Energetic Costs of Subspace Quantum Error Correction
यह शोध पत्र सिंड्रोम मेमोरी को रीसेट करने के लिए आवश्यक आदर्श कार्य (आइडियल वर्क) पर एक निचली सीमा (लोअर बाउंड) व्युत्पन्न करके सबस्पेस क्वांटम एरर करेक्शन के लिए एक ऊष्मागतिक पदानुक्रम (थर्मोडायनामिक हाइरार्की) स्थापित करता है, जो यह प्रदर्शित करता है कि यह ऊर्जात्मक लागत कोड डिजेनेरेसी, शोर की संरचना और सिंड्रोम सूचना प्रतिनिधित्व के विशिष्ट स्तर के बीच परस्पर क्रिया पर कैसे निर्भर करती 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
आज की मशीनों की पहुंच से परे समस्याओं को हल करने वाला कंप्यूटर बनाने के लिए, वैज्ञानिकों को पहले नाजुकता की समस्या को हल करना होगा। इन भविष्य की मशीनों के भीतर सूचना के बिट्स, जिन्हें क्यूबिट्स (qubits) कहा जाता है, अविश्वसनीय रूप से संवेदनशील होते हैं। आसपास के वातावरण से होने वाली एक मामूली हलचल—एक भटकता हुआ चुंबकीय क्षेत्र, तापमान में उतार-चढ़ाव, या यहाँ तक कि एक एकल परमाणु का सिस्टम से टकराना—डेटा को अस्त-व्यस्त कर सकता है। इससे बचने के लिए, शोधकर्ता क्वांटम एरर करेक्शन (quantum error correction) नामक तकनीक का उपयोग करते हैं। एक एकल सूचना को एक नाजुक स्थान में संग्रहीत करने के बजाय, वे इसे कई भौतिक कणों में फैला देते हैं। यदि एक कण दूषित हो जाता है, तो सिस्टम डेटा को देखे बिना ही क्षति का पता लगा सकता है और उसे ठीक कर सकता है, क्योंकि डेटा को देखना ही उसे नष्ट कर सकता है। यह प्रक्रिया जांचने, रिकॉर्ड करने और रीसेट करने के एक निरंतर चक्र पर निर्भर करती है। सिस्टम सहायक कणों की स्थिति को मापता है, परिणामों को लिखता है, और फिर उस जानकारी का उपयोग यह तय करने के लिए करता है कि मुख्य डेटा की मरम्मत कैसे की जाए।
हालाँकि, इस चक्र की एक छिपी हुई कीमत है जो केवल मशीन चलाने के लिए आवश्यक बिजली से कहीं अधिक है। हर बार जब सिस्टम एक माप परिणाम को लिखता है और फिर अगले चेक के लिए जगह बनाने के लिए उस मेमोरी को साफ करता है, तो उसे ऊर्जा खर्च करनी पड़ती है। यह भौतिकी का एक मौलिक नियम है: सूचना को मिटाने से गर्मी उत्पन्न होती है। एक क्वांटम कंप्यूटर को लंबे समय तक चलने के लिए, इसे इस चक्र को लाखों बार करना होगा। यदि मेमोरी को मिटाने की लागत बहुत अधिक है, तो मशीन उतनी ऊर्जा बचा पाने के बजाय अधिक ऊर्जा खर्च कर सकती है जितनी वह त्रुटियों को ठीक करके बचाती है, जिससे पूरी प्रक्रिया बेकार हो जाती है। प्रश्न केवल यह नहीं है कि क्या हम त्रुटियों को ठीक कर सकते हैं, बल्कि यह है कि मेमोरी को बार-बार साफ रखने के लिए वास्तव में कितनी ऊर्जा खर्च होती है।
ट्रिनिटी कॉलेज डबलिन के शोधकर्ताओं की एक टीम ने ठीक से मानचित्रित किया है कि ये ऊर्जा लागत कहाँ से आती है और त्रुटि-सुधार प्रणाली के डिजाइन के आधार पर कैसे बदलती है। उन्होंने त्रुटि सूचना की पूरी यात्रा का अध्ययन किया, त्रुटि के क्षण से लेकर मेमोरी से मिटाए जाने के क्षण तक। उन्होंने पाया कि आवश्यक ऊर्जा कोई एकल निश्चित संख्या नहीं है, बल्कि यह इंजीनियरों द्वारा किए गए विकल्पों के पदानुक्रम पर निर्भर करती है। सबसे बुनियादी लागत उत्पन्न की गई सूचना की विशाल मात्रा से आती है। लेकिन शोधकर्ताओं ने पाया कि इस सूचना को समूहबद्ध और संग्रहीत करने के तरीके से ऊर्जा के बिल को काफी कम किया जा सकता है। विभिन्न प्रकार के एरर-करेक्शन कोड का विश्लेषण करके, उन्होंने दिखाया कि कुछ डिजाइन स्वाभाविक रूप से अन्य की तुलना में अधिक कुशल होते हैं, इसलिए नहीं कि वे अधिक स्मार्ट हैं, बल्कि इसलिए क्योंकि वे मेमोरी को रीसेट करते समय कम "अपशिष्ट ऊष्मा" (waste heat) उत्पन्न करते हैं।
शोधकर्ताओं ने प्रक्रिया के सबसे अमूर्त स्तर को देखकर शुरुआत की। जब शोर (noise) एक क्वांटम सिस्टम से टकराता है, तो यह त्रुटियों का एक विशिष्ट पैटर्न बनाता है। सिस्टम को यह पहचानने के लिए कि कौन सा पैटर्न हुआ है, यह जानना चाहिए कि उसे कैसे ठीक किया जाए। सबसे कुशल सैद्धांतिक परिदृश्य में, सिस्टम को केवल त्रुटि की श्रेणी को याद रखने की आवश्यकता होती है, न कि इसके होने के हर छोटे विवरण को। टीम ने इन विभिन्न त्रुटि श्रेणियों के बीच अंतर करने के लिए आवश्यक न्यूनतम सूचना की गणना की। उन्होंने पाया कि यह न्यूनतम सूचना की मात्रा मेमोरी को रीसेट करने के लिए आवश्यक ऊर्जा पर एक कठोर निचली सीमा निर्धारित करती है। यदि सिस्टम इस न्यूनतम मात्रा से अधिक सूचना उत्पन्न करता है, तो यह अनिवार्य रूप से उन विवरणों को संग्रहीत करने के लिए अतिरिक्त ईंधन जला रहा है जो मरम्मत के लिए सख्त रूप से आवश्यक नहीं हैं।
यह समझने के लिए कि वास्तविक हार्डवेयर में यह कैसे काम करता है, टीम ने 'स्टेबिलाइज़र कोड' (stabiliser code) नामक एक विशिष्ट प्रकार के कोड पर ध्यान केंद्रित किया, जो बड़े पैमाने के क्वांटम कंप्यूटर बनाने के लिए वर्तमान में अग्रणी उम्मीदवार है। इन प्रणालियों में, त्रुटि सूचना को सहायक कणों की एक श्रृंखला को मापकर एकत्र किया जाता है। प्रत्येक माप एक सरल हाँ-या-ना का उत्तर देता है, जैसे कि एक बाइनरी बिट। शोधकर्ताओं ने इन बिट्स के पथ का पीछा किया, उनके मापे जाने के क्षण से लेकर उन्हें अंतिम त्रुटि लेबल में संसाधित किए जाने के क्षण तक। उन्होंने पाया कि ऊर्जा की लागत इस बात पर बहुत अधिक निर्भर करती है कि इन बिट्स को कैसे संभाला जाता है। यदि सिस्टम प्रत्येक कच्चे माप परिणाम को संग्रहीत करता है और फिर उन्हें एक-एक करके मिटाता है, तो ऊर्जा की लागत अधिक होती है। ऐसा इसलिए है क्योंकि कच्चे बिट्स में अक्सर सहसंबंध (correlations) होते; एक माप के परिणाम को जानने से आपको अगले के बारे में कुछ पता चल सकता है, जिसका अर्थ है कि वे पूरी तरह से स्वतंत्र सूचना के टुकड़े नहीं हैं। उन्हें अलग-अलग मिटाना इन कनेक्शनों की अनदेखी करता है और ऊर्जा बर्बाद करता है।
अध्ययन से पता चला कि कोड की संरचना का उपयोग इस बर्बादी को कम करने के लिए किया जा सकता है। कुछ कोड "डिजेनरेट" (degenerate) होते हैं, जिसका अर्थ है कि विभिन्न भौतिक त्रुटियां सिस्टम को बिल्कुल एक जैसी दिख सकती हैं। उदाहरण के लिए, एक विशिष्ट क्यूबिट पर त्रुटि दूसरे क्यूबिट पर त्रुटि के समान ही माप पैटर्न उत्पन्न कर सकती है। एक डिजेनरेट कोड में, सिस्टम को समस्या को ठीक करने के लिए इन दोनों संभावनाओं के बीच अंतर करने की आवश्यकता नहीं होती है; उसे केवल यह जानने की आवश्यकता है कि उनमें से एक हुआ है। शोधकर्ताओं ने पाया कि जिन कोडों में यह गुण होता है, जहाँ कई अलग-अलग त्रुटियां एक ही रिकवरी निर्देश की ओर ले जाती हैं, वे कुल मिलाकर कम सूचना उत्पन्न करते हैं। सूचना में यह कमी सीधे मेमोरी को रीसेट करने के लिए आवश्यक ऊर्जा में कमी के रूप में परिवर्तित होती है। उन्होंने दिखाया कि शोर कोड (Shor code) जैसे कुछ प्रकार के कोड के लिए, यह डिजेनेरेसी प्रति भौतिक कण आवश्यक ऊर्जा में महत्वपूर्ण गिरावट ला सकती है, विशेष रूपकर जब त्रुटियां दुर्लभ हों।
हालाँकि, शोधकर्ताओं ने यह भी पाया कि डिजेनेरेसी के लाभों की सीमाएं हैं। जबकि त्रुटियों को एक साथ समूहबद्ध करने से अंतिम त्रुटि लेबल के स्तर पर ऊर्जा बचती है, कच्चे माप अभी भी होते हैं। कई व्यावहारिक डिजाइनों में, सिस्टम को अभी भी बड़ी संख्या में सहायक कणों को मापना पड़ता है। यदि सिस्टम इन प्रत्येक कच्चे माप को व्यक्तिगत रूप से संग्रहीत और मिटाता है, तो ऊर्जा की लागत उच्च बनी रहती है, चाहे अंतिम त्रुटि समूहन कितना भी चतुर क्यों न हो। टीम ने यहाँ एक विशिष्ट अक्षमता की पहचान की: अंतिम, संसाधित त्रुटि लेबल को मिटाने के लिए आवश्यक ऊर्जा और कच्चे माप बिट्स के प्रवाह को मिटाने के लिए आवश्यक ऊर्जा के बीच का अंतर। उन्होंने पाया कि कुछ कोडों के लिए, यह अंतर बड़ा है, जिसका अर्थ है कि अंतिम सुधार लागू करने से पहले ही कच्चे डेटा को साफ करने में बहुत अधिक ऊर्जा खर्च की जाती है।
टीम ने यह देखने के लिए कि वे कैसे मुकाबला करते हैं, कई प्रसिद्ध एरर-करेक्शन कोड की तुलना की। उन्होंने फाइव-क्यूबिट कोड (five-qubit code), स्टीन कोड (Steane code), शोर कोड (Shor code) और सरफेस कोड (surface code) का अध्ययन किया, जो बड़े पैमाने की मशीनों के लिए एक लोकप्रिय डिजाइन है। उन्होंने पाया कि सरफेस कोड, हालांकि डेटा को त्रुटियों से बचाने में उत्कृष्ट है, इसमें अपने कच्चे माप बिट्स को मिटाने के लिए उच्च ऊर्जा लागत होती है क्योंकि यह कई भारी-भार वाले मापों पर निर्भर करता है जो स्वतंत्र बिट्स की सूचना उत्पन्न करते हैं। इसके विपरीत, शोर कोड, जो एक अलग संरचना का उपयोग करता है, अत्यधिक सहसंबंधित (highly correlated) निम्न-भार वाले मापों से लाभ उठाता है। यह सहसंबंध सिस्टम को सूचना को अधिक प्रभावी ढंग से संकुचित करने की अनुमति देता है, जिससे कुछ परिदृश्यों में मिटाने के लिए कुल ऊर्जा लागत कम हो जाती है। शोधकर्ताओं ने स्पष्ट किया कि कोड का चुनाव एक ट्रेड-ऑफ है: कुछ कोड त्रुटियों को रोकने में बेहतर होते हैं, जबकि अन्य मरम्मत प्रक्रिया की ऊर्जा लागत को कम करने में बेहतर होते हैं।
अंततः, यह कार्य लागतों का एक स्पष्ट पदानुक्रम स्थापित करता है। एक क्वांटम कंप्यूटर चलाने के लिए आवश्यक ऊर्जा केवल गणना करने के लिए आवश्यक शक्ति या क्यूबिट्स को ठंडा रखने के लिए आवश्यक कूलिंग के बारे में नहीं है। यह सूचना प्रबंधन की थर्मोडायनामिक कीमत के बारे में भी है। शोधकर्ताओं ने दिखाया कि सबसे कुशल सिस्टम वे हैं जो उस सूचना की मात्रा को कम करते हैं जिसे संग्रहीत और मिटाया जाना चाहिए। यह तब होता है जब कोड का डिजाइन वातावरण में शोर (noise) के साथ मेल खाता है, जो एक जैसी दिखने वाली त्रुटियों को एक साथ समूहबद्ध करता है और अनावश्यक कच्चे डेटा को संग्रहीत करने से बचता है। इस लागत को समझकर, इंजीनियर ऐसे क्वांटम कंप्यूटर डिजाइन कर सकते हैं जो न केवल अधिक विश्वसनीय हैं, बल्कि अधिक ऊर्जा-कुशल भी हैं, यह सुनिश्चित करते हुए कि मशीन अपनी गलतियों को ठीक करने की कोशिश में खुद को जला न दे। यह अध्ययन सही काम के लिए सही कोड चुनने के लिए एक रोडमैप प्रदान करता है, जो त्रुटि सुरक्षा की आवश्यकता और ऊष्मागतिकी (thermodynamics) के मौलिक नियमों के बीच संतुलन बनाता 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।