Efficient Record-and-Replay Arithmetic for Quantum Elliptic-Curve Point Addition

भविष्य की कंप्यूटिंग के क्षेत्र में, ऐसी मशीनें बनाने की एक निरंतर दौड़ लगी है जो उन समस्याओं को हल करने में सक्षम हों जिन्हें हल करने में आज के सुपरकंप्यूटरों को सहस्राब्दियों लग सकती हैं। इस दौड़ में सबसे प्रसिद्ध लक्ष्यों में से एक इंटरनेट पर लगभग सभी सुरक्षित संचार की रक्षा करने वाले डिजिटल तालों को तोड़ने की क्षमता है। ये ताले एक वक्र रेखा पर बिंदुओं से जुड़े एक गणितीय पहेली पर आधारित हैं, जिसे एलिप्टिक कर्व (elliptic curve) के रूप में जाना जाता है। यह पहेली सेट करने में आसान है लेकिन बिना किसी गुप्त कुंजी के इसे उलटना अत्यंत कठिन है। शोर का एल्गोरिदम (Shor's algorithm) नामक एक सैद्धांतिक एल्गोरिदम इस पहेली को तेजी से हल करने का वादा करता है यदि इसे एक शक्तिशाली क्वांटम कंप्यूटर पर चलाया जाए, जो सूचना को संसाधित करने के लिए भौतिकी के विचित्र नियमों का उपयोग करता है जैसे कि क्लासिकल कंप्यूटर नहीं कर सकते। हालाँकि, ऐसी मशीन बनाने के लिए भारी मात्रा में भौतिक संसाधनों, विशेष रूप से, बड़ी संख्या में सूक्ष्म क्वांटम बिट्स, या क्यूबिट्स (qubits), और उन्हें बिना किसी त्रुटि के एक साथ काम करने के लिए बड़ी संख्या में लॉजिकल ऑपरेशंस की आवश्यकता होती है।

मुख्य चुनौती यह है कि इन तालों को तोड़ने के लिए आवश्यक गणितीय चरण इतने जटिल हैं कि क्वांटम कंप्यूटर को वर्तमान में निर्माण के लिए संभव प्रतीत होने वाली क्षमता से अधिक मेमोरी और प्रोसेसिंग पावर की आवश्यकता होगी। कार्य को व्यवहार्य बनाने के लिए, शोधकर्ताओं को इन गणनाओं को न्यूनतम संभव संसाधनों का उपयोग करके करने के तरीके खोजने होंगे। इसके लिए एक नाजुक संतुलन की आवश्यकता है: कम मेमोरी बिट्स का उपयोग करने का अर्थ अक्सर अधिक ऑपरेशंस करना होता है, जबकि कम ऑपरेशंस का अर्थ अक्सर अधिक मेमोरी की आवश्यकता होती है। लक्ष्य वह 'स्वीट स्पॉट' (sweet spot) खोजना है जहाँ गणना की कुल लागत इतनी कम हो कि वह भविष्य के हार्डवेयर के लिए वास्तविक बन सके। यह वह विशिष्ट समस्या है जिसे हाल ही में ईसीडीएसए.फेल (ECDSA.Fail) के रूप में जाने जाने वाले एक सहयोगात्मक प्रयास द्वारा लक्षित किया गया था, जहाँ मानव शोधकर्ताओं और आर्टिफिशियल इंटेलिजेंस एजेंटों ने इन क्वांटम गणनाओं के मूल अंकगणित को फिर से डिजाइन करने के लिए मिलकर काम किया।

शोधकर्ताओं ने प्रक्रिया के एक विशिष्ट, कठिन चरण पर ध्यान केंद्रित किया: एक एलिप्टिक कर्व पर दो बिंदुओं को आपस में जोड़ना। इस जोड़ को बार-बार किया जाना चाहिए, और यह मॉड्यूलर इन्वर्जन (modular inversion) नामक एक गणितीय ऑपरेशन पर बहुत अधिक निर्भर करता है, जो एक विशिष्ट संख्या खोजने के समान है जिसे किसी अन्य संख्या से गुणा करने पर एक निश्चित सीमा के भीतर परिणाम एक प्राप्त होता है। एक क्वांटम कंप्यूटर में, इसे साधारण विभाजन के साथ नहीं किया जा सकता है। इसके बजाय, गणना प्रतिवर्ती (reversible) होनी चाहिए, जिसका अर्थ है कि प्रत्येक चरण को हटाया जा सके ताकि अस्थायी डेटा को साफ किया जा सके और मशीन को एक स्वच्छ अवस्था में वापस लाया जा सके। टीम ने इन जोड़ों को पहले की तुलना में अधिक कुशलता से करने के लिए दो अलग-अलग नई विधियाँ विकसित कीं, जो दोनों ही गणना के चरणों को "रिकॉर्ड और रीप्ले" (recording and replaying) करने की रणनीति पर आधारित हैं।

पहली विधि, जिसे जंप-2 (Jump-2) कहा जाता है, गणना के इतिहास को संकुचित करके काम करती है। कल्पना कीजिए कि एक हाइकर एक लंबे रास्ते पर लिए गए हर मोड़ का एक जर्नल रखता है। पुराने तरीके में, क्वांटम कंप्यूटर उस सूची को स्टोर करने के लिए बहुत सारी जगह की आवश्यकता के साथ, हर एक मोड़ को एक लंबी सूची में लिखता था। जंप-2 विधि कई मोड़ों को एक एकल, बड़े चरण में समूहित करती है और उन्हें लिखने के लिए एक अधिक संक्षिप्त तरीका उपयोग करती है, ठीक वैसे ही जैसे शॉर्टहैंड कोड का उपयोग किया जाता है। यह पथ को स्टोर करने के लिए आवश्यक मेमोरी की मात्रा को काफी कम कर देता है। दूसरी विधि, जिसे पिंग-पॉन्ग (ping-pong) कहा जाता है, एक अलग दृष्टिकोण अपनाती है। यह लगातार यह जांचने के बजाय कि कौन सी संख्या बड़ी है ताकि अगला कदम तय किया जा सके, एक निश्चित, वैकल्पिक पैटर्न का पालन करती है। यह केवल यह रिकॉर्ड करती है कि प्रत्येक चरण जोड़ (addition) था या घटाव (subtraction)। यह उन जटिल तुलनाओं को समाप्त करता है जो बहुत अधिक ऊर्जा और मेमोरी खर्च करती हैं, जिससे चरणों की एक थोड़ी लंबी सूची के बदले उन्हें निष्पादित करने का एक बहुत सरल और तेज़ तरीका मिलता है।

इन विचारों का परीक्षण करने के लिए, टीम ने यह देखने के लिए एक लाख अलग-अलग इनपुट का उपयोग करके बड़े पैमाने पर सिमुलेशन चलाए कि सर्किट वास्तव में कैसे प्रदर्शन करते हैं। उन्होंने पाया कि पिंग-पॉन्ग विधि, कुछ दुर्लभ 'एज केसेस' (edge cases) को ठीक करने के लिए एक लक्षित मरम्मत के साथ, असाधारण रूप से अच्छा प्रदर्शन करती है। इस सुधारी गई संस्करण को 1,419 क्यूबिट मेमोरी की आवश्यकता थी और इसने औसतन 1.356 मिलियन लॉजिकल ऑपरेशंस निष्पादित किए। यह परिणाम महत्वपूर्ण है क्योंकि यह गूगल और अन्य अग्रणी शोधकर्ताओं जैसे प्रमुख संगठनों द्वारा पहले प्रकाशित संसाधन अनुमानों से नीचे आता है, जो यह सुझाव देता है कि इन डिजिटल तालों को तोड़ने का मार्ग पहले की तुलना में थोड़ा कम कठिन हो सकता है। हालाँकि, शोधकर्ता सावधानी बरतते हुए कहते हैं कि यह कोई हल की हुई समस्या नहीं है। गणनाएं इनपुट और क्वांटम मशीन के व्यवहार के बारे में विशिष्ट धारणाओं पर निर्भर करती हैं, और अभी भी ऐसे ज्ञात मामले हैं जहाँ यह विधि विफल हो सकती है।

अध्ययन में प्रक्रिया के दौरान उत्पन्न होने वाले अस्थायी डेटा को साफ करने के लिए एक चतुर तकनीक भी पेश की गई। क्वांटम कंप्यूटिंग में, आप डेटा को बस फेंक नहीं सकते; आपको इसे इस तरह से मिटाना होगा कि मशीन की नाजुक स्थिति बाधित न हो। टीम ने इस डेटा को साफ करने के लिए 'मेजरमेंट' (measurement) से जुड़ी एक विधि का उपयोग किया, जिसने अतिरिक्त मेमोरी की आवश्यकता के बिना ऑपरेशंस की एक बड़ी संख्या को बचाया। इस सफाई को जंप-2 और पिंग-पॉन्ग दोनों विधियों पर लागू किया गया, जिससे यह सिद्ध हुआ कि दक्षता में सुधार वास्तविक था और केवल डेटा को स्टोर करने के तरीके का परिणाम नहीं था। परिणाम दिखाते हैं कि इन गणितीय चरणों को रिकॉर्ड और निष्पादित करने के तरीके को बदलकर, क्वांटम गणना की लागत को एक बड़े अंतर से कम करना संभव है।

इन सुधारों के बावजूद, पेपर इस बात पर जोर देता है कि ये सर्किट एक बहुत बड़ी प्रक्रिया के केवल एक हिस्से का प्रतिनिधित्व करते हैं। वे एक विशिष्ट प्रकार के जोड़ को कुशलतापूर्वक करने में सक्षम हैं, लेकिन एक पूर्ण क्वांटम हमले के लिए इन हजारों चरणों को अन्य जटिल ऑपरेशंस के साथ जोड़ना आवश्यक होगा। शोधकर्ता यह भी बताते हैं कि उनकी सफलता विशिष्ट परिस्थितियों के तहत मापी गई है और यह अभी तक गारंटी नहीं देती है कि यह विधि हर संभावित इनपुट के लिए पूरी तरह से काम करेगी। विफलताओं की उपस्थिति का अर्थ है कि सिस्टम अभी तक वास्तविक दुनिया के हमले के लिए पर्याप्त मजबूत नहीं है, और इसकी विश्वसनीयता साबित करने के लिए आगे काम करने की आवश्यकता है। निष्कर्ष एक मजबूत संकेतक के रूप में कार्य करते हैं कि इन गणनाओं के लिए संसाधन आवश्यकताएं निराशाजनक अनुमानों से कम हैं, लेकिन वे अभी तक यह पुष्टि नहीं करते हैं कि कार्य वर्तमान या निकट भविष्य की तकनीक की पहुंच के भीतर है।

इस कार्य के पीछे का सहयोग अद्वितीय था, जिसमें मानव शोधकर्ताओं और आर्टिफिशियल इंटेलिजेंस एजेंटों की एक बड़ी संख्या ने समानांतर में काम किया। टीम ने एक साझा मंच का उपयोग किया जहाँ विभिन्न समूह अपने विचारों का परीक्षण एक ही मानक के विरुद्ध कर सकते थे, जिससे प्रतिस्पर्धा और सहयोग के माध्यम से सर्वोत्तम तकनीकों को उभरने का अवसर मिला। इस खुले दृष्टिकोण ने सबसे कुशल डिजाइनों को जल्दी से पहचानने में मदद की, लेकिन लेखक एआई (AI) के विशिष्ट योगदान को मानवीय मार्गदर्शन से अलग करना कठिन बताते हैं। अंतिम सर्किट मानव अंतर्दृष्टि और विविधताओं की विशाल संख्या का पता लगाने की एआई की क्षमता, दोनों का उत्पाद है। यह कार्य कम्प्यूटेशनल रूप से संभव की सीमाओं को आगे बढ़ाने में सहयोगात्मक अनुसंधान की शक्ति के प्रमाण के रूप में खड़ा है, भले ही अंतिम लक्ष्य अभी भी पहुंच से बाहर हो।

अंत में, पेपर क्वांटम अंकगणित को अनुकूलित करने का एक स्पष्ट, ठोस चित्र प्रदान करता है। यह प्रदर्शित करता है कि निर्णयों को रिकॉर्ड करने और डेटा को प्रबंधित करने के तरीके को बदलकर, पहले की कल्पना की तुलना में छोटे और तेज़ सर्किट बनाना संभव है। संख्याएं विशिष्ट हैं और परिणाम मापे गए हैं, लेकिन यह कहानी अचानक मिली सफलता के बजाय क्रमिक प्रगति की है। शोधकर्ताओं ने दिखाया है कि क्वांटम गणना के लिए आवश्यक संसाधनों के पहाड़ को कम किया जा सकता है, लेकिन चढ़ाई अभी भी लंबी है, और रास्ता अभी पूरी तरह से साफ नहीं हुआ है। यह कार्य वैज्ञानिक समुदाय को इन आधारों पर निर्माण करने, विधियों को परिष्कृत करने और शेष अनिश्चितताओं को दूर करने के लिए आमंत्रित करता है ताकि यह देखा जा सके कि क्या वह दिन आएगा जब इन डिजिटल तालों को खोला जा सकेगा।