⚛️ quantum physics

Exploring Asymmetric QEC Code Concatenation

यह शोध पत्र क्लिफोर्ड विरूपणों (Clifford deformations) के स्थान को औपचारिक रूप देकर और विभिन्न शोर मॉडलों (noise models) के तहत कुल तार्किक त्रुटि दर को कम करते हुए $X$ और $Z$ त्रुटि दरों को समान करने वाली एक विशिष्ट रणनीति की पहचान करके, $[[4,1,2]]$ आइसबर्ग कोड (Iceberg code) को संयोजित करने से उत्पन्न होने वाली विषम तार्किक त्रुटि दरों को संबोधित करता है।

मूल लेखक: Sayam Sethi, Maxwell Poster, Aditi Awasthi, Willers Yang, Joshua Viszlai, Jonathan Mark Baker

प्रकाशित 2026-09-23

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Sayam Sethi, Maxwell Poster, Aditi Awasthi, Willers Yang, Joshua Viszlai, Jonathan Mark Baker

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 विश्वसनीय क्वांटम कंप्यूटर बनाने की खोज में, वैज्ञानिक एक मौलिक समस्या का सामना करते हैं: इन मशीनों को शक्ति देने वाले सूचना के नाजुक बिट्स अविश्वसनीय रूप से संवेदनशील होते हैं। पर्यावरण से होने वाला एक छोटा सा व्यवधान भी एक बिट को पलट सकता है या उसकी स्थिति को बिगाड़ सकता है, जिससे गणना विफल हो सकती है। इससे निपटने के लिए, शोधकर्ता क्वांटम एरर करेक्शन (त्रुटि सुधार) नामक एक तकनीक का उपयोग करते हैं, जो सूचना के एक एकल टुकड़े को कई भौतिक कणों में फैला देती है, जिससे एक सुरक्षा जाल तैयार होता है। यदि एक कण गलती करता है, तो अन्य कण यह प्रकट कर सकते हैं कि क्या हुआ और बिना सूचना को नष्ट किए उसे ठीक कर सकते हैं। हालाँकि, जैसे-जैसे कंप्यूटर बड़े होते जाते हैं, ये सुरक्षा जाल स्वयं अधिक जटिल होते जाते हैं, जिसके लिए अक्सर एक के ऊपर एक सुरक्षा की परतें लगाने की आवश्यकता होती है। चुनौती इन परतों को कुशलतापूर्वक बनाने की है, बिना सिस्टम को अतिरिक्त हिस्सों से इतना भारी बनाए कि इसे नियंत्रित करना असंभव हो जाए।

यूनिवर्सिटी ऑफ टेक्सास एट ऑस्टिन और यूनिवर्सिटी ऑफ शिकागो के शोधकर्ताओं का एक हालिया अध्ययन इस बात पर केंद्रित है कि इन स्तरित सुरक्षा जालों को बेहतर तरीके से कैसे काम कराया जाए। उन्होंने 'आइसबर्ग कोड' (Iceberg code) नामक एक विशिष्ट, छोटे निर्माण खंड पर ध्यान केंद्रित किया, जो वर्तमान में त्रुटियों का पता लगाने के सबसे कुशल तरीकों में से एक है। उन्होंने पाया कि यह कोड असंतुलित है। यह दो मुख्य प्रकार की त्रुटियों—डेटा में उतार-चढ़ाव (flips) और फेज में बदलाव (shifts)—के विरुद्ध असमान रूप से सुरक्षा प्रदान करता है। इसमें एक प्रकार की त्रुटि के लिए दूसरे की तुलना में अधिक जाँच (checks) होती हैं, जिसका अर्थ है कि जब इन कोडों को परतों में रखा जाता है, तो सिस्टम असंतुलित हो जाता है। एक प्रकार की त्रुटि के दरारों से निकल जाने की संभावना बहुत अधिक हो जाती है, जिससे पूरी संरचना कमजोर हो जाती है। शोधकर्ताओं ने इन कोडों के आंतरिक घटकों को विशिष्ट पैटर्न में पुनर्व्यवस्थित करके इस असंतुलन को ठीक करने का प्रयास किया, और यह परीक्षण किया कि कौन से विन्यास सबसे समान और मजबूत सुरक्षा प्रदान करते हैं।

टीम ने 'डिफॉर्मेशन' (deformation) नामक एक विधि की जांच की, जिसमें कोड के भीतर व्यक्तिगत कणों पर एक विशिष्ट गणितीय ऑपरेशन लागू किया जाता है। इस ऑपरेशन को एक स्विच की तरह समझें जो एक ही कण पर दो प्रकार की त्रुटियों की भूमिकाओं को बदल देता है। अलग-अलग कणों पर अलग-अलग पैटर्न में इस स्विच को बदलकर, शोधकर्ता यह बदल सके कि कोड गलतियों का पता कैसे लगाता है। उन्होंने महसूस किया कि कोड की कई परतों के साथ, इन स्विचों को व्यवस्थित करने के संभावित तरीकों की संख्या इतनी तेजी से बढ़ती है कि हर एक संयोजन का परीक्षण करना असंभव हो जाता है। एक आदर्श व्यवस्था खोजने के बजाय, उन्होंने इन स्विचों को लागू करने के लिए छह अलग-अलग रणनीतियाँ प्रस्तावित कीं। कुछ रणनीतियों ने प्रत्येक परत पर एक ही पैटर्न लागू किया, जबकि अन्य ने एक परत से दूसरी परत के बीच पैटर्न बदला या यहाँ तक कि एक ही परत के भीतर विभिन्न पैटर्न मिलाए।

यह देखने के लिए कि कौन सी रणनीति सबसे अच्छा काम करती है, शोधकर्ताओं ने लाखों कंप्यूटर सिमुलेशन चलाए। उन्होंने एक क्वांटम सिस्टम का मॉडल बनाया जो यादृच्छिक (random) त्रुटियों का सामना कर रहा था और देखा कि प्रत्येक की छह रणनीतियों ने कैसा प्रदर्शन किया। उन्होंने 'लॉजिकल एरर' की दर को मापा, जो उस बिंदु को दर्शाता है जहाँ सुरक्षा जाल अंततः सूचना की रक्षा करने में विफल हो जाता है। परिणाम दर्शाते हैं कि मानक, अपरिवर्तित कोड संतुलन के मामले में खराब प्रदर्शन करता है। सुरक्षा की चार परतों वाले सिमुलेशन में, अपरिवर्तित कोड ने एक प्रकार की त्रुटि को दूसरे की तुलना में साठ गुना अधिक बार होने दिया। इस अत्यधिक असंतुलन का मतलब था कि सिस्टम एक विशिष्ट प्रकार की विफलता के प्रति संवेदनशील था, भले ही समग्र त्रुटि दर कम लग रही हो।

अध्ययन में पाया गया कि जिन रणनीतियों ने त्रुटियों के प्रकारों को सबसे प्रभावी ढंग से मिश्रित किया, उन्होंने इस समस्या को हल किया। एक विशेष दृष्टिकोण, जहाँ शोधकर्ताओं ने एक ही स्तर के भीतर विभिन्न ब्लॉक्स के बीच स्विचिंग पैटर्न को बदला, सबसे उत्कृष्ट रहा। इस पद्धति, जिसे उन्होंने 'ऑल्टरनेट_मिक्सड_विदिन_लेवल' (Alternate_Mixed_within_Level) कहा, एक ही प्रकार की गलतियों की दर को लगभग समान बनाने में सफल रही। इससे भी महत्वपूर्ण बात यह है कि इसने न केवल त्रुटियों को संतुलित किया; बल्कि इसने गुजरने वाली त्रुटियों की कुल संख्या को भी कम कर दिया। सिमुलेशन में, इस विशिष्ट व्यवस्था ने किसी भी अन्य रणनीति की तुलना में संयुक्त विफलता दर को कम किया जिसका उन्होंने परीक्षण किया था, जिसमें वे रणनीतियाँ भी शामिल थीं जो एक परत से दूसरी परत तक पैटर्न को बदलते थे।

शोधकर्ताओं ने इन रणनीतियों का परीक्षण उन स्थितियों में भी किया जहाँ एक प्रकार की त्रुटि दूसरे की तुलना में बहुत अधिक सामान्य थी, जो वास्तविक दुनिया के वातावरण की नकल करती है जहाँ शोर (noise) एक दिशा में पक्षपात कर सकता है। इन पक्षपाती स्थितियों में भी, मिश्रित रणनीति सबसे प्रभावी बनी रही। इसने सुरक्षा को इस तरह से पुनर्वितरित किया कि सिस्टम प्रमुख त्रुटि प्रकार से अभिभूत न हो जाए। निष्कर्ष बताते हैं कि क्वांटम कोड के निर्माण खंडों को विकृत (deform) करने के तरीके को सावधानीपूर्वक चुनकर, इंजीनियर ऐसे सिस्टम बना सकते हैं जो न केवल मजबूत हैं बल्कि विभिन्न प्रकार के खतरों को संभालने में अधिक निष्पक्ष भी हैं। हालांकि यह अध्ययन भौतिक हार्डवेयर के बजाय सिमुलेशन के माध्यम से किया गया था, फिर भी इसके परिणाम क्वांटम मेमोरी के अगली पीढ़ी को डिजाइन करने के लिए एक स्पष्ट रोडमैप प्रदान करते हैं, जो यह दर्शाता है कि संरचनात्मक विविधता का थोड़ा सा अंश स्थिरता की दिशा में बहुत दूर तक जा सकता है।

तकनीकी सारांश: असममित QEC कोड कॉनकेनेशन (Concatenation) का अन्वेषण

समस्या विवरण
कॉनकेटनेटेड क्वांटम एरर-करेक्टिंग कोड्स (QECCs) संयुक्त कोड्स की प्रभावी दूरी (effective distance) को बढ़ाने के लिए एक व्यावहारिक तरीका बनकर उभरे हैं, जिसके लिए नए बेहतर मापदंडों वाले कोडों की खोज करने की आवश्यकता नहीं होती। इन अध्ययनों के लिए एक प्राथमिक बिल्डिंग ब्लॉक [[4, 1, 2]] "आइसबर्ग" (Iceberg) कोड है, जो सबसे छोटा एरर-डिटेक्टिंग कोड है और न्यूनतम संसाधन ओवरहेड प्रदान करता है। हालांकि, आइसबर्ग कोड में एक अंतर्निहित विषमता (asymmetry) होती है: यह दो $X$ -प्रकार के स्टेबलाइजर चेक्स और एक $Z$ -प्रकार के चेक (या इसके विपरीत) का उपयोग करता है। जब इन्हें कॉनकेटनेट किया जाता है, तो यह संरचनात्मक असंतुलन $X$ और $Z$ ऑब्जर्वेबल्स के बीच विषम लॉजिकल एरर रेट्स (LERs) का कारण बनता है। विशेष रूप से, चेक्स की असमान संख्या डिकोडर को असममित सॉफ्ट-इन्फॉर्मेशन प्रदान करती है, जिससे संयुक्त कोड एक पाउली ऑब्जर्वेबल की रक्षा दूसरे की तुलना में काफी कम प्रभावी ढंगता है।

जबकि क्लिफोर्ड डिफॉर्मेशन्स (विशेष रूप से हैडामार्ड कंजुगेशन) विशिष्ट क्वबिट्स पर $X$ और $Z$ ऑपरेटर्स को बदलकर इस विषमता को कम कर सकते हैं, इष्टतम डिफॉर्मेशन के लिए खोज स्थान (search space) अत्यंत विशाल है। कॉनकेटेशन स्तरों ( $l$ ) के साथ संभावित डिफॉर्मेशन कॉन्फ़िगरेशन की संख्या दोहरी चरघातांकीय (doubly exponential) रूप से बढ़ती है, जो आवर्ती संबंध $c_l = c_{l-1}^4 \cdot c_1 = 2^{4 \cdot (4^{l-1})/3}$ (लगभग $O(\sim 2.54^l)$ के रूप में स्केल करती है) का पालन करती है। यह मध्यम कॉनकेटेशन गहराई के लिए भी इष्टतम डिफॉर्मेशन रणनीति की व्यापक खोज को अव्यवहार्य बना देता है।

कार्यप्रणाली (Methodology)
लेखक कॉनकेटनेटेड आइसबर्ग कोड्स के लिए हैडामार्ड डिफॉर्मेशन के स्थान को औपचारिक रूप देते हैं और छह ठोस डिफॉर्मेशन रणनीतियों का प्रस्ताव और मूल्यांकन करके इस स्थान की जांच करते हैं। ये रणनीतियाँ इस बात में भिन्न हैं कि वे क्वबिट्स और कॉनकेटेशन स्तरों में हैडामार्ड गेट्स ( $H$ ) बनाम आइडेंटिटी गेट्स ( $I$ ) को कैसे लागू करती हैं:

No_Deformation: बिना किसी कंजुगेशन के मानक आइसबर्ग कोड।
Mixed_Deformation: सभी ब्लॉक्स पर एक निश्चित पैटर्न ( $H_1 I_2 H_3 I_4$ ) लागू करता है।
Alternate_XZ_by_Level: विषम और सम स्तरों पर नो डिफॉर्मेशन और फुल डिफॉर्मेशन ( $H_1 H_2 H_3 H_4$ ) के बीच बारी-बारी से बदलता है।
Alternate_Mixed_by_Level: विभिन्न स्तरों पर दो मिश्रित पैटर्न ( $H_1 I_2 H_3 I_4$ और $I_1 H_2 I_3 H_4$ ) के बीच बारी-बारी से बदलता है।
Alternate_XZ_within_Level: एक ही स्तर के भीतर ब्लॉक्स के बीच फुल डिफॉर्मेशन और नो डिफॉर्मेशन के बीच बारी-बारी से बदलता है।
Alternate_Mixed_within_Level: एक ही स्तर के भीतर दो मिश्रित पैटर्न ( $H_1 I_2 H_3 I_4$ और $I_1 H_2 I_3 H_4$ ) के बीच बारी-बारी से बदलता है।

मूल्यांकन तीन नॉइज़ मॉडल्स के तहत एक मैक्सिमम-लाइक्लीहुड (ML) सॉफ्ट-इन्फॉर्मेशन डिकोडर का उपयोग करके किया गया था:

अनबायस्ड डिपोलराइजिंग नॉइज़ (Unbiased Depolarizing Noise): $X, Y,$ और $Z$ त्रुटियों की समान संभावना।
X-बायस्ड नॉइज़ (X-Biased Noise): $X$ त्रुटियाँ $Y$ या $Z$ की तुलना में 8 गुना अधिक बार होती हैं।
Z-बायस्ड नॉइज़ (Z-Biased Noise): $Z$ त्रुटियाँ $X$ या $Y$ की तुलना में 8 गुना अधिक बार होती हैं।

सिमुलेशन एक से चार कॉनकेटेशन स्तरों ( $L=1$ से $L=4$ ) तक 500,000 मोंटे-कार्लो शॉट्स प्रति कॉन्फ़िगरेशन का उपयोग करके किए गए थे।

प्रमुख योगदान
यह शोध पत्र तीन प्राथमिक योगदान देता है:

डिफॉर्मेशन स्पेस का औपचारिकीकरण: लेखक आइसबर्ग कोड्स के हैडामार्ड डिफॉर्मेशन के स्थान को गणितीय रूप से परिभाषित करते हैं, यह प्रदर्शित करते हुए कि खोज स्थान कॉनकेटेशन स्तर $l$ के साथ दोहरी चरघातांकीय रूप से स्केल करता है।
छह रणनीतियों का प्रस्ताव: वे छह पुनरुत्पादित (reproducible) डिफॉर्मेशन रणनीतियों को पेश करते हैं जो परिवर्तन के प्राकृतिक अक्षों: प्रति-लॉजिकल क्वबिट, प्रति-स्तर, और प्रति-ब्लॉक को कवर करती हैं।
अनुभवजन्य मूल्यांकन (Empirical Evaluation): वे अनबायस्ड और बायस्ड नॉइज़ मॉडल्स के तहत इन रणनीतियों का तुलनात्मक विश्लेषण प्रदान करते हैं, जिससे यह पहचान होता है कि कौन सी विशिष्ट रणनीतियाँ समरूपता (symmetry) और कुल त्रुटि दरों को अनुकूलित करती हैं।

परिणाम

अनबायस्ड नॉइज़: मानक, बिना डिफॉर्म किया गया आइसबर्ग कोड (रणनीति 1) महत्वपूर्ण विषमता प्रदर्शित करता है, जहाँ चार कॉनकेटेशन स्तरों पर $Z$ त्रुटि दर $X$ त्रुटि दर से 60 गुना अधिक तक पहुँच जाती है। इसके विपरीत, रणनीति 6 (Alternate_Mixed_within_Level) लगभग समान $X$ और $Z$ LERs प्राप्त करती है और साथ ही अन्य रणनीतियों की तुलना में कुल LER (X और Z त्रुटि दरों का योग) को कम करती है।
बायस्ड नॉइज़: बायस्ड नॉइज़ स्थितियों के तहत, सुरक्षा को पाउली सेक्टर्स के बीच पुनर्वितरित करने वाले डिफॉर्मेशन्स फायदेमंद साबित होते हैं। चेक्स को पुनर्संतुलित करने वाली रणनीतियाँ प्रमुख त्रुटि अक्ष (dominant error axis) के साथ LLR को कम करती हैं। अनबायस्ड परिणामों के अनुरूप, रणनीति 6 परीक्षण किए गए सभी सेटिंग्स में सबसे संतुलित और प्रभावी बनी हुई है।
डिकोडर जटिलता: अध्ययन एक ML डिकोडर का उपयोग करता है जो स्तर-दर-स्तर सॉफ्ट जानकारी को प्रसारित करता है। लेखक नोट करते हैं कि जबकि सामान्य क्लिफोर्ड डिफॉर्मेशन्स गैर-CSS कोड्स की ओर ले जा सकते हैं जिन्हें अधिक जटिल डिकोडिंग की आवश्यकता होती है (जटिलता को $2^n$ से $4^n$ तक बढ़ाना), उनके प्रतिबंधित हैडामार्ड डिफॉर्मेशन्स CSS संरचना को बनाए रखते हैं, जिससे कुशल डिकोडिंग संभव होती है।

महत्व और दावे
शोध पत्र का दावा है कि आइसबर्ग कोड्स के प्रदर्शन के लिए डिफॉर्मेशन रणनीति का चयन महत्वपूर्ण है। यह प्रदर्शित करता है कि Alternate_Mixed_within_Level (रणनीति 6) लॉजिकल मेमोरी प्रयोगों के लिए एक आशाजनक दृष्टिकोण है, क्योंकि यह आइसबर्ग कोड में निहित विषमता को सफलतापूर्वक कम करता है और कुल त्रुटि प्रदर्शन से समझौता नहीं करता है।

लेखक भविष्य के कार्य के संबंध में एक सीमित दायरा बनाए रखते हैं। वे कहते हैं कि जबकि उनके परिणाम मनमाना (arbitrary) कॉनकेटेशन स्तरों और त्रुटि मॉडल्स के लिए मजबूत डिफॉर्मेशन्स आउटपुट करने हेतु एक ह्यूरिस्टिक (heuristic) की आवश्यकता को प्रेरित करते हैं, इसलिए एक सामान्य समाधान डिजाइन करने के लिए और अधिक अन्वेषण की आवश्यकता है। वे यह दावा नहीं करते हैं कि उन्होंने सभी संभावित कॉनकेटेशन गहराईयों के लिए सामान्य अनुकूलन समस्या को हल कर दिया है, बल्कि उन्होंने उनके द्वारा विश्लेषित सीमित खोज स्थान के भीतर एक विशिष्ट, उच्च-प्रदर्शन वाली रणनीति की पहचान की है।

इसी तरह के और पेपर