⚛️ quantum physics

Convolution absorbing boundaries for explicit-circuit quantum simulation of the wave equation

यह शोध पत्र श्रोडिंगरइजेशन (Schrödingerisation) के माध्यम से अवशोषक सीमाओं (absorbing boundaries) वाले स्पष्ट क्वांटम सर्किटों पर तरंग समीकरण (wave equation) को सिम्युलेट करने की एक विधि प्रस्तुत करता है, जो एक संरचनात्मक बाधा की पहचान करता है जो घातांकीय पोस्ट-सिलेक्शन लागत का कारण बनती है, लेकिन एक शास्त्रीय लियापुनोव सिमेट्राइज़र (Lyapunov symmetrizer) प्रस्तावित करता है जो गतिकी को विोत (dissipative) बनाता है और रिकवरी लागत को 26 आदेशों (orders of magnitude) तक कम कर देता है।

मूल लेखक: Hoang Anh Nguyen, Ali Tura

प्रकाशित 2026-09-04

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Hoang Anh Nguyen, Ali Tura

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 ऐसी दुनिया की कल्पना करें जहाँ भौतिकी के नियम तरंगों (waves) की भाषा में लिखे गए हों। ज़मीन के नीचे भूकंप की गड़गड़ाहट से लेकर फाइबर ऑप्टिक्स के माध्यम से यात्रा करती प्रकाश की चमक तक, ये लहरें ऐसी जानकारी ले जाती हैं जिसे वैज्ञानिक समझने के लिए उत्सुक रहते हैं। इनका अध्ययन करने के लिए, शोधकर्ता डिजिटल मॉडल बनाते हैं, जो मूल रूप से एक आभासी सैंडबॉक्स (virtual sandbox) बनाने जैसा है जहाँ वे एक तरंग को चलते, टकराते और बाधाओं के साथ अंतःक्रिया करते देख सकते हैं। दशकों से, एक जिद्दी समस्या इन सिमुलेशनों को परेशान कर रही है: सैंडबॉक्स के किनारे। वास्तविक दुनिया में, एक खुले मैदान से गुजरने वाली तरंग दूरी बढ़ने पर बस फीकी पड़ जाती है। लेकिन कंप्यूटर में, सिमुलेशन की एक कठोर सीमा होती है। जब एक तरंग इस अदृश्य दीवार से टकराती है, तो वह वापस लौट आती है, जिससे एक काल्पनिक गूँज (echo) पैदा होती है जो डेटा को खराब कर देती है। यह एक ऐसे कमरे में एकल वायलिन सुनने की कोशिश करने जैसा है जहाँ आपके द्वारा बजाया गया हर स्वर तुरंत आपके कान तक वापस आता है, जिससे संगीत दब जाता है।

इसे हल करने के लिए, शास्त्रीय कंप्यूटर वैज्ञानिकों ने 'एब्जॉर्बिंग लेयर' (absorbing layer) नामक एक चतुर युक्ति विकसित की। इसे सैंडबॉक्स की दीवारों को एक विशेष, अदृश्य स्पंज से ढंकने के रूप में समझें जो तरंग की ऊर्जा को छूते ही उसे सोख लेता है, जिससे किसी भी गूँज को रोका जा सके। यह शास्त्रीय कंप्यूटरों पर खूबसूरती से काम करता है, लेकिन एक नया क्षितिज खुल रहा है: क्वांटम कंप्यूटिंग। क्वांटम कंप्यूटर केवल आज के मशीनों के तेज़ संस्करण नहीं हैं; वे मौलिक रूप से भिन्न सिद्धांतों पर काम करते हैं, जो सूचना को संसाधित करने के लिए क्वांटम यांत्रिकी के विचित्र नियमों का उपयोग करते हैं। वर्षों से, वैज्ञानिक तरंगों का अनुकरण करने के लिए क्वांटम सर्किट बना रहे हैं, लेकिन ये सर्किट सख्ती से उन बंद कमरों तक सीमित थे जहाँ तरंगें सुरक्षित रूप से टकरा सकती थीं। वे उन खुले, स्पंज-युक्त सीमाओं को नहीं संभाल सकते थे जो यथार्थवादी भौतिकी के लिए आवश्यक हैं। यदि एक क्वांटम कंप्यूटर एक अवशोषक दीवार (absorbing wall) से टकराने वाली तरंग का अनुकरण करने की कोशिश करता, तो गणित टूट जाता और सिमुलेशन विफल हो जाता।

कोलोराडो स्कूल ऑफ माइन्स के शोधकर्ताओं ने अब इस अंतर को पाट दिया है। उन्होंने सफलतापूर्वक एक ऐसा तरीका डिजाइन किया है जिससे क्वांटम कंप्यूटर उन तरंगों का अनुकरण कर सकें जो अवशोषक सीमाओं से टकराती हैं, एक ऐसा कार्य जिसे इस प्रकार के हार्डवेयर के लिए पहले असंभव माना जाता था। उन्होंने इन निर्देशों को 32 x 32 बिंदुओं के ग्रिड वाले सिमुलेशन पर परीक्षण किया, जिसमें 17 से 21 क्वांटम बिट्स, या क्यूबिट्स (qubits) का उपयोग किया गया। परिणाम आश्चर्यजनक थे: क्वांटम सिमुलेशन तरंगों के सटीक, ज्ञात व्यवहार से एक प्रतिशत से भी कम की त्रुटि दर के साथ मेल खा गया, जिससे सिद्ध हुआ कि यह विधि काम करती है।

हालाँकि, सफलता का मार्ग सीधा नहीं था। जब शोधकर्ताओं ने पहली बार अपने क्वांटम समीकरणों पर अवशोषक परत (absorbing layer) लागू की, तो उन्हें एक विशाल गणितीय दीवार का सामना करना पड़ा। स्पंज जैसी अवशोषण प्रक्रिया का वर्णन करने वाले समीकरणों ने एक प्रकार की अस्थिरता पेश की, जिससे सफल परिणाम की संभावना इतनी कम हो गई कि एक भी सही उत्तर प्राप्त करने में ब्रह्मांड की आयु से भी अधिक समय लग जाता। यह क्वांटम मशीन के लिए अवशोषण को लिखने के तरीके में एक संरचनात्मक दोष था। शोधकर्ताओं ने सिद्ध किया कि कोई भी साधारण समायोजन इसे ठीक नहीं कर सकता; समस्या अवशोषक परत के क्वांटम शब्दों में अनुवादित होने के स्वभाव में ही निहित थी।

इसे दूर करने के लिए, उन्होंने एक परिष्कृत गणितीय उपकरण बनाया जिसे वे 'सिमेट्राइज़र' (symmetrizer) कहते हैं। यह एक पूर्व-गणना किया गया सुधार कारक (correction factor) है जो क्वांटम कंप्यूटर के काम शुरू करने से पहले ही समीकरणों को एक नया रूप देता है। इस सुधार को लागू करके, उन्होंने अस्थिर, अराजक समीकरणों को एक स्थिर, सुचारू प्रवाह में बदल दिया। परिणाम दक्षता में एक नाटकीय बदलाव था। इस सुधार के बिना, सही उत्तर प्राप्त करने की लागत सिमुलेशन चलने के साथ तेजी से बढ़ती जाती, जो जल्दी ही असंभव हो जाती। इस सुधार के साथ, लागत स्थिर और प्रबंधनीय रही, यहाँ तक कि लंबे सिमुलेशन के लिए भी। वास्तव में, उनके द्वारा परीक्षण की गई सबसे लंबी अवधि के लिए, सुधारा गया तरीका ही एकमात्र तरीका था जो काम कर रहा था, जिसने अन-सुधारित दृष्टिकोण की तुलना में ट्रिलियन-ट्रिलियन गुना बेहतर प्रदर्शन किया।

शोधकर्ताओं ने इन सिमुलेशनों को चलाने के लिए आवश्यक वास्तविक क्वांटम सर्किट भी बनाए। उन्होंने क्वांटм तरंगों को संभालने के मौजूदा तरीकों का विस्तार किया ताकि नए अवशोषक परतों को शामिल किया जा सके, जिससे शुरुआत से अंत तक एक पूर्ण पाइपलाइन तैयार हुई। उन्होंने सत्यापित किया कि इन सर्किटों को वर्तमान क्वांटम हार्डवेयर पर चलाया जा सकता है, जिसके लिए क्यूबिट्स की एक मध्यम संख्या की आवश्यकता होती है। टीम ने अपने सर्किट के प्रदर्शन को मापा और पाया कि वे उच्च सटीकता के साथ तरंग समीकरण का अनुकरण कर सकते हैं, जो तरंग के यात्रा करने और अवशोषित होने की प्रक्रिया को बिना किसी परावर्तन (reflection) के पकड़ लेता है। उन्होंने इसे एक बड़े पैमाने पर प्रदर्शित किया, 32 x 32 ग्रिड का अनुकरण किया जहाँ तरंग ऊर्जा पूर्ण शक्ति से लगभग शून्य तक घट जाती है, ठीक वैसे ही जैसे यह एक वास्तविक, खुले वातावरण में होता है।

यह कार्य क्वांटम सिमुलेशन के क्षेत्र में एक महत्वपूर्ण प्रगति है। यह तकनीक को सरल, बंद प्रणालियों से आगे बढ़ाकर जटिल, खुले वातावरण में ले जाता है जहाँ वास्तविक दुनिया की भौतिकी घटित होती है। अवशोषक सीमाओं की समस्या को हल करके, शोधकर्ताओं ने क्वांटम कंप्यूटरों के लिए भूभौतिकी (geophysics) जैसे क्षेत्रों में वास्तविक समस्याओं को हल करने का द्वार खोल दिया है, जैसे कि पृथ्वी के माध्यम से भूकंप कैसे यात्रा करते हैं इसका मॉडल बनाना, या ध्वनिकी (acoustics) में, जहाँ ध्वनि तरंगें जटिल संरचनाओं के साथ अंतःक्रिया करती हैं। उनके द्वारा विकसित विधि मजबूत और स्केलेबल है, जो यह सुझाव देती है कि जैसे-जैसे क्वांटम कंप्यूटर बड़े और अधिक शक्तिशाली होंगे, वे बढ़ती सटीकता के साथ इन अवशोषक परतों का अनुकरण करने में सक्षम होंगे। शोधकर्ताओं ने अपने कोड और डेटा को सार्वजनिक रूप से उपलब्ध कराया है, ताकि अन्य लोग इस आधार पर निर्माण कर सकें। उनका कार्य दिखाता है कि जबकि क्वांटम कंप्यूटर पर वास्तविक दुनिया का अनुकरण करने का मार्ग छिपे हुए अवरोधों से भरा है, सावधानीपूर्वक गणितीय इंजीनियरिंग रास्ता साफ कर सकती है, जिससे हम अंततः दीवारों की गूँज के बिना तरंगों को सुन सकेंगे।

तकनीकी सारांश: तरंग समीकरण के स्पष्ट-सर्किट क्वांटम सिमुलेशन के लिए कन्वोल्यूशन एब्जॉर्बिंग बाउंड्रीज़

समस्या विवरण
हैमिल्टनियन सिमुलेशन के माध्यम से निर्मित तरंग समीकरण (wave equation) के लिए स्पष्ट क्वांटम सर्किट, वर्तमान में बंद डोमेन (closed domains) तक ही सीमित हैं। इन डोमेन में, बाहर जाने वाली तरंगें कम्प्यूटेशनल सीमाओं से टकराकर वापस आती हैं और सिमुलेशन को दूषित कर देती हैं। यह सीमा स्पष्ट-सर्किट विधियों को स्कैटरिंग, रेडिएशन और वेव-आधारित इनवर्स समस्याओं (जैसे कि फुल वेवफॉर्म इन्वर्जन) के अनुप्रयोग को रोकती है, जिनमें स्वाभाविक रूप से खुले डोमेन की आवश्यकता होती है। क्लासिकल सॉल्वर इसे एब्जॉर्बिंग लेयर्स का उपयोग करके हल करते हैं, विशेष रूप से कन्वोल्यूशनली परफेक्टली मैचड लेयर (CPML), जो सिस्टम जनरेटर में एक हर्मिटियन डैम्पिंग घटक जोड़कर गैर-यूनिटरी डायनेमिक्स पेश करता है। हालांकि, मानक क्वांटम सिमुलेशन तकनीकों के लिए यूनिटरी इवोल्यूशन की आवश्यकता होती है। जबकि श्रोडिंगरइजेशन (Schrödingerisation) एक बड़े यूनिटरी सिस्टम पर मैपिंग करके गैर-यूनिटरी लीनियर डायनेमिक्स ( $\dot{z} = Az$ ) को सिम्युलेट करने का एक मार्ग प्रदान करता है, यह एक "रिकवरी थ्रेशोल्ड" लागत पेश करता है: यदि जनरेटर का हर्मिटियन भाग ( $H_1$ ) धनात्मक आइजनवैल्यू रखता है, तो सही समाधान को सफलतापूर्वक पोस्ट-सेलेक्ट करने की प्रायिकता समय के साथ तेजी से (exponentially) घटती है।

कार्यप्रणाली (Methodology)
लेखक क्वांटम कंप्यूटर पर CPML सीमाओं के साथ तरंग समीकरण को सिम्युलेट करने के लिए एक चार-चरणीय ढांचे का प्रस्ताव करते हैं:

फिजिक्स रिडक्शन: दूसरे क्रम के एकोस्टिक वेव समीकरण को पहले क्रम के सिस्टम ( $\psi = [v; w]$ ) में बदला जाता है और इसे एक हैमिल्टनियन $H$ में एनकोड किया जाता है।
एब्जॉर्बिंग लेयर कार्यान्वयन: कॉम्प्लेक्स-फ्रीक्वेंसी-शिफ्टेड (CFS) कारकों का उपयोग करके CPML लागू किया जाता है। यह मेमोरी फील्ड्स को स्थानीय ODEs के रूप में पेश करता है, जिसके परिणामस्वरूप एक गैर-हर्मिटियन जनरेटर $A = -iH - \Lambda$ प्राप्त होता है।
श्रोडिंगरइजेशन: गैर-यूनिटरी डायनेमिक्स को एक विस्तारित रजिस्टर (सिस्टम + सहायक $p$ -रजिस्टर) पर एक वार्प्ड फेज-स्पेस ट्रांसफॉर्म के माध्यम से यूनिटरी इवोल्यूशन में मैप किया जाता है। कुल हैमिल्टनियन $H_{tot} = D_\eta \otimes H_1 - I \otimes H_2$ होता है।
सर्किट निर्माण: लेखक एब्जॉर्बिंग इवोल्यूशन के लिए स्पष्ट गेट-लेवल सर्किट विकसित करते हैं। इसमें सेपरेटेड मल्टी-फील्ड ब्लॉक हैमिल्टनियन्स को संभालने के लिए (प्रोजेक्टर-वैल्यूड ऑपरेटर स्ट्रिंग्स के लिए आवश्यक) बेल-बेसिस टर्म-इवोल्यूशन सर्किट्स का विस्तार किया जाता है और सेकंड-ऑर्डर ट्रोटराइजेशन (Trotterisation) लागू किया जाता है।

मुख्य बाधा और समाधान
एक केंद्रीय निष्कर्ष जो लेम्मा 1 (Lemma 1) में पहचाना गया एक संरचनात्मक अवरोध है। CPML जनरेटर का मेमोरी फॉर्म एक अपरिहार्य अनििश्चित (irreducibly indefinite) हर्मिटियन भाग $H_1$ रखता है। इस भाग का सबसे बड़ा आइजनवैल्यू $\lambda_{\max}(H_1)$ , $\Theta(\sqrt{\sigma_{\max} c / h})$ के रूप में स्केल करता है, जहाँ $\sigma_{\max}$ अवशोषण शक्ति है और $h$ ग्रिड स्पेसिंग है। महत्वपूर्ण रूप से, इस अनििश्चितता को मेमोरी फील्ड्स के किसी भी डायगोनल रीस्केलिंग द्वारा हटाया नहीं जा सकता है। फलस्वरूप, समाधान को रिकवर करने के लिए पोस्ट-सेलेक्शन लागत $e^{-2\lambda_{\max} T}$ के रूप में तेजी से बढ़ती है, जिससे सीधा सिमुलेशन असंभव हो जाता है।

इसे दूर करने के लिए, लेखक एक ल्यपुनोव सिमेट्राइज़र (Lyapunov symmetrizer) पेश करते हैं। एक पॉजिटिव डेफिनिट मैट्रिक्स $W$ (जो ल्यपुनोव इनइक्वेलिटी को हल करता है) को प्री-कंप्यूट करके और एक सिमिलरिटी ट्रांसफॉर्मेशन $S = W^{1/2}$ लागू करके, जनरेटर को एक ऐसे जनरेटर में बदल दिया जाता है जिसका हर्मिटियन भाग स्ट्रिक्टली नेगेटिव सेमी-डेफिनिट होता है। यह समय-निर्भर एक्सपोनेंशियल पेनल्टी को एक समय-स्वतंत्र कंडीशनिंग फैक्टर ( $\kappa_2(S)$ ) में बदल देता है।

प्रमुख योगदान

वेव इक्वेशंस के लिए प्रथम एब्जॉर्बिंग बाउंड्रीज़: यह कार्य किसी भी यूनिटराइजेशन फ्रेमवर्क (मैट्रिक्स या सर्किट स्तर) के भीतर शास्त्रीय वेव-टाइप समीकरणों के लिए पहली एब्जॉर्बिंग बाउंड्रीज़ (CPML) का कार्यान्वयन प्रस्तुत करता है, जो इलास्टिक वेव्स के संबंध में नोट की गई एक खुली समस्या को संबोधित करता है।
स्ट्रक्चरल एनालिसिस (लेम्मा 1): यह पेपर सिद्ध करता है कि CPML मेमोरी फॉर्म्स की अनििश्चितता डायगोनल स्केलिंग द्वारा अपरिहार्य है, जो इसे सरल डैम्पिंग मॉडल (जैसे स्पंज) से अलग करती है और प्रत्यक्ष श्रोडिंगरइजेशन के लिए एक मौलिक सीमा स्थापित करती है।
ल्यपुनोव सिमेट्राइज़र: एक क्लासिकल प्री-कंप्यूटेशन विधि प्रदान की गई है जो रूपांतरित जनरेटर को डिसिपेटिव बनाती है। यह समय-निर्भर एक्सपोनेंशियल पेनल्टी को एक प्रबंधनीय, समय-स्वतंत्र कंडीशनिंग फैक्टर (जो सैकड़ों में मापा गया है) में बदल देती है।
स्पष्ट गेट-लेवल सर्किट: लेखक एब्जॉर्बिंग इवोल्यूशन के लिए स्पष्ट सर्किट का निर्माण और सत्यापन करते हैं। ये पिछले बेल-बेसिस कंस्ट्रक्शंस को सेपरेटेड मल्टी-फील्ड सिस्टम्स के लिए प्रोजेक्टर-वैल्यूड ऑपरेटर स्ट्रिंग्स तक विस्तारित करते हैं। सर्किट 17 से 21 क्वबिट्स (सिस्टम और सहायक रजिस्टरों सहित) पर काम करते हैं।

परिणाम

सत्यापन: स्पष्ट सर्किट्स को सटीक क्लासिकल रेफरेंस के विरुद्ध सत्यापित किया गया। 1D CPML बेंचमार्क (14 क्वबिट्स) ने सटीक गैर-यूनिटरी इवोल्यूशन के भीतर $7 \times 10^{-4}$ (0.07%) की रिकवर की गई समाधान प्राप्त किया, जबकि 2D स्पंज बेंचमार्क (17 क्वबिट्स) ने $2.7 \times 10^{-3}$ (0.27%) की त्रुटि प्राप्त की। एब्स्ट्रैक्ट नोट करता है कि सामान्यतः "एक दसवें प्रतिशत से एक प्रतिशत" के भीतर सहमति है, जबकि विशिष्ट सर्किट प्रदर्शन सब-परसेंट रेंज में है।
सिमेट्राइजेशन का प्रदर्शन:
- बिना सिमेट्राइजेशन के, रिकवरी विफल हो जाती है या भारी पोस्ट-सेलेक्शन लागत (उदाहरण के लिए, $T=40$ के लिए $32 \times 32$ ग्रिड हेतु $10^{39}$ ) लगती है।
- ल्यपुनोव सिमेट्राइज़र के साथ, रिकवरी त्रुटि कम ( $10^{-6}$ से $10^{-3}$ ) और समय के साथ स्थिर रहती है।
- वह क्रॉसओवर पॉइंट जहाँ सिमेट्राइज्ड विधि प्रत्यक्ष विधि की तुलना में सस्ती हो जाती है, जल्दी आता है ( $T^* \approx 6.7$ से $16.0$)। इस बिंदु के बाद, सिमेट्राइज्ड दृष्टिकोण पोस्ट-सेलेक्शन लागत में 4 से 26 ऑर्डर ऑफ मैग्नीट्यूड अधिक सस्ता है।
स्केलेबिलिटी: कंडीशनिंग फैक्टर $\kappa_2(S)$ मेश रिफाइनमेंट (अपने $n=4096$ अनोनोज तक) के तहत संतृप्त (saturate) हो जाता है, जो दर्शाता है कि यह विधि ग्रिड रेजोल्यूशन के साथ नहीं बढ़ती है। लागत शिफ्ट पैरामीटर $\epsilon$ द्वारा नियंत्रित होती है, न कि ग्रिड साइज द्वारा।
सर्किट कॉम्प्लेक्सिटी: स्टेप प्रति गेट काउंट सिस्टम क्वबिट्स के साथ बहुपद रूप से (लगभग द्विघातीय, $O(n^2)$ ) स्केल करता है।

महत्व और दावे
यह पेपर स्पष्ट-सर्किट क्वांटम सिमुलेशन और ओपन-डोमेन वेव फिजिक्स के बीच के अंतर को पाटने का दावा करता है। यह प्रदर्शित करता है कि जबकि CPML के लिए श्रोडिंगरइजेशन का अनुप्रयोग एक एक्सपोनेंशियल कॉस्ट बैरियर की ओर ले जाता है, इस बाधा को एक क्लासिकल प्री-प्रोसेसिंग स्टेप (ल्यपुनोव सिमेट्राइज़र) द्वारा दूर किया जा सकता है। लेखक जोर देते हैं कि लंबे सिमुलेशन क्षितिज के लिए, सिमेट्राइज्ड रिकवरी न केवल अधिक कुशल है, बल्कि एकमात्र काम करने वाली रिकवरी विधि है। यह कार्य वेव इक्वेशंस के लिए पहले एंड-टू-एंड वैलिडेटेड स्पष्ट सर्किट प्रदान करता है, जो पिछले स्पष्ट-सर्किट दृष्टिकोणों के क्लोज्ड-डोमेन प्रतिबंधों से आगे बढ़ता है। लेखक नोट करते हैं कि निर्माण के लिए सघन क्लासिकल प्री-कंप्यूटेशन ( $O(n^3)$ ) की आवश्यकता होती है और हार्डवेयर पर सिमेट्राइज़र का कार्यान्वयन (ब्लॉक-एनकोडिंग के माध्यम से) भविष्य के कार्य के लिए एक खुला प्रश्न बना हुआ है।

इसी तरह के और पेपर