Feedback-based quantum optimization with low depth and measurement
यह शोध पत्र BLS-FALQON को प्रस्तुत करता है, जो बैकट्रैकिंग लाइन सर्च से प्रेरित एक हाइब्रिड क्वांटम-क्लासिकल ऑप्टिमाइज़ेशन एल्गोरिदम है, जो संख्यात्मक सिमुलेशन और तियानयान-176 क्वांटम कंप्यूटर पर वास्तविक प्रयोगों के माध्यम से प्रमाणित करते हुए, कम सर्किट डेप्थ बनाए रखते हुए SO-FALQON की तुलना में मेजरमेंट ओवरहेड को काफी कम कर देता है।
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 वर्तमान में ऐसी मशीनों के साथ काम कर रहे हैं जो शक्तिशाली तो हैं लेकिन बहुत नाजुक भी हैं। ये उपकरण, जिन्हें 'नॉइजी इंटरमीडिएट-स्केल क्वांटम कंप्यूटर्स' (noisy intermediate-scale quantum computers) के रूप में जाना जाता है, जटिल गणनाएं तो कर सकते हैं, लेकिन वे अपने परिवेश से आसानी से विचलित हो जाते हैं, जिससे गणना पूरी होने से पहले ही त्रुटियां आ जाती हैं। डेटा को व्यवस्थित करने या नेटवर्क के माध्यम से सबसे कुशल मार्ग खोजने जैसी कठिन समस्याओं को हल करने के लिए, शोधकर्ता हाइब्रिड एल्गोरिदम का उपयोग करते हैं जो शास्त्रीय (classical) कंप्यूटरों की ताकत को इन नए क्वांटम प्रोसेसरों के साथ जोड़ते हैं। ऐसा ही एक तरीका, जिसे FALQON कहा जाता है, एक निर्देशित खोज (guided search) की तरह कार्य करता है। यह एक यादृच्छिक अनुमान (random guess) से शुरू होता है और माप से प्राप्त फीडबैक का उपयोग करके क्वांटम अवस्था को बार-बार समायोजित करता है, ताकि सिस्टम को सर्वोत्तम संभव उत्तर के करीब लाया जा सके। समस्या यह है कि इस मार्गदर्शन के लिए क्वांटम कंप्यूटर को ऑपरेशन्स के एक बहुत लंबे अनुक्रम (sequence) को चलाने की आवश्यकता होती है। चूंकि ये मशीनें इतनी नाजुक होती हैं, इसलिए लंबे अनुक्रम को चलाने का अर्थ अक्सर यह होता है कि उत्तर मिलने से पहले ही सिग्नल शोर (noise) में खो जाता है।
इसे ठीक करने के लिए, शोधकर्ताओं ने पहले खोज का एक तेज़ संस्करण विकसित किया था जो कम चरणों में समाधान तक पहुँच सकता था। हालांकि, इस गति की एक भारी कीमत थी: मशीन को हर एक चरण पर बहुत अधिक माप लेने पड़ते थे ताकि यह सुनिश्चित किया जा सके कि वह रास्ते से न भटक जाए। इन मापों की बाढ़ ने प्रक्रिया को धीमा कर दिया और और भी अधिक त्रुटियां पैदा कर दीं। बीजिंग यूनिवर्सिटी ऑफ पोस्ट्स एंड टेलीकम्युनिकेशंस और अन्य संस्थानों की एक टीम द्वारा किए गए एक नए अध्ययन ने एक अलग समाधान प्रस्तावित किया है। उन्होंने BLS-FALQON नामक एक विधि पेश की, जो अत्यधिक माप की मांग किए बिना खोज को छोटा रखने में सक्षम है। गणितीय अनुकूलन (mathematical optimization) से ली गई एक रणनीति का उपयोग करते हुए, टीम ने एक ऐसा सिस्टम बनाया जो केवल कभी-कभार अपनी प्रगति की जांच करके, समाधान की ओर बड़े और आत्मविश्वासी कदम उठा सकता है। जब सिस्टम जांच करता है और पाता है कि वह भटक गया है, तो वह जटिल मूल्यों की दोबारा गणना करने के बजाय, बस दिशा बदल देता है और एक छोटा कदम उठाने का प्रयास करता है।
शोधकर्ताओं ने इस नई पद्धति का परीक्षण 'मैक्स-कट' (max-cut) नामक एक क्लासिक पहेली पर किया, जिसमें एक नेटवर्क को दो समूहों में विभाजित करना शामिल है ताकि उनके बीच के कनेक्शनों को अधिकतम किया जा सके। बीस नोड्स वाले नेटवर्क वाले कंप्यूटर सिमुलेशन में, यह नई विधि अत्यधिक प्रभावी साबित हुई। इसने पिछले सबसे तेज़ तरीके की तुलना में आवश्यक मापों की कुल संख्या को लगभग अड़तीस प्रतिशत कम कर दिया, जबकि क्वांटम सर्किट की लंबाई लगभग समान रही। यह एक महत्वपूर्ण सुधार है क्योंकि, वर्तमान पीढ़ी के क्वांटम हार्डवेयर में, मापने में लगने वाला समय और सर्किट चलाने में लगने वाला समय दो सबसे बड़ी बाधाएं हैं। मापों को कम करके, टीम ने प्रभावी रूप से क्वांटम कंप्यूटर द्वारा समस्या को हल करने के लिए आवश्यक कुल समय को कम कर दिया।
यह सत्यापित करने के लिए कि ये परिणाम वास्तविक दुनिया में भी कायम रहते हैं, टीम ने चीन में स्थित एक भौतिक क्वांटम कंप्यूटर पर अपने प्रयोग चलाए, जो 176 क्वबिट्स वाले एक सुपरकंडक्टिंग प्रोसेसर का उपयोग करता है। उन्होंने चार, छह और आठ नोड्स वाले छोटे नेटवर्क पर अपने एल्गोरिदम का परीक्षण किया। परिणामों ने पुष्टि की कि यह नई पद्धति न केवल एक सिमुलेशन की सफलता थी बल्कि एक व्यावहारिक वास्तविकता भी थी। वास्तविक हार्डवेयर पर, नए दृष्टिकोण ने पिछले सर्वश्रेष्ठ तरीके की तुलना में अनुमानित निष्पादन समय (execution time) को तैंतालीस प्रतिशत कम कर दिया। सिस्टम शोर और त्रुटियों की उपस्थिति में भी स्थिर रहा जो वर्तमान मशीनों को परेशान करते हैं। हालांकि नया तरीका शोर वाले हार्डवेयर परिणामों और पूर्ण सैद्धांतिक आदर्श के बीच के अंतर को पूरी तरह से समाप्त नहीं कर सका, लेकिन इसने विकल्पों की तुलना में बेहतर प्रदर्शन किया और दिखाया कि यह बहुत अधिक चेकिंग के बिना अच्छे समाधान पा सकता है।
इस कार्य की सफलता इसकी सरलता में निहित है। एक सटीक, जटिल सुधार की गणना करने के बजाय, नया एल्गोरिदम एक ह्यूरिस्टिक (heuristic) दृष्टिकोण का उपयोग करता है। यह एक बड़ा कदम उठाता है, जांचता है कि क्या परिणाम में सुधार हुआ है, और यदि नहीं, तो यह बस अगले कदम की दिशा को उलट देता है और फिर से प्रयास करता है। यह आगे-पीछे का समायोजन सिस्टम को ट्रैक पर रहने में मदद करता है बिना अतिरिक्त डेटा एकत्र किए जो इसकी गति को धीमा कर सकता है। शोधकर्ताओं ने पाया कि यह रणनीति तब भी अच्छी तरह काम करती है जब क्वांटम कंप्यूटर गलतियां कर रहा होता है, क्योंकि यह विधि स्वाभाविक रूप से उन गलतियों को सुधार लेती है जब चीजें गलत होती हैं तो दिशा बदलकर। यह सुझाव देता है कि वर्तमान पीढ़ी के क्वांटम कंप्यूटरों के लिए, सबसे कुशल मार्ग मशीनों को अधिक जटिल बनाना नहीं, बल्कि उनके द्वारा पालन किए जाने वाले निर्देशों को अधिक स्मार्ट और कुशल बनाना है।
अध्ययन यह भी रेखांकित करता है कि माप के दौरान डेटा को कैसे समूहीकृत (grouping) किया जाता है, यह कितना महत्वपूर्ण है। क्वांटम कंप्यूटिंग में, सिस्टम के एक हिस्से को मापने से दूसरे हिस्से में व्यवधान आ सकता है, इसलिए वैज्ञानिकों को व्यवधान को कम करने के लिए संबंधित मापों को एक साथ समूहित करना चाहिए। टीम ने दिखाया कि उनकी नई पद्धति को मौजूदा ग्रुपिंग तकनीकों के साथ जोड़ा जा सकता है ताकि वर्कलोड को और कम किया जा सके। इसका अर्थ है कि समय और संसाधनों की बचत केवल सैद्धांतिक नहीं है बल्कि उन तरीकों पर सीधे लागू होती है जिनसे ये मशीनें वर्तमान में प्रोग्राम की जाती हैं। निष्कर्ष बताते हैं कि फीडबैक लूप को परिष्कृत करके, शोधकर्ता पहले से मौजूद क्वांटम हार्डवेयर से अधिक प्रदर्शन प्राप्त कर सकते हैं, जिससे इन मशीनों के व्यावहारिक अनुप्रयोगों को वास्तविकता के करीब लाया जा सकता है।
अंततः, यह कार्य प्रदर्शित करता है कि क्वांटम कंप्यूटिंग में दक्षता केवल बड़े प्रोसेसर बनाने के बारे में नहीं है, बल्कि ऐसे एल्गोरिदम डिजाइन करने के बारे में है जो हार्डवेयर की भौतिक सीमाओं का सम्मान करते हैं। नई विधि गति और सटीकता के बीच एक ऐसा संतुलन बनाती है जो पिछले दृष्टिकोण नहीं कर सके। यह वर्तमान क्वांटम उपकरणों के शोर वाले परिदृश्य में नेविगेट करने का एक तरीका प्रदान करती है ताकि वे त्रुटियों में न खो जाएं। जैसे-जैसे यह क्षेत्र आगे बढ़ता है, इस तरह की तकनीकें वास्तविक दुनिया की समस्याओं को हल करने के लिए आवश्यक हो जाएंगी, जो यह सिद्ध करती हैं कि कभी-कभी आगे बढ़ने का सबसे अच्छा तरीका यह जानना है कि कब पीछे हटना है और फिर से प्रयास करना है।
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।