Complexity Barriers to State Preparation in Quantum Approximate Optimization

आधुनिक कंप्यूटिंग के विशाल परिदृश्य में, कुछ समस्याएँ इतनी जटिल होती हैं कि एक एकल सटीक उत्तर खोजना प्रभावी रूप से असंभव है, यहाँ तक कि सबसे शक्तिशाली सुपर कंप्यूटरों के लिए भी। पूर्णता की तलाश करने के बजाय, वैज्ञानिक और इंजीनियर अक्सर एक बहुत अच्छे समाधान पर समझौता कर लेते हैं, जो सर्वोत्तम संभव परिणाम के काफी करीब हो ताकि वह वास्तविक दुनिया में उपयोगी हो सके। यह अनुमानित अनुकूलन (approximate optimization) का क्षेत्र है, जहाँ लक्ष्य संभावनाओं के भूलभुलैया में एक ऐसा रास्ता खोजना है जो एक यादृच्छिक अनुमान (random guess) से काफी बेहतर हो। दशकों से, शोधकर्ताओं ने उम्मीद की है कि क्वांटम कंप्यूटर, जो सूचना को मौलिक रूप से नए तरीकों से संसाधित करने के लिए भौतिकी के विचित्र नियमों का उपयोग करते हैं, इन कठिन समस्याओं को शास्त्रीय मशीनों की तुलना में बहुत तेज़ी से हल कर सकते हैं। वादा यह है कि एक विशिष्ट क्वांटम अवस्था तैयार करके—क्वांटम बिट्स की एक सटीक व्यवस्था जो एक समाधान को कूटबद्ध करती है—हम एक ऐसी समस्या के उच्च-गुणवत्ता वाले उत्तर तक तुरंत पहुँच सकते हैं जिसे हल करने में अन्यथा वर्षों लग सकते हैं।

हालाँकि, इस क्वांटम लाभ का मार्ग एक सीधी रेखा नहीं है, और स्टुअर्ट हैडफील्ड का एक नया अध्ययन एक महत्वपूर्ण, शायद अटूट, दीवार को सामने खड़ा करता है जो रास्ते में बाधा बन रही है। यह शोध मैक्सकट (MaxCut) समस्या के रूप में जानी जाने वाली एक क्लासिक पहेली पर केंद्रित है, जो यह पूछती है कि एक नेटवर्क के बिंदुओं को दो समूहों में कैसे विभाजित किया जाए ताकि समूहों के बीच के संबंध यथासंभव अधिक हों। हालाँकि यह सुनने में सरल लगता है, लेकिन यह कंप्यूटरों के लिए एक कुख्यात रूप से कठिन कार्य है। हैडफील्ड का कार्य यह जांचता है कि क्या क्वांटम कंप्यूटर विश्वसनीय रूप से ऐसे समाधान उत्पन्न कर सकते हैं जो न केवल गणितीय रूप से सर्वोत्तम संभव उत्तर के करीब हैं, बल्कि वास्तव में एक यादृच्छिक अनुमान की तुलना में एक वास्तविक सुधार का प्रतिनिधित्व करते हैं। निष्कर्ष बताते हैं कि क्वांटम एल्गोरिदम के एक व्यापक वर्ग के लिए, इन सार्थक सुधारों को लगातार खोजने की क्षमता कम्प्यूटेशनल जटिलता की प्रकृति द्वारा बाधित है, जिसका अर्थ है कि इन विशिष्ट समस्याओं को हल करने के लिए अपेक्षित क्वांटम छलांग एक भ्रम हो सकती है।

इस बाधा के महत्व को समझने के लिए, व्यक्ति को पहले सफलता को मापने के दो तरीकों के बीच अंतर करना चाहिए। कंप्यूटर विज्ञान में एक सामान्य मीट्रिक 'अनुमान अनुपात' (approximation ratio) है, जो एक समाधान की गुणवत्ता की तुलना सर्वोत्तम संभव समाधान से करता है। उदाहरण के लिए, 0.99 का स्कोर बताता है कि समाधान सर्वोत्तम संभव उत्तर का 99 प्रतिशत जितना अच्छा है। फिर भी, यह संख्या भ्रामक हो सकती है। यदि सर्वोत्तम संभव उत्तर केवल एक यादृच्छिक अनुमान से थोड़ा ही बेहतर है, तो एक समाधान जो उस सर्वोत्तम उत्तर का 99 प्रतिशत है, वह स्वयं एक यादृच्छिक अनुमान से बेहतर नहीं हो सकता है। हैडफील्ड का पेपर एक अधिक व्यावहारिक माप पर ध्यान केंद्रित करता है: 'लाभ' (gain)। यह मीट्रिक पूछता है कि समाधान एक यादृच्छिक असाइनमेंट की तुलना में कितना बेहतर है। यह वास्तव में मायने रखने वाले पथ को खोजने और केवल कागज़ पर अच्छा दिखने वाले पथ को खोजने के बीच का अंतर है। अध्ययन दर्शाता है कि भले ही क्वांटम एल्गोरिदम उच्च अनुमान अनुपात प्राप्त कर सकते हैं, लेकिन वे इस वास्तविक लाभ के एक निश्चित अंश को पुनः प्राप्त करने के मामले में एक मौलिक कठिनाई बाधा का सामना करते हैं।

तर्क का मूल एक तार्किक श्रृंखला पर आधारित है जो एक क्वांटम एल्गोरिदम के प्रदर्शन को कंप्यूटर विज्ञान के गहरे प्रश्नों से जोड़ता है। हैडफील्ड सिद्ध करते हैं कि यदि कोई क्वांटम या हाइब्रिड प्रक्रिया थी जो कुशलतापूर्वक एक ऐसी क्वांटम अवस्था तैयार कर सकती थी जो प्रत्येक संभावित मैक्सकट समस्या के लिए एक यादृच्छिक अनुमान पर निरंतर सकारात्मक लाभ प्रदान करती है, तो यह विभिन्न प्रकार की कम्प्यूटेशनल कठिनाइयों के बीच ज्ञात सीमाओं के पतन का संकेत देगी। विशेष रूप से, ऐसी प्रक्रिया एक क्वांटम कंप्यूटर को उन समस्याओं को कुशलतापूर्वक हल करने की अनुमति देगी जिन्हें वर्तमान में उसके लिए कुशलतापूर्वक हल करना असंभव माना जाता है। चूंकि वैज्ञानिक समुदाय व्यापक रूप से मानता है कि ये समस्याएँ क्वांटम कंप्यूटरों की पहुँच से बाहर हैं, इसलिए तार्किक निष्कर्ष यह है कि ऐसी कोई कुशल प्रक्रिया मौजूद नहीं है। यह आज के शोर वाले उपकरण या भविष्य के एक पूर्ण, त्रुटि-सुधारित कंप्यूटर की इंजीनियरिंग बाधा नहीं है; यह एक सैद्धांतिक बाधा है जो इस बात पर लागू होती है कि मशीन कितनी भी उन्नत क्यों न हो।

शोध आगे यह भी पता लगाता है कि क्या सूचना को संकुचित (compress) करके इस दीवार को पार किया जा सकता है। कुछ क्वांटम दृष्टिकोणों में, स्थान बचाने के लिए एक एकल क्वांटम बिट में कई चरों को पैक किया जाता है, जिसे क्वांटम रैंडम एक्सेस ऑप्टिमाइज़ेशन कहा जाता है। एक उम्मीद हो सकती है कि यह संपीड़न क्वांटम कंप्यूटर को बेहतर समाधान खोजने में मदद करेगा। हालाँकि, अध्ययन दिखाता है कि यह बाधा इस संपीड़न के बावजूद बरकरार रहती है। भले ही क्वांटम प्रणाली को इस स्तर तक अनुकूलित किया गया हो जहाँ इसकी सैद्धांतिक ऊर्जा सीमा सर्वोत्तम शास्त्रीय समाधान से केवल थोड़ी ही अधिक हो, फिर भी एक उपयोगी, सुधरा हुआ उत्तर निकालने की क्षमता बाधित रहती है। पेपर ऐसे विशिष्ट उदाहरण बनाता है जहाँ एक क्वांटम अवस्था तैयार की जा सकती है जो सैद्धांतिक इष्टतम के गणितीय रूप से बहुत करीब है, फिर भी जब इसे वापस एक उपयोगी समाधान में डिकोड किया जाता है, तो यह एक यादृच्छिक अनुमान की तुलना में शून्य सुधार प्रदान करता है। यह एक क्वांटम अवस्था की सैद्धांतिक क्षमता और मापने योग्य एवं उपयोग योग्य वास्तविकता के बीच एक स्पष्ट अलगाव को प्रकट करता है।

इस कार्य से एक महत्वपूर्ण अंतर्दृष्टि यह है कि कठिनाई एंटैंगलमेंट (entanglement) की कमी से नहीं आती है, जो कणों के बीच वह अनूठा क्वांटम संबंध है जिसे अक्सर क्वांटम शक्ति के स्रोत के रूप में उद्धृत किया जाता है। अध्ययन दिखाता है कि सरल, बिना एंटैंगलमेंट वाली अवस्थाएँ भी शास्त्रीय इष्टतम (classical optimum) प्राप्त कर सकती हैं, जिसका अर्थ है कि बाधा क्वांटम अवस्था की जटिलता के बारे में नहीं है, बल्कि एक यादृच्छिक आधार रेखा (baseline) को पछाड़ने वाली अवस्था खोजने की कठिनाई के बारे में है। शोधकर्ता प्रदर्शित करते हैं कि कुछ कठिन समस्याओं के परिवारों के लिए, एक क्वांटम कंप्यूटर एक ऐसी अवस्था उत्पन्न कर सकता है जो अपनी ऊर्जा के मामले में लगभग पूर्ण दिखती है, लेकिन यह वास्तविक लाभ के मामले में एक पूरी तरह से यादृच्छिक, मिश्रित अवस्था के समान है। इसका अर्थ है कि एक सैद्धांतिक ऊर्जा पैमाने पर उच्च स्कोर एक उपयोगी परिणाम की गारंटी नहीं देता है, और केवल ऐसे स्कोर पर भरोसा करना प्रगति का एक झूठा आभास दे सकता है।

इन निष्कर्षों के निहितार्थ इस बात पर भी लागू होते हैं कि हमें क्वांटम कंप्यूटरों का मूल्यांकन और बेंचमार्किंग कैसे करनी चाहिए। पेपर का तर्क है कि एक एकल संख्या रिपोर्ट करना, जैसे कि अनुमान अनुपात, अपर्याप्त और अक्सर भ्रामक होता है। इसके बजाय, एक पूर्ण मूल्यांकन में डिकोडेड लाभ, मापन प्रक्रिया की लागत, रीडआउट की सटीकता और पूरी प्रक्रिया की कुल एंड-टू-एंड लागत शामिल होनी चाहिए। इस व्यापक लेखांकन के बिना, यह जानना असंभव है कि क्या कोई क्वांटम एल्गोरिदम वास्तव में शास्त्रीय विधियों से बेहतर प्रदर्शन कर रहा है या केवल उच्च ओवरहेड के साथ उनकी नकल कर रहा है। अध्ययन परिणामों की अधिक ईमानदार और विस्तृत रिपोर्टिंग का आह्वान करता है, और शोधकर्ताओं से न केवल यह बताने के लिए आग्रह करता है कि वे सैद्धांतिक सीमा के कितने करीब हैं, बल्कि यह भी कि उन्होंने वास्तव में यादृच्छिक आधार रेखा में कितना सुधार किया है।

अंततः, यह कार्य क्वांटम अनुकूलन के क्षेत्र के लिए एक आवश्यक वास्तविकता की जाँच (reality check) के रूप में कार्य करता है। यह यह नहीं कहता कि क्वांटम कंप्यूटर कभी उपयोगी नहीं होंगे, न ही यह अन्य क्षेत्रों में क्वांटम लाभ की क्षमता को खारिज करता है। बल्कि, यह समस्याओं और विधियों के एक विशिष्ट वर्ग के चारों ओर एक स्पष्ट रेखा खींचता है, यह दिखाते हुए कि अनुमानित अनुकूलन में क्वांटम लाभ का मार्ग पहले की तुलना में बहुत अधिक सीमित है। परिणाम बताते हैं कि इन समस्याओं के सबसे कठिन उदाहरणों के लिए, क्वांटम कंप्यूटर को केवल "बेहतर करने" के लिए नहीं कहा जा सकता है और एक सुसंगत, सार्थक सुधार की उम्मीद नहीं की जा सकती है। बाधा मौलिक है, जो गणना के तर्क में निहित है, और यह किसी भी ऐसे एल्गोरिदम पर लागू होती है जो सभी संभावित इनपुट के लिए समान रूप से कुशल होने का दावा करता है।

जिज्ञासु पर्यवेक्षक के लिए, इसका अर्थ यह है कि क्वांटम लाभ की खोज के लिए दृष्टिकोण में बदलाव की आवश्यकता है। यह पर्याप्त नहीं है कि यह दिखाया जाए कि एक क्वांटम मशीन उच्च सैद्धांतिक ऊर्जा या उच्च अनुमान अनुपात तक पहुँच सकती है। वास्तविक परीक्षण यह है कि क्या मशीन विश्वसनीय रूप से एक ऐसा समाधान दे सकती है जो वास्तव में एक यादृच्छिक अनुमान से बेहतर हो, और कठिन समस्याओं की एक विस्तृत श्रृंखला के लिए, साक्ष्य बताते हैं कि यह कुशलतापूर्वक प्राप्त करना असंभव हो सकता है। अध्ययन इस संभावना को खुला छोड़ता है कि विशिष्ट, संरचित प्रकार की समस्याओं के लिए या अलग परिस्थितियों में क्वांटम लाभ मौजूद हो सकता है, लेकिन यह इस विचार पर मजबूती से दरवाजा बंद कर देता है कि इन सन्निकटन समस्याओं के लिए एक सामान्य, कुशल क्वांटम समाधान बस आने ही वाला है। आगे की यात्रा के लिए केवल बड़ी मशीनें बनाने से कहीं अधिक की आवश्यकता होगी; इसके लिए क्वांटम कंप्यूटिंग की वास्तविक सीमाओं को समझने की गहरी समझ की आवश्यकता होगी।