), टूटे हुए सिस्टम से बेहतर नहीं था। यह तीव्र विरोधाभास एक महत्वपूर्ण ट्रेड-ऑफ (trade-off) को उजागर करता: जबकि अधिक चरण जोड़ने से सैद्धांतिक रूप से अवस्था में सुधार हो सकता है, भौतिक मशीन अभी इतनी पूर्ण नहीं है कि वह उस अतिरिक्त समय और जटिलता को संभाल सके जिसके बिना वह उसी सुसंगतता (coherence) को खो देती है जिसे वह बनाने की कोशिश कर रही है।
अन्य वैज्ञानिकों को इस ट्रेड-ऑफ को समझने में मदद करने के लिए, टीम ने एक संपूर्ण टूलकिट प्रदान किया है। उन्होंने अपने सिमुलेशन से कच्चे आंकड़े (raw numbers), बुनियादी ऑपरेशन्स की संख्या के संदर्भ में इन सर्किट्स को चलाने की अनुमानित लागत, और वास्तविक मशीन से प्राप्त माप जारी किए हैं। यह किसी को भी एक विशिष्ट लक्ष्य खोजने की अनुमति देता है, जैसे कि "मुझे पांच क्यूबिट और दो उत्तेजनाओं वाली एक अवस्था चाहिए" और यह देख सकता है कि सर्वोत्तम संभव गुणवत्ता के करीब पहुँचने के लिए कितने चरणों की आवश्यकता है, और समय एवं त्रुटि के संदर्भ में इसकी लागत क्या होगी। उन्होंने अपने काम को पुन: उत्पन्न करने के लिए कोड भी शामिल किया है, जिससे यह सुनिश्चित होता है कि उनके द्वारा खोजा गया मार्ग दूसरों के सत्यापन और सुधार के लिए खुला है। डेटा दिखाता है कि अध्ययन की गई कई अवस्थाओं के लिए, अंतःक्रियाओं का एक एकल दौर अक्सर खोज की सीमाओं के भीतर प्राप्त की जा सकने वाली उच्चतम गुणवत्ता तक पहुँचने के लिए पर्याप्त था। अन्य मामलों में, गहराई में जाने से मदद मिली, लेकिन केवल उस बिंदु तक जहाँ मशीन का शोर अतिरिक्त प्रयास के लाभों पर हावी होने लगा।
यह कार्य वर्तमान हार्डवेयर पर पूर्ण क्वांटम अवस्थाओं को बनाने की समस्या को हल करने का दावा नहीं करता है। इसके बजाय, यह वर्तमान सीमाओं का एक स्पष्ट, ईमानदार मार्गदर्शक प्रदान करता है। यह दिखाता है कि जबकि हम इन जटिल अवस्थाओं को तैयार कर सकते हैं, प्रक्रिया की गहराई मशीन की गुणवत्ता द्वारा सीमित है। शोधकर्ताओं ने प्रदर्शित किया कि एक गहरी, अधिक जटिल प्रक्रिया को थोपने का प्रयास अक्सर घटते प्रतिफल (diminishing returns) की ओर ले जाता है, क्योंकि मशीन की खामियां एल्गोरिदम द्वारा सुधार किए जाने से पहले ही संचित होने लगती हैं। जो काम हुआ, जो विफल हुआ और संतुलन कहाँ है, इसका पूर्ण रिकॉर्ड प्रदान करके, यह डेटासेट भविष्य के सुधारों के लिए एक बेंचमार्क के रूप में कार्य करता है। यह हमें बताता है कि आगे का रास्ता केवल लंबे सर्किट बनाने के बारे में नहीं है, बल्कि उस 'स्वीट स्पॉट' (sweet spot) को खोजने के बारे में है जहाँ सर्किट उपयोगी होने के लिए पर्याप्त लंबा हो लेकिन वास्तविक दुनिया के शोर में जीवित रहने के लिए पर्याप्त छोटा हो। इस डेटा और कोड का विमोचन यह सुनिश्चित करता है कि समुदाय इन निष्कर्षों पर निर्माण कर सके, नए तरीकों का परीक्षण पहले से मापे गए और समझे गए ठोस आधार के विरुद्ध कर सके।
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।