Certification cost of quantum models: measurement correlation, not parameter count
यह शोध पत्र प्रदर्शित करता है कि वेरिएशनल क्वांटम मॉडलों को प्रमाणित करने के लिए मापन लागत रीडआउट शोर की सहसंबंध संरचना (correlation structure) के साथ स्केल करती है न कि पैरामीटर गणना के साथ, जो यह प्रकट करता है कि छोटे सिमुलेशन से प्राप्त क्यूबिक लागत अनुमान अक्सर परिमित-आकार प्रभावों (finite-size effects) और कनेक्टिविटी बाधाओं के कारण बड़े पैमाने पर हार्डवेयर आवश्यकताओं का अतिरंजित अनुमान लगाते हैं।
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
उपयोगी क्वांटम कंप्यूटर बनाने की दौड़ में, वैज्ञानिक अक्सर इस बात पर ध्यान केंद्रित करते हैं कि एक मशीन में कितने 'नॉब्स' (knobs) घुमाने के लिए उपलब्ध हैं। ये नॉब्स, जिन्हें पैरामीटर कहा जाता है, वे सेटिंग्स हैं जिन्हें शोधकर्ता क्वांटम सिस्टम को समस्या हल करने के लिए सिखाने हेतु ट्यून करते हैं। एक सामान्य धारणा यह रही है कि यदि किसी मशीन में अधिक नॉब्स हैं, तो यह सिद्ध करना कठिन हो जाता है कि मशीन सही ढंग से काम कर रही है। विशेष रूप से, कई विशेषज्ञों का मानना था कि एक क्वांटम सर्किट को सत्यापित करने के लिए इसे कितनी बार चलाना होगा, यह पैरामीटर्स की संख्या के साथ घन (cubic) रूप से बढ़ता है। सरल शब्दों में, यदि आप जटिलता को दोगुना करते हैं, तो काम की जांच करने की लागत आठ गुना बढ़ जाती थी। इस विश्वास ने शोधकर्ताओं को अपने समय और संसाधनों का बजट बनाने के तरीके को आकार दिया, जिससे वे अक्सर यह मान लेते थे कि बड़े पैमाने के क्वांटम मशीनों को प्रमाणित करना अत्यधिक महंगा होगा।
हालाँकि, ज्यूरिख यूनिवर्सिटी ऑफ एप्लाइड साइंसेज और ज्यूरिख यूनिवर्सिटी के शोधकर्ताओं के एक नए अध्ययन ने इस लंबे समय से चली आ रही धारणा को चुनौती दी है। उन्होंने यह मापने के लिए प्रयास किया कि एक प्रशिक्षित क्वांटम मॉडल की ज्यामिति (geometry) को सत्यापित करने की वास्तविक लागत क्या है, न कि केवल अनुमान लगाकर, बल्कि आवश्यक 'शॉट्स' (shots) या मापों की गणना करके। उनका कार्य प्रकट करता है कि लागत केवल पैरामीटर्स की संख्या द्वारा निर्धारित नहीं होती है, बल्कि इस बात से होती है कि जैसे-जैसे मशीन बढ़ती है, उसके आंतरिक संकेत और शोर (noise) कैसे व्यवहार करते हैं। हजारों सिमुलेशन चलाने और वास्तविक हार्डवेयर का परीक्षण करने के बाद, उन्होंने पाया कि "क्यूबिक" (cubic) लागत अक्सर छोटे पैमाने के प्रयोगों द्वारा निर्मित एक भ्रम है। कई प्रकार के क्वांटम सर्किटों के लिए, सटीकता को सत्यापित करने की लागत पहले की तुलना में बहुत धीमी गति से बढ़ती है, जो भविष्य की मशीनों पर क्या संभव है, इसके आर्थिक परिदृश्य को बदल देती है।
शोधकर्ताओं ने शुरुआत एक मौलिक प्रश्न से की: यह सिद्ध करने की वास्तविक लागत क्या है कि एक क्वांटम मॉडल वही कर रहा है जो वह दावा करता है? क्वांटम दुनिया में, आप केवल मशीन की सेटिंग्स देखकर यह नहीं जान सकते कि वह सही है या नहीं। क्योंकि क्वांटम सिस्टम स्वाभाविक रूप से संभाव्य (probabilistic) होते हैं, इसलिए आपको एक विश्वसनीय औसत प्राप्त करने के लिए एक ही गणना को कई बार चलाना होगा और परिणामों को गिनना होगा। इस प्रक्रिया को "शॉट बजट" (shot budget) लेना कहा जाता है। यदि बजट बहुत कम है, तो शोर सिग्नल को दबा देता है, और मॉडल की सेटिंग्स बेकार हो जाती हैं। टीम ने इस बजट के लिए एक सटीक नियम निकाला, जो यह दर्शाता है कि आवश्यक शॉट्स की संख्या दो मापने योग्य चीजों पर निर्भर करती है: आउटपुट का विचरण (variance - परिणाम कितना उछलता-कूदता है) और ग्रेडिएंट की शक्ति (gradient strength - मशीन की सेटिंग्स परिणाम को कितनी स्पष्टता से प्रभावित करती हैं)। उन्होंने पाया कि यदि आप इन दोनों मात्राओं को सीधे मापते हैं, तो आप मॉडल को सत्यापित करने की सटीक लागत की गणना कर सकते हैं, चाहे मॉडल में कितने भी पैरामीटर्स क्यों न हों।
जब उन्होंने इस नियम को विभिन्न प्रकार के क्वांटम सर्किटों पर लागू किया, तो एक आश्चर्यजनक पैटर्न उभर कर आया। अध्ययन में दो मुख्य परिवारों के सर्किटों का परीक्षण किया गया: एक जहाँ क्यूबिट्स के बीच संबंध स्थिर (fixed) होते हैं और मशीन के आकार के साथ नहीं बढ़ते हैं, और दूसरा जहाँ मशीन के बड़े होने पर कनेक्शन फैल जाते हैं। स्थिर कनेक्शन वाले सर्किटों के लिए, मॉडल को सत्यापित करने की लागत पैरामीटर्स की संख्या के वर्ग (quadratic) के रूप में बढ़ी। वास्तव में, इस प्रकार के 256-क्यूबिट मशीन के लिए, लागत पैरामीटर्स की संख्या के घन (cube) के बजाय उनके वर्ग के समानुपाती थी। इसका अर्थ है कि व्यापक रूप से उद्धृत "क्यूबिक लागत" भौतिकी का कोई सार्वभौमिक नियम नहीं है, बल्कि एक अस्थायी प्रभाव है जो केवल उन छोटे सिस्टम में देखा जाता है जहाँ मशीन का आकार उस सीमा के तुल्य होता है जहाँ सूचना यात्रा कर सकती है।
शोधकर्ताओं ने इस बदलाव को "लाइट कोन" (light cone) की अवधारणा का उपयोग करके समझाया, जो यह बताता है कि मशीन के एक हिस्से में होने वाला परिवर्तन दूसरे हिस्से को कितनी दूर तक प्रभावित कर सकता है। छोटे मशीनों में, पूरा सिस्टम इस लाइट कोन के भीतर होता है, इसलिए मशीन का हर हिस्सा हर बदलाव को महसूस करता है, जिससे उच्च क्यूबिक लागत आती है। लेकिन जैसे-जैसे मशीन बड़ी होती है, लाइट कोन का आकार वही रहता है जबकि मशीन बड़ी होती जाती है। अंततः, मशीन लाइट कोन से बड़ी हो जाती है, और इसे सत्यापित करने की लागत बहुत कम, यानी क्वाड्रेटिक दर पर गिर जाती है। यह अंतर महत्वपूर्ण है क्योंकि इसका अर्थ है कि छोटे सिमुलेशन पर आधारित लागत का अनुमान, एक बड़ी मशीन को चलाने के खर्च का अत्यधिक आकलन करेगा। उदाहरण के लिए, 256 क्यूबिट तक प्रमाणित किए गए सर्किटों के एक उत्पाद परिवार पर, शोधकर्ताओं ने पाया कि लागत घातांक (exponent) लगभग 1.97 था, जो अनुमानित 3 से बहुत कम है।
यह सुनिश्चित करने के लिए कि उनके निष्कर्ष केवल सिमुलेशन की त्रुटि (artifact) नहीं हैं, टीम ने IBM के वास्तविक क्वांटम हार्डवेयर पर अपने सिद्धांतों का परीक्षण किया। उन्होंने "मिरर सर्किट" (mirror circuits) नामक एक तकनीक का उपयोग किया, जहाँ उन्होंने एक सर्किट चलाया और फिर तुरंत उसका ठीक उल्टा चलाया। एक आदर्श दुनिया में, इसे 100% निश्चितता के साथ सिस्टम को उसकी प्रारंभिक स्थिति में वापस लाना चाहिए। वास्तविक मशीनों ने इस पूर्ण वापसी से कितना विचलन किया, इसे मापकर, वे "हार्डवेयर मल्टीप्लायर" (hardware multiplier), या वास्तविक दुनिया के शोर द्वारा लगाए गए अतिरिक्त खर्च को माप सके। दो अलग-अलग IBM उपकरणों पर, उन्होंने पाया कि वास्तविक हार्डवेयर को आदर्श सिद्धांत द्वारा अनुमानित शॉट्स की तुलना में लगभग दोगुने शॉट्स की आवश्यकता थी। यह मल्टीप्लायर विभिन्न मशीन आकारों में सुसंगत था, जिससे पुष्टि हुई कि हालांकि वास्तविक मशीनें सिमुलेशन की तुलना में शोर वाली होती हैं, फिर भी उनके द्वारा खोजे गए मौलिक स्केलिंग नियम सत्य रहते हैं।
अध्ययन ने यह भी पता लगाया कि क्या परिणामों को पढ़ने के स्मार्ट तरीके थे जिससे इस लागत को कम किया जा सके। उन्होंने शोर को कम करने के लिए मापों को भारित (weighting) करने की एक विधि का परीक्षण किया, जिसने उनके द्वारा परीक्षण किए गए हार्डवेयर पर शॉट्स की आवश्यक संख्या को लगभग 2.7 के कारक से सफलतापूर्वक कम कर दिया। यह सुधार विभिन्न मशीन आकारों में स्थिर था, जिसका अर्थ है कि यह एक विश्वसनीय बचत प्रदान करता है चाहे कंप्यूटर कितना भी बड़ा क्यों न हो जाए। हालाँकि, उन्होंने यह भी पाया कि छोटे, सस्ते सर्किटों पर प्रशिक्षित मॉडल बड़े, अधिक जटिल मशीनों के व्यवहार की भविष्यवाणी करने के लिए अच्छी तरह से स्थानांतरित नहीं हुए। इन बड़ी मशीनों में त्रुटियाँ केवल यादृच्छिक शोर नहीं थीं, बल्कि वे इस तरह से संरचित थीं कि सरल सुधार उन्हें ठीक नहीं कर सके, जिससे पता चलता है कि बड़े क्वांटम मशीनों के प्रदर्शन की भविष्यवाणी करने के लिए केवल छोटे डेटा से अनुमान लगाने के बजाय प्रत्यक्ष अवलोकन की आवश्यकता होती है।
अंततः, यह शोध क्वांटम सत्यापन के लिए बजट बनाने के नियमों को फिर से लिखता है। यह दिखाता है कि बढ़ती लागत के डर का डर अक्सर गलत होता है, जो बड़े सिस्टम में सूचना के प्रसार की गलत समझ से प्रेरित होता है। क्वांटम मॉडल को प्रमाणित करने की लागत आर्किटेक्चर का एक निश्चित गुण नहीं है, बल्कि यह एक गतिशील परिणाम है कि मशीन का विचरण (variance) और सिग्नल स्ट्रेंथ (signal strength) आकार के साथ कैसे स्केल करते हैं। फिक्स्ड-कनेक्टिविटी उपकरणों के लिए, जो वर्तमान हार्डवेयर में आम हैं, लागत क्यूबिक नियम के सुझाव की तुलना में बहुत धीरे बढ़ती है। यह खोज क्वांटम कंप्यूटिंग की स्केलेबिलिटी के लिए एक अधिक आशावादी दृष्टिकोण प्रदान करती है, जो बताती है कि बड़े, उपयोगी मशीनों को सत्यापित करने का मार्ग उतना कठिन नहीं है जितना पहले माना जाता था, बशर्ते हम सही मात्राओं को मापें और अपने लाइट कोन्स की सीमाओं को समझें।
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।