From Simple Sources to Quantum Advantage: Homomorphic Polynomial Transduction via Relative Decoding
यह शोध पत्र होमोमोर्फिक बहुपद ट्रांसडक्शन (homomorphic polynomial transduction) के लिए एक मॉड्यूलर ढांचे को प्रस्तुत करता है जो हैमिल्टोनियन्स (Hamiltonians) के बीच कुशलतापूर्वक तैयार किए जा सकने वाले बहुपद अवस्थाओं को स्थानांतरित करने के लिए रिलेटिव डिकोडिंग (relative decoding) का उपयोग करता है, जिससे डिकोडेड क्वांटम इंटरफेरोमेट्री (Decoded Quantum Interferometry) का व्यापक प्रणालियों तक विस्तार होता है और गैररेखीय अनुकूलन कार्यों (nonlinear optimization tasks) में शास्त्रीय ह्यूरिस्टिक्स (classical heuristics) पर क्वांटम लाभ प्रदर्शित होता 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
क्वांटम कंप्यूटरों को उन समस्याओं को हल करने के योग्य बनाने की खोज में, जो शास्त्रीय मशीनों को चकित कर देती हैं, शोधकर्ता अक्सर एक कठिन समझौते का सामना करते हैं। उन्हें एक क्वांटम सिस्टम को एक विशिष्ट, उपयोगी परिणाम की ओर निर्देशित करने की आवश्यकता होती है—जैसे कि किसी जटिल अणु की निम्नतम ऊर्जा अवस्था या किसी कठिन पहेली के सर्वोत्तम समाधान को खोजना। ऐसा करने के लिए, उन्हें एक विशेष क्वांटम अवस्था तैयार करनी होती है जो एक शुरुआती बिंदु के रूप में कार्य करती है, जो सही उत्तर की ओर भारी रूप से झुकी हुई हो। वर्षों से, 'डिकोडेड क्वांटम इंटरफेरोमेट्री' नामक एक विधि ने गणितीय पैटर्न का उपयोग करके सिस्टम को पक्षपाती बनाने का एक तरीका प्रदान किया है। हालाँकि, यह दृष्टिकोण कठोर था; यह केवल तभी अच्छी तरह से काम करता है जब समस्या के नियम सरल हों और उनमें कोई छिपे हुए शॉर्टकट या ओवरलैपिंग बाधाएं न हों। यदि नियम बहुत जटिल हैं, तो यह विधि विफल हो जाती है, जिससे वैज्ञानिकों को कमजोर समाधानों पर समझौता करने या इस दृष्टिकोण को पूरी तरह से छोड़ने के लिए मजबूर होना पड़ता है। चुनौती इन क्वांटम शॉर्टकट्स की शक्ति को बनाए रखते हुए वास्तविक दुनिया की समस्याओं में पाए जाने वाले जटिल, परस्पर जुड़े नियमों को अपनाने का तरीका खोजने की रही है।
कोपेनहेगन विश्वविद्यालय के शोधकर्ताओं की एक टीम ने अब एक लचीला नया ढांचा विकसित किया है जो इस सीमा को दूर करता है। उन्होंने इन क्वांटम अवस्थाओं को तैयार करने की प्रक्रिया को अनुवाद (translation) के एक रूप के रूप में पुनर्गठित किया है, जो सूचना को एक सरल, आसानी से नियंत्रित प्रणाली से एक जटिल, कठिन प्रणाली में स्थानांतरित करता है। कल्पना कीजिए कि एक अनुवादक जो एक सरल भाषा में लिखी गई कहानी को पूरी तरह से एक जटिल बोली में परिवर्तित कर सकता है, भले ही नई बोली में कई अधिक व्याकरणिक नियम हों। शोधकर्ता इस प्रक्रिया को "पॉलीनोमियल ट्रांसडक्शन" (polynomial transduction) कहते हैं। लक्षित प्रणाली में जटिल क्वांटम अवस्था को शून्य से बनाने के बजाय, वे पहले एक सरल संस्करण को एक स्रोत प्रणाली (source system) में बनाते हैं जहाँ नियम ज्ञात और संभालने में आसान होते हैं। फिर वे उस सरल अवस्था की संरचना को लक्षित प्रणाली में ले जाने के लिए एक गणितीय सेतु, जिसे 'होममोर्फिज्म' (homomorphism) कहा जाता है, का उपयोग करते हैं। मुख्य नवाचार "रिलेटिव डिकोडिंग" (relative decoding) नामक एक तकनीक है। पिछली विधियों में, कंप्यूटर को ठीक से यह पता लगाना पड़ता था कि किन विशिष्ट सामग्रियों के संयोजन ने अंतिम अवस्था बनाई है, जो कि एक असंभव कार्य बन जाता है यदि सामग्रियों के बीच बहुत अधिक ओवरलैपिंग संबंध हों। नई विधि स्रोत में उन पूर्व-मौजूद संबंधों को अनदेखा करती है, और केवल लक्षित प्रणाली द्वारा पेश किए गए नए संबंधों पर ध्यान केंद्रित करती है। यह क्वांटम कंप्यूटर को पहले की तुलना में बहुत अधिक जटिल संरचनाओं को संभालने की अनुमति देता है।
शोधकर्ताओं ने सिद्ध किया कि यह दृष्टिकोण उन नाजुक क्वांटम संबंधों को सुरक्षित रखता है जो गणना को सफल बनाने के लिए आवश्यक हैं, बशर्ते कि पॉलीनोमियल फ़िल्टर की जटिलता सिस्टम के "सापेक्ष अंतर" (relative distance) द्वारा परिभाषित एक विशिष्ट सीमा के भीतर रहे। यह दूरी यह मापती है कि लक्ष्य प्रणाली के नियम स्रोत के नियमों से कितनी दूर तक विचलित होते हैं। अपने स्रोत सिस्टम को लक्ष्य के जितने संभव हो सके उतने नियमों को आत्मसात करने के लिए डिज़ाइन करके, वे इस दूरी को आगे बढ़ा सकते हैं, जिससे बहुत अधिक शक्तिशाली फिल्टर संभव हो पाते हैं। बाधाओं की एक गैर-रेखीय श्रृंखला (nonlinear chain) से जुड़े एक विशिष्ट परीक्षण मामले में, जहाँ नियम जटिल रूप से पड़ोसी मानों को जोड़ते हैं, इस नई विधि ने डिग्री 50 के फिल्टर को संभालने की अनुमति दी। पुरानी, कठोर विधि उसी समस्या के लिए केवल डिग्री 1 के फिल्टर को संभाल सकती थी। जब उन्होंने गणना की, तो इस नए रिलेटिव डिकोडिंग दृष्टिकोण का उपयोग करने वाले क्वांटम एल्गोरिदम ने औसतन 0.643 का स्कोर प्राप्त किया। इसके विपरीत, परीक्षण किए गए परिष्कृत खोज और अनुकूलन तकनीकों सहित सर्वश्रेष्ठ शास्त्रीय कंप्यूटर ह्यूरिस्टिक्स ने केवल 0.606 का औसत स्कोर प्राप्त किया। तीन प्रतिशत से अधिक का यह अंतर बताता है कि यह नया ढांचा उन समाधानों तक पहुँच सकता है जो वर्तमान में शास्त्रीय कंप्यूटरों की पहुंच से बाहर हैं।
इस कार्य के निहितार्थ केवल एक प्रकार की पहेली को हल करने तक ही सीमित नहीं हैं। यह ढांचा शामिल प्रणालियों की बीजगणितीय संरचना (algebraic structure) पर आधारित है, जिसका अर्थ है कि यह अधिकांश वर्तमान क्वांटम कंप्यूटरों में उपयोग किए जाने वाले मानक क्वबिट्स तक सीमित नहीं है। शोधकर्ताओं ने दिखाया कि उनकी विधि फर्मिऑन्स (fermions) के लिए भी समान रूप से प्रभावी ढंग से कार्य करती है, जो इलेक्ट्रॉन जैसे कण हैं जो पदार्थ बनाते हैं, और बोसॉन्स (bosons) के लिए भी, जो प्रकाश प्रणालियों में उपयोग किए जाने वाले फोटॉन जैसे कण हैं। उन्होंने इसे दो से अधिक ऊर्जा स्तरों वाली प्रणालियों, जिन्हें क्वाडिट्स (qudits) कहा जाता है, के लिए भी लागू करने की क्षमता का प्रदर्शन किया। यह सार्वभौमिकता महत्वपूर्ण है क्योंकि इसका अर्थ है कि समान अंतर्निहित तर्क को भौतिक प्रणालियों की एक विस्तृत श्रृंखला पर लागू किया जा सकता है, जैसे रासायनिक प्रतिक्रियाओं का अनुकरण करना या सांख्यिकीय भौतिकी के लिए थर्मल अवस्थाओं को तैयार करना। अंतिम अवस्था को तैयार करने के कठिन कार्य को एल्गोरिदम को डिजाइन करने के कार्य से अलग करके, शोधकर्ताओं ने एक जटिल, केस-दर-केस इंजीनियरिंग समस्या को एक अधिक मॉड्यूलर समस्या में बदल दिया है। वैज्ञानिक अब मौजूदा उपकरणों का उपयोग करके एक सरल स्रोत अवस्था तैयार करने पर ध्यान केंद्रित कर सकते हैं और फिर उस अवस्था को जटिल लक्षित प्रणाली में ले जाने के लिए ट्रांसडक्शन ढांचे पर भरोसा कर सकते हैं।
अपने संख्यात्मक प्रयोगों में, टीम केवल सिद्धांत पर निर्भर नहीं रही; उन्होंने विधि की सीमाओं का परीक्षण करने के लिए एक ठोस उदाहरण बनाया। उन्होंने एक ऐसी स्थिति बनाई जहाँ एक पॉलीनोमियल के मानों का परीक्षण गैर-रेखीय शर्तों के एक सेट के विरुद्ध किया गया था। नई विधि के बिना, बाधाएं इतनी सख्त थीं कि क्वांटम कंप्यूटर केवल एक बहुत ही सरल, रैखिक फिल्टर लगा सकता था, जो अनिवार्य रूप से एक सीधी रेखा का अनुमान है। नई रिलेटिव डिकोडिंग तकनीक ने उन्हें एक बहुत अधिक परिष्कृत, वक्र (curved) फिल्टर लागू करने की अनुमति दी जो समाधानों के जटिल परिदृश्य में बेहतर ढंग से नेविगेट कर सकता था। परिणामों ने दिखाया कि क्वांटम दृष्टिकोण ने समस्या के दस अलग-अलग रैंडम इंस्टेंस में शास्त्रीय प्रयासों को लगातार पछाड़ दिया। जबकि शोधकर्ता नोट करते हैं कि यह एक आदर्श क्वांटम कंप्यूटर का सिमुलेशन है और अभी तक वर्तमान हार्डवेयर के शोर और त्रुटियों को ध्यान में नहीं रखता है, सैद्धांतिक लाभ स्पष्ट है। यह कार्य सुझाव देता है कि क्वांटम अवस्थाओं को तैयार करने के बारे में सोचने के तरीके को बदलकर—सीधे निर्माण से बीजगणितीय अनुवाद की ओर बढ़कर—हम क्वांटम अनुकूलन और सैंपलिंग के लिए नई क्षमताओं को अनलॉक कर सकते हैं।
यह अध्ययन यह भी स्पष्ट करता है कि ये क्वांटम एल्गोरिदम क्या कर सकते हैं और क्या नहीं। शोधकर्ताओं ने दिखाया कि जबकि यह विधि समाधानों के उच्च-गुणवत्ता वाले नमूने (samples) उत्पन्न कर सकती है, केवल उन समाधानों के औसत स्कोर की गणना करने के लिए पूर्ण क्वांटम मशीनरी की आवश्यकता नहीं होती है; वह औसत अक्सर सरल स्रोत अवस्था से ही निकाला जा सकता है। वास्तविक शक्ति वास्तविक नमूनों को उत्पन्न करने की क्षमता में निहित है, जिनका उपयोग उन विशिष्ट, उच्च-स्कोर वाले समाधानों को खोजने के लिए किया जा सकता है जिन्हें केवल औसत देखने से छोड़ा जा सकता है। यह अंतर यह समझने के लिए महत्वपूर्ण है कि वास्तविक क्वांटम लाभ कहाँ निवास करता है। यह ढांचा थर्मल अवस्थाओं (thermal states) की तैयारी को भी संबोधित करता है, जो यह समझने के लिए आवश्यक हैं कि विभिन्न तापमानों पर पदार्थ कैसे व्यवहार करते हैं। एक तैयार थर्मल स्टेट को स्रोत से लक्ष्य में स्थानांतरित करके, यह विधि इन अवस्थाओं को कुशलतापूर्वक सिम्युलेट करने का एक नया मार्ग प्रदान करती है, बशर्ते कि तापमान और सिस्टम की जटिलता सापेक्ष दूरी द्वारा निर्धारित सीमाओं के भीतर हो।
अंततः, यह कार्य क्वांटम एल्गोरिदम डिजाइनरों के लिए एक नया टूलकिट प्रदान करता है। यह प्रत्येक नई समस्या के लिए जटिल, कस्टम-निर्मित सर्किटों की आवश्यकता को एक सामान्य रणनीति से बदल देता है जो बीजगणितीय अनुवाद पर आधारित है। शोधकर्ताओं ने दिखाया है कि सावधानीपूर्वक एक ऐसा स्रोत सिस्टम चुनकर जो लक्ष्य के साथ कई नियम साझा करता है, वे उन सीमाओं को पार कर सकते हैं जिन्होंने पहले क्वांटम कंप्यूटरों द्वारा हल की जाने वाली समस्याओं की जटिलता को प्रतिबंधित किया था। उनके परीक्षण मामले में क्वांटम और शास्त्रीय स्कोर के बीच का अंतर, हालांकि पूर्ण रूप में मामूली है, एक मौलिक बदलाव का प्रतिनिधित्व करता है। यह प्रदर्शित करता है कि जटिल समस्याओं को हल करने की बाधा केवल अधिक क्वबिट्स होने का मामला नहीं है, बल्कि सूचना को संसाधित करने के सही तरीके को खोजने का मामला है। जैसे-जैसे यह क्षेत्र आगे बढ़ता है, संबंधों को आत्मसात करने वाले स्रोतों को डिजाइन करने की क्षमता और इन नए संरचनाओं के लिए कुशल डिकोडर का विकास यह निर्धारित करेगा कि इन सैद्धांतिक लाभों को विज्ञान और उद्योग के लिए व्यावहारिक उपकरणों में कितनी जल्दी बदला जा सकता 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।