Exact logical error rates for magic state cultivation
यह शोध पत्र पॉली प्रोपेगेशन (Pauli propagation) और बाइनरी टेंसर कॉन्ट्रैक्शन (binary tensor contraction) का उपयोग करते हुए डिस्टेंस-3 और डिस्टेंस-5 मैजिक स्टेट कल्टिवेशन सर्किट के एक्सेप्टेंस (acceptance) और लॉजिकल एरर रेट्स की सटीक विश्लेषणात्मक गणना प्रस्तुत करता है, जो यह प्रकट करता है कि उनकी प्रभावी फॉल्ट दूरियाँ (effective fault distances) उनकी नाममात्र की दूरियों से कम हैं और उनके प्रदर्शन में देखी गई गिरावट की व्याख्या करती 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
आज की मशीनों के लिए असंभव समस्याओं को हल करने वाले कंप्यूटर बनाने की खोज में, वैज्ञानिक एक ऐसा संस्करण बनाने की दौड़ में हैं जो जरा सी भी गड़बड़ी होने पर टूट न जाए। यही फॉल्ट-टोलरेंट (दोष-सहिष्णु) क्वांटम कंप्यूटिंग का वादा है। मुख्य चुनौती यह है कि इन कंप्यूटरों के बुनियादी निर्माण खंड, जिन्हें क्यूबिट्स (qubits) कहा जाता है, अविश्वसनीय रूप से नाजुक होते हैं। उनकी सुरक्षा के लिए, शोधकर्ता 'एरर करेक्शन' (त्रुटि सुधार) नामक विधि का उपयोग करते हैं, जो जानकारी को कई भौतिक कणों में फैला देती है ताकि यदि एक विफल हो जाए, तो अन्य उसकी कमी पूरी कर सकें। हालाँकि, इस सुरक्षा की एक भारी कीमत चुकानी पड़ती है: कंप्यूटर को जानकारी को सुरक्षित रखने के लिए लगातार एक विशिष्ट, कठिन ऑपरेशन करना पड़ता है। यह ऑपरेशन एक ऊँची रस्सी पर चलने वाले करतब की तरह है जिसके लिए एक विशेष संसाधन की आवश्यकता होती है, जिसे अक्सर "मैजिक स्टेट" (जादुई अवस्था) कहा जाता है, ताकि इसे अत्यधिक सटीकता के साथ तैयार किया जा सके। यदि यह तैयारी दोषपूर्ण है, तो पूरी गणना ढह जाती है।
वर्षों तक, वैज्ञानिक इन मैजिक स्टेट्स के विफल होने की आवृत्ति का अनुमान लगाने के लिए कंप्यूटर सिमुलेशन पर निर्भर रहे हैं। क्योंकि ये विफलताएं इतनी दुर्लभ होती हैं—शायद अरब में एक बार होती हैं—तो इनका सीधे सिमुलेशन करना एक समुद्र तट पर एक विशिष्ट रेत के कण को खोजने के समान है, जिसे एक-एक करके उठाने की कोशिश की जा रही हो। यह उपयोगी होने के लिए बहुत लंबा समय लेगा। इसके बजाय, शोधकर्ताओं ने एक शॉर्टकट का उपयोग किया, जो एक सरलीकृत मॉडल है जो वास्तविक, जटिल प्रक्रिया के विकल्प के रूप में कार्य करता है। यह माना गया था कि यह शॉर्टकट भविष्य की मशीनों के डिजाइन का मार्गदर्शन करने के लिए पर्याप्त सटीक है। लेकिन सटीक विफलता दर की गणना करने का कोई तरीका न होने के कारण, कोई भी निश्चित रूप से नहीं जानता था कि क्या यह शॉर्टकट किसी खतरनाक दोष को छिपा रहा है जो कंप्यूटर को उम्मीद से कहीं अधिक अविश्वसनीय बना सकता है।
शोधकर्ताओं की एक टीम ने अब अनुमान लगाने की आवश्यकता को समाप्त कर दिया है। इन सिस्टम्स के व्यवहार को ट्रैक करने का एक नया तरीका विकसित करके, उन्होंने इन मैजिक स्टेट्स को बनाने के लिए उपयोग किए जाने वाले सर्किट की विफलता की सटीक संभावना की गणना की है। उन्होंने सैंपलिंग या शॉर्टकट पर भरोसा नहीं किया। इसके बजाय, उन्होंने हर उस संभावित तरीके का मानचित्र बनाया जिससे सिस्टम गलत हो सकता है, सबसे छोटी एकल त्रुटि से लेकर गलतियों की जटिल श्रृंखलाओं तक, और सही उत्तर खोजने के लिए परिणामों को जोड़ दिया। उनका काम दो विशिष्ट डिजाइनों पर केंद्रित था, जिनमें से एक सात कणों वाला और दूसरा उन्नीस कणों वाला है, जो इन सर्किटों के निर्माण के लिए वर्तमान में मानक हैं।
परिणामों ने एक महत्वपूर्ण आश्चर्य प्रकट किया। शोधकर्ताओं ने पाया कि वर्षों से उपयोग किया जाने वाला सरलीकृत शॉर्टकट वास्तव में विफलता दर को कम करके आंकता है। बड़े उन्नीस-कण वाले डिजाइन में, वास्तविक टी-स्टेट (T-state) सर्किट के लिए लॉजिकल एरर की वास्तविक संभावना, शॉर्टकट द्वारा सुझाए गए स्तर से लगभग 9.6 गुना अधिक है। इसका मतलब है कि इन मशीनों को चलाने के लिए कितनी कंप्यूटिंग शक्ति की आवश्यकता होगी, इसके पिछले अनुमान संभवतः बहुत अधिक आशावादी थे। सर्किट उतने मजबूत नहीं हैं जितने कि सरलीकृत मॉडल ने संकेत दिया था।
इसके अलावा, टीम ने पाया कि इस विसंगति का कारण सर्किट की मौलिक संरचना में निहित है। उन्होंने दिखाया कि इन डिजाइनों में पहले की तुलना में कम "फॉल्ट डिस्टेंस" (दोष दूरी) है। सरल शब्दों में, इसका अर्थ यह है कि त्रुटियों की एक बहुत ही छोटी संख्या—छोटे डिजाइन में केवल दो और बड़े डिजाइन में तीन—एक ऐसी विनाशकारी विफलता का कारण बनने के लिए पर्याप्त है जो सुरक्षा जांच से बच निकलती है। मूल डिजाइनों के बारे में यह सोचा गया था कि ऐसी विफलता पैदा करने के लिए कई अधिक त्रुटियों की आवश्यकता होगी। यह निष्कर्ष बताता है कि सर्किट इस तरह व्यवहार क्यों करते हैं और यह स्पष्ट करता है कि शॉर्टकट मॉडल वास्तविक जोखिम का अनुमान लगाने में क्यों विफल रहा।
इस स्तर की सटीकता प्राप्त करने के लिए, शोधकर्ताओं ने एक ऐसी विधि का उपयोग किया जो सर्किट को परस्पर जुड़े हुए संभावनाओं के एक विशाल नेटवर्क के रूप में मानती है। उन्होंने ट्रैक किया कि त्रुटियां सिस्टम के माध्यम से कैसे चलती हैं, और गणना को प्रबंधनीय रखने के लिए समान गलतियों को एक साथ समूहबद्ध किया। फिर उन्होंने इन सभी संभावनाओं को संयोजित करने के लिए एक गणितीय तकनीक का उपयोग किया, जो प्रभावी रूप से संभावित विफलताओं के संपूर्ण परिदृश्य को एक साथ जोड़ देती है। इसने उन्हें औसत अनुमान के बजाय शोर (noise) के विभिन्न स्तरों पर विफलता दरों के सटीक अंक प्रदान करने की अनुमति दी। उन्होंने अपने परिणामों को पिछले सिमुलेशन के विरुद्ध तुलना करके सत्यापित किया, और उनके सटीक अंक उन श्रेणियों के भीतर पूरी तरह से आए जो सिमुलेशन ने सुझाई थीं, लेकिन एक ऐसी सटीकता के साथ जो सिमुलेशन अकेले कभी नहीं प्राप्त कर सकते थे।
यह अध्ययन विश्वसनीय क्वांटम कंप्यूटर बनाने के लिए आवश्यक संसाधनों में शामिल जोखिमों का एक स्पष्ट, सटीक मानचित्र प्रदान करता है। यह पुष्टि करता है कि हालांकि सर्किट काम करते हैं, वे सरलीकृत मॉडलों की तुलना में अधिक नाजुक हैं। इसका मतलब यह नहीं है कि तकनीक काम करने योग्य नहीं है, बल्कि इसका मतलब यह है कि इंजीनियरों को भविष्य की मशीनों की योजना बनाते समय इन उच्च विफलता दरों को ध्यान में रखना होगा। यह कार्य एक निश्चित संदर्भ के रूप में कार्य करता है, जो अनुमानों को सटीक भिन्नों (fractions) से बदल देता है और यह सुनिश्चित करता है कि एक विश्वसनीय क्वांटम कंप्यूटर की ओर जाने वाला मार्ग ज्ञात, अनुमानित संभावनाओं के बजाय ज्ञात संभावनाओं की नींव पर निर्मित हो।
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।