=== सारांश ===

तकनीकी सारांश: क्वांटम एरर करेक्शन सर्किट के अनुकूलित मैट्रिक्स-प्रोडक्ट स्टेट सिमुलेशन

समस्या विवरण

स्केल पर क्वांटम एरर करेक्शन (QEC) सर्किट का सिमुलेशन करना फॉल्ट-टोलरेंट क्वांटम कंप्यूटिंग को आगे बढ़ाने के लिए आवश्यक है। जबकि कुशल क्लिफोर्ड सिम्युलेटर (जैसे, Stim) मौजूद हैं, वे गैर-क्लिफोर्ड गेट्स (जैसे, $T$ गेट्स) या यथार्थवादी शोर मॉडल (कोहेरेंट या कोरिलेटेड नॉइज़) वाले यूनिवर्सल सर्किट को हैंडल नहीं कर सकते हैं। मौजूदा यूनिवर्सल सिमुलेशन विधियों को महत्वपूर्ण बाधाओं का सामना करना पड़ता है: स्टेटवेक्टर सिम्युलेटर $\sim30\text{--}40$ क्विबिट्स तक सीमित हैं, जबकि नियर-क्लिफोर्ड विधियां (जैसे, एक्सटेंडेड स्टेबलाइजर-रैंक, क्वैसीप्रोबेबिलिटी) अक्सर सर्किट के "मैजिक" कंटेंट (जैसे, $T$ गेट्स की संख्या) द्वारा बाधित होती हैं। टेंसर नेटवर्क विधियां, विशेष रूप से मैट्रिक्स प्रोडक्ट स्टेट्स (MPS), एक आशाजनक विकल्प प्रदान करती हैं क्योंकि वे मैजिक के बजाय एंटैंगलमेंट (entanglement) द्वारा सीमित होती हैं, लेकिन उन्हें अक्सर 1D सर्किट तक ही सीमित माना जाता है, और वे केवल अनुमानित परिणाम ही देती हैं। चुनौती यह निर्धारित करना है कि क्या MPS, गैर-क्लिफोर्ड गेट्स वाले मध्यवर्ती-स्तर के QEC सर्किटों का सटीक सिमुलेशन कर सकता है, और यदि हाँ, तो MPS दक्षता की कथित सीमाओं को कैसे दूर किया जाए।

कार्यप्रणाली

लेखक QEC सर्किट के MPS सिमुलेशन को लागू करने के लिए MIMIQ सिमुलेशन फ्रेमवर्क का उपयोग करते हैं। मुख्य कार्यप्रणाली मानक कार्यान्वयन पर निर्भर रहने के बजाय, सर्किट-स्तरीय पुनर्व्यवस्था (reordering) के माध्यम से MPS प्रतिनिधित्व का एक कठोर अनुकूलन शामिल है।

प्रमुख अनुकूलन रणनीतियाँ

पेपर पहचानता है कि MPS दक्षता सर्किट का एक अंतर्निहित गुण नहीं है, बल्कि यह कार्यान्वयन के विकल्पों पर संवेदनशील रूप से निर्भर करती है। लेखक अनुकूलित रणनीतियों की एक श्रृंखला पेश करते हैं:

1. क्विबिट ऑर्डरिंग (Qubit Ordering): 1D MPS चेन में भौतिक क्विबिट्स का मैपिंग आवश्यक बॉन्ड डायमेंशन ($\chi$) को महत्वपूर्ण रूप से प्रभावित करता है।

   • लेखक "रेनबो प्रॉब्लम" (rainbow problem) को संबोधित करते हैं, जहाँ एक मानक व्यवस्था में दूरस्थ क्विबिट्स के बीच एंटैंगलमेंट बड़े $\chi$ की ओर ले जाता है।
   • वे "स्नेक" (snake) ऑर्डरिंग (जैसे, नॉर्थईस्ट, साउथईस्ट) का प्रस्ताव करते हैं जो स्टेबलाइजर्स के लिए निकटतम-पड़ोसी कनेक्टिविटी को लागू करती है, जिससे $\chi$ में भारी कमी आती है।
   • स्थिर लॉजिकल स्टेट्स (जैसे, $|0_L\rangle$) के लिए, बाइपार्टिशन के माध्यम से "ओपन" स्टेबलाइजर्स को कम करने पर आधारित विश्लेषणात्मक ह्यूरिस्टिक्स ऑर्डरिंग का मार्गदर्शन करते हैं।

2. गेट ऑर्डरिंग (Gate Ordering): कम्यूटिंग गेट्स का क्रम (sequence) क्षणिक एंटैंगलमेंट (द "माउंटेन प्रॉब्लम") को प्रभावित करता है।

   • QEC राउंड के भीतर समानांतर CNOTs के क्रम को अनुकूलित करने से सिमुलेशन के दौरान पीक बॉन्ड डायमेंशन न्यूनतम हो जाता है।
   • अलग-अलग ऑर्डरिंग (जैसे, नॉर्थ बनाम Z लेयर्स) का परीक्षण यह खोजने के लिए किया जाता है कि कौन सा पथ मध्यवर्ती अवस्थाओं को यथासंभव कम-एंटैंगलमेंट वाला बनाए रखता है।

3. लॉजिकल-लेवल अनुकूलन (डिस्टिलेशन सर्किट के लिए):

   • डेप्थ-फर्स्ट रीऑर्डरिंग (Depth-First Reordering): सर्किट को एक डायरेक्टेड एसिआक्लिक ग्राफ (DAG) के रूप में मानकर और उसे डेप्थ-फर्स्ट तरीके से ट्रेवर्स करके, अन्य क्विबिट्स को इनिशियलाइज करने से पहले क्विबिट्स को मापा और पुन: उपयोग किया जा सकता है, जिससे सक्रिय क्विबिट्स की कुल संख्या कम हो जाती है।
   • एनसिला मैनेजमेंट (Ancilla Management): मैजिक स्टेट डिस्टिलेशन (MSD) के लिए लॉजिकल एनसिला के प्लेसमेंट और पुन: उपयोग को अनुकूलित करने से MPS में लॉन्ग-रेंज गेट्स कम हो जाते हैं।
   • क्विबिट रियूज़ (Qubit Reuse): उपलब्ध होने पर (मापन के बाद) क्विबिट स्लॉट्स को गतिशील रूप से आवंटित करने से सिमुलेशन के लिए आवश्यक कुल भौतिक क्विबिट की संख्या कम हो जाती है।

प्रमुख परिणाम

लेखक उच्च फिडेलिटी ($1-F \leq 10^{-8}$) के साथ विभिन्न QEC सर्किट के सटीक सिमुलेशन का प्रदर्शन करते हैं, जो एक सिंगल क्लस्टर नोड (Intel Xeon, 4 थ्रेड्स, 125 GiB RAM) पर संचालित है।

• रोटेटेड सरफेस कोड मेमोरी:

  • दूरी $d=11$ (241 भौतिक क्विबिट्स) तक सिमुलेट किया गया।
  • इष्टतम ऑर्डरिंग (नॉर्थईस्ट क्विबिट ऑर्डर, N लेयर ऑर्डर) अधिकतम बॉन्ड डायमेंशन $\chi_{max} = 2^{d-1}$ प्राप्त करती है।
  • मानक ऑर्डरिंग $d=5$ पर अव्यवहार्य (intractable) हो जाती है, जबकि अनुकूलित दृष्टिकोण सेकंडों में चलता है।

• लॉजिकल बेल-स्टेट प्रिपरेशन:

  • दूरी $d=9$ (322 भौतिक क्विबिट्स) तक सिमुलेट किया गया।
  • मेमोरी सबसर्किट और ट्रांसवर्सल CNOTs की जरूरतों को संतुलित करने के लिए एक हेट्रोजेनियस क्विबिट ऑर्डरिंग (पहले लॉजिकल क्विबिट के लिए नॉर्थ, दूसरे के लिए ईस्ट) की आवश्यकता होती है।
  • $\chi_{max} = 2^d$ प्राप्त होता है।

• 15-टू-1 मैजिक स्टेट डिस्टिलेशन (MSD):

  • $d=3$ (187 भौतिक क्विबिट्स, सैकड़ों QEC राउंड्स, 15 लॉजिकल $T$ गेट्स) वाले सर्किट को 40 सेकंड से कम में $\chi_{max}=64$ के साथ सिमुलेट किया गया।
  • $d=5$ (539 भौतिक क्विबिट्स) को $\sim75$ मिनट में सिमुलेट किया गया।
  • लॉजिकल-लेवल अनुकूलन (डेप्थ-फर्स्ट रीऑर्डरिंग, क्विबिट रियूज़) ने $NL=16$ ($d=3$) केस के लिए प्रभावी लॉजिकल क्विबिट काउंट को 16 से घटाकर 11 कर दिया, जिससे संसाधन आवश्यकताएं काफी कम हो गईं।

• डीप रैंडम सर्किट्स:

  • यह प्रदर्शित किया गया कि रनटाइम $T$ गेट्स (गैर-क्लिफोर्ड गेट्स) की संख्या के साथ रैखिक रूप से स्केल करता है जब तक कि बॉन्ड डायमेंशन सीमित हों, जो पुष्टि करता है कि सिंगल-क्विबिट गैर-क्लिफोर्ड गेट्स MPS के लिए "सस्ते" हैं।
  • दिखाया गया कि रैंडम सर्किट्स के लिए $\chi_{max}$, $2^{\lfloor N_L/2 \rfloor + d + 1}$ के रूप में स्केल करता है, जहाँ $N_L$ लॉजिकल क्विबिट्स की संख्या है।

महत्व और दावे

पेपर का दावा है कि MPS, QEC सर्किट के लिए नियर-क्लिफोर्ड सिम्युलेटर का एक मूल्यवान पूरक है, बशर्ते कि सर्किट-स्तरीय अनुकूलन लागू किए जाएं।

• सटीकता और बहुमुखी प्रतिभा: कई नियर-क्लिफोर्ड विधियों के विपरीत जो अनुमानित हैं या मैजिक काउंट द्वारा सीमित हैं, ये अनुकूलित MPS सिमुलेशन सटीक हैं और बिना किसी प्रतिबंध के किसी भी प्रकार के गेट्स को हैंडल कर सकते हैं।
• कार्यान्वयन के प्रति संवेदनशीलता: कार्य इस बात पर जोर देता है कि मानक MPS कार्यान्वयन इन सर्किटों के लिए अव्यवहार्य हैं, लेकिन "सही चुनाव सटीक सिमुलेशन को व्यवहार्य बनाते हैं।" प्रदर्शन में सुधार (परिमाण के कई क्रम) पूरी तरह से क्विबिट और गेट्स को पुनर्व्यवस्थित करने से प्राप्त होता है।
• अन्य विधियों के साथ तुलना: लेखक विनम्रतापूर्वक नोट करते हैं कि विशिष्ट सर्किटों (MSD और कम लॉजिकल क्विबिट्स वाले रैंडम सर्किट) के लिए, हालिया नियर-क्लिफोर्ड विधियां जैसे PPVM और CAMPS वर्तमान में अधिक तेज़ (लगभग $\sim1000\times$) हैं क्योंकि वे स्टेबलाइजर संरचना का अधिक प्रभावी ढंग से लाभ उठाती हैं।
• भविवी संभावना: लेखक सुझाव देते हैं कि MPS उन क्षेत्रों में नियर-क्लिफोर्ड विधियों से आगे निकल सकता है जहाँ:
  1. कम एंटैंगलमेंट लेकिन उच्च $T$-गेट काउंट और उच्च सक्रिय आयाम (जैसे, QEC-एनकोडेड QFT या शॉर्ट-टाइम हैमिल्टोनियन सिमुलेशन) हो।
  2. गैर-क्लिफोर्ड नॉइज़ मॉडल हों जहाँ स्टेट लॉजिकल सबस्पेस से बाहर निकल जाती है।
  3. सर्किट जहाँ "बैग ऑफ ट्रिक्स" (रीऑर्डरिंग, एनसिला मैनेजमेंट) को अन्य टेंसर नेटवर्क या हाइब्रिड क्लिफोर्ड+MPS दृष्टिकोणों को बेहतर बनाने के लिए अपनाया जा सके।

पेपर निष्कर्ष निकालता है कि हालांकि MPS विशिष्ट क्लिफोर्ड सिम्युलेटर के लिए एक सार्वभौमिक प्रतिस्थापन नहीं है, फिर भी यह विस्तृत किए गए विशिष्ट अनुकूलन रणनीतियों के साथ मिलकर मध्यम-स्तर के QEC सर्किट को सिमुलेट करने के लिए एक शक्तिशाली, सामान्य-उद्देश्य वाला उपकरण प्रदान करता है।