⚛️ quantum physics

Practical fermionic shadows enabled by improved sample-complexity bounds

यह शोध पत्र फर्मीओनिक शैडो टोमोग्राफी के लिए सैंपल-जटिलता सीमाओं को $2k$ मेजरोना डिग्री वाले ऑब्सर्वेबल्स के लिए $\mathcal{O}(n^{2k})$ से $\mathcal{O}(n^k)$ तक सुधारकर, एक रूप से टाइट (asymptotically tight) बनाता है, जिससे 50-साइट हबर्ड चेन की ऊर्जा का अनुमान लगाने जैसे व्यावहारिक परिदृश्यों में आवश्यक मेजरमेंट शॉट्स की संख्या लगभग 99.98% तक नाटकीय रूप से कम हो जाती है।

मूल लेखक: Maxwell West, Su Yeon Chang, Luke Coffman, Martin Larocca, M. Cerezo

प्रकाशित 2026-10-01

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Maxwell West, Su Yeon Chang, Luke Coffman, Martin Larocca, M. Cerezo

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 कंप्यूटिंग के तेजी से विकसित होते परिदृश्य में, वैज्ञानिक ऐसी मशीनें बनाने की दौड़ में हैं जो उन समस्याओं को हल करने में सक्षम हों जो आज के सुपर कंप्यूटरों के लिए असंभव हैं। ये मशीनें क्वांटम बिट्स, या क्वुबिट्स (qubits) का उपयोग करती हैं, जो एक ही समय में कई अवस्थाओं में मौजूद हो सकते हैं, जिससे वे एक साथ विशाल संभावनाओं का पता लगा सकते हैं। हालाँकि, इन मशीनों से परिणाम पढ़ना अत्यंत कठिन है। क्योंकि क्वांटम अवस्थाएँ नाजुक होती हैं, उन्हें मापने से अक्सर वही जानकारी नष्ट हो जाती है जिसे शोधकर्ता पकड़ने की कोशिश कर रहे होते हैं। इससे बचने के लिए, वैज्ञानिक 'क्लासिकल शैडो टोमोग्राफी' नामक तकनीक का उपयोग करते हैं। कल्पना कीजिए कि आप एक अंधेरे कमरे में एक जटिल वस्तु के आकार को समझने की कोशिश कर रहे हैं और उस पर अलग-अलग कोणों से कुछ सीमित टॉर्च मार रहे हैं; द्वारा कास्ट किए गए (छाया के) सायों का विश्लेषण करके, आप वस्तु के रूप को बिना उसे सीधे देखे पुनर्गठित कर सकते हैं। यह विधि शोधकर्ताओं को एक क्वांटम प्रणाली के विशिष्ट गुणों, जैसे कि किसी अणु की ऊर्जा, का अनुमान लगाने की अनुमति देती है, जिसके लिए पारंपरिक तरीकों की तुलना में बहुत कम मापों की आवश्यकता होती है। इस प्रक्रिया की दक्षता इस बात पर बहुत अधिक निर्भर करती है कि प्रयोग को कितनी बार दोहराना होगा, जिसे "शॉट्स" (shots) की संख्या के रूप में जाना जाता है। यदि सिस्टम के बड़ा होने पर आवश्यक शॉट्स की संख्या बहुत तेज़ी से बढ़ती है, तो यह विधि उन सैकड़ों क्वुबिट्स के लिए अव्यवहारिक हो जाती है जिन्हें आधुनिक मशीनें अब होस्ट करना शुरू कर रही हैं।

लॉस अलामोस नेशनल लैबोरेटरी और हार्वर्ड यूनिवर्सिटी के शोधकर्ताओं की एक टीम ने हाल ही में इस प्रक्रिया में एक महत्वपूर्ण बाधा को संबोधित किया है, विशेष रूप से उन प्रणालियों के लिए जो सामग्रियों के माध्यम से चलते हुए इलेक्ट्रॉनों का मॉडल बनाती हैं। ये प्रणालियाँ, जिन्हें फर्मिओनिक सिस्टम (fermionic systems) कहा जाता है, रसायन विज्ञान और सामग्री विज्ञान को समझने के लिए केंद्रीय हैं। शोधकर्ताओं ने एक विशिष्ट प्रकार के क्वांटम माप प्रोटोकॉल पर ध्यान केंद्रित किया जिसे 'मैचगेट शैडो' (matchgate shadows) कहा जाता है, जो इन इलेक्ट्रॉन-आधारित समस्याओं के लिए विशेष रूप से उपयुक्त है। जबकि पिछले तरीकों ने वादा किया था कि सिस्टम का आकार बढ़ने पर मापों की संख्या एक प्रबंधनीय दर पर बढ़ेगी, ज्ञात गणितीय सीमाओं ने सुझाव दिया था कि शॉट्स की संख्या अभी भी व्यावहारिक अनुप्रयोगों के लिए अत्यधिक बड़ी हो जाएगी। टीम ने यह खोजने का लक्ष्य रखा कि वास्तव में कितने मापों की आवश्यकता है, इसकी एक अधिक सटीक और सख्त सीमा क्या है। उनके कार्य से पता चलता है कि पिछले अनुमान अत्यधिक निराशावादी थे, और आवश्यक शॉट्स की संख्या को काफी कम किया जा सकता है, जिससे ये प्रयोग वर्तमान और निकट भविष्य के हार्डवेयर पर भी व्यवहार्य हो जाते हैं।

इस खोज का मूल तत्व यह है कि शोधकर्ताओं ने इन मापों के दौरान एकत्र किए गए डेटा की गणितीय संरचना का विश्लेषण कैसे किया। उन्होंने 'ऑब्जर्वेबल्स' (observables) पर ध्यान केंद्रित किया, जो वे विशिष्ट भौतिक मात्राएँ हैं जिन्हें वैज्ञानिक मापना चाहते हैं, जैसे कि किसी प्रणाली की ऊर्जा। फर्मिओनिक प्रणालियों के संदर्भ में, ये ऑब्जर्वेबल्स 'माजोराना ऑपरेटर्स' (Majorana operators) नामक मौलिक घटकों के संयोजन से बने होते हैं। शोधकर्ताओं ने परीक्षण किया कि इन संयोजनों की जटिलता शॉट्स की आवश्यक संख्या को कैसे प्रभावित करती है। उन्होंने पाया कि इन मापों के एक विशिष्ट वर्ग के लिए, आवश्यक शॉट्स की संख्या सिस्टम के आकार के बढ़ने के साथ पहले की तुलना में बहुत धीरे-धीरे बढ़ती है। यह केवल एक मामूली समायोजन नहीं है; यह प्रोटोकॉल की दक्षता में एक मौलिक सुधार का प्रतिनिधित्व करता है।

इस सैद्धांतिक सुधार के वास्तविक दुनिया के प्रभाव को प्रदर्शित करने के लिए, टीम ने भौतिकी में परस्पर क्रिया करने वाले इलेक्ट्रॉनों का वर्णन करने के लिए उपयोग किए जाने वाले एक क्लासिक मॉडल, जिसे 'हबर्ड मॉडल' (Hubbard model) के रूप में जाना जाता है, पर अपने नए बाउंड्स (bounds) लागू किए। उन्होंने पचास साइटों वाली एक श्रृंखला का अनुकरण किया, जो वर्तमान प्रयोगात्मक क्षमताओं के लिए प्रासंगिक आकार है। पुराने, ढीले गणितीय बाउंड्स के तहत, इस प्रणाली की ऊर्जा का एक विशिष्ट स्तर की सटीकता के साथ अनुमान लगाने के लिए लगभग एक अरब मापन शॉट्स की आवश्यकता होती। यह वर्तमान उपकरणों के लिए एक थकाऊ और संभवतः असंभव कार्य होता। हालाँकि, उनके अध्ययन में प्राप्त नए, कड़े बाउंड्स का उपयोग करते हुए, आवश्यक शॉट्स की संख्या घटकर लगभग एक लाख रह जाती है। यह कमी इस तथ्य को दर्शाती है कि प्रयोग लगभग 10,000 गुना अधिक कुशल हो गया है, जिससे आवश्यक समय और संसाधनों में लगभग 99.98 प्रतिशत की कटौती हुई है। ऐसी छलांग एक ऐसे कार्य को, जिसे कभी करने के लिए बहुत महंगा माना जाता था, मौजूदा तकनीक की पहुंच के भीतर ला देती है।

इस कार्य का महत्व केवल एक एकल गणना में समय बचाने तक ही सीमित नहीं है। यह क्वांटम कंप्यूटिंग के वर्तमान युग के लिए एक स्पष्ट रोडमैप प्रदान करता है, जहाँ मशीनें अभी सैकड़ों क्वुबिट्स के पैमाने तक पहुँचना शुरू कर रही हैं। यह सिद्ध करके कि 'सैंपल कॉम्प्लेक्सिटी' (sample complexity) पहले की तुलना में बहुत कम हो सकती है, शोधकर्ताओं ने एक प्रमुख सैद्धांतिक बाधा को हटा दिया है जो फर्मिओनिक प्रणालियों के लिए इन शक्तिशाली शैडो प्रोटोकॉल के उपयोग को हतोत्साहित कर रही थी। उनके निष्कर्ष बताते हैं कि सीमाएँ भौतिक हार्डवेयर या क्वांटम प्रणालियों की मौलिक प्रकृति में नहीं थीं, बल्कि उन गणितीय उपकरणों में थीं जिनका उपयोग यह अनुमान लगाने के लिए किया जाता था कि कितने डेटा की आवश्यकता है। इन बेहतर उपकरणों के साथ, वैज्ञानिक अब अधिक विश्वास के साथ प्रयोगों की योजना बना सकते हैं, यह जानते हुए कि उन्हें सार्थक उत्तर निकालने के लिए आवश्यक डेटा प्राप्त करने योग्य है।

हालाँकि इसके पीछे का गणितीय प्रमाण जटिल है और समूह सिद्धांत (group theory) और कॉम्बिनेटोरिक्स (combinatorics) की उन्नत अवधारणाओं पर निर्भर करता है, लेकिन इसका व्यावहारिक परिणाम सीधा और गहरा है। शोधकर्ताओं ने दिखाया है कि माप डेटा को संसाधित करने के तरीके पर पुनर्विचार करके, जटिल क्वांटम प्रणालियों के बारे में जानने की लागत को नाटकीय रूप से कम किया जा सकता है। इसका मतलब यह नहीं है कि क्वांटम कंप्यूटर अब पूर्ण हैं या सभी चुनौतियाँ हल हो गई हैं; इन मशीनों को बनाने और बनाए रखने की भौतिक कठिनाई बनी हुई है। हालाँकि, ऊर्जा अनुमान और अन्य गुणों को निकालने के विशिष्ट कार्य के लिए, आगे का रास्ता अब बहुत स्पष्ट है। यह कार्य सैद्धांतिक संभावना और प्रयोगात्मक वास्तविकता के बीच के अंतर को पाटता है, जो हमारे पास मौजूद क्वांटम कंप्यूटरों का सर्वोत्तम उपयोग करने का एक ठोस तरीका प्रदान करता है। जैसे-जैसे क्षेत्र बड़े और अधिक जटिल सिमुलेशन की ओर बढ़ रहा है, इस प्रकार के दक्षता लाभ क्वांटम लाभ (quantum advantage) को एक वादे से वैज्ञानिक खोज के दैनिक उपकरण में बदलने के लिए आवश्यक होंगे।

तकनीकी सारांश: उन्नत नमूना-जटिलता सीमाओं द्वारा सक्षम व्यावहारिक फर्मियोनिक शैडो (Fermionic Shadows)

समस्या विवरण
क्लासिकल शैडो टोमोग्राफी एक प्रमुख ढांचा है जो सिस्टम के आकार के साथ बहुपद (polynomial) रूप से स्केल होने वाली नमूना जटिलताओं (sample complexities) के माध्यम से क्वांटम प्रणालियों से जानकारी निकालने के लिए उपयोग किया जाता है। हालांकि, सैकड़ों क्विबिट्स वाले क्वांटम प्रोसेसरों के वर्तमान युग में, यहाँ तक कि बहुपद स्केलिंग भी प्रयोगात्मक रूप से निषेधात्मक हो सकती है। यह विशेष रूप से फर्मियोनिक (मैचगेट) शैडो के लिए गंभीर है, जो सैद्धांतिक रूप से क्वांटम रसायन विज्ञान की समस्याओं के लिए उपयुक्त हैं, लेकिन ऐतिहासिक रूप से स्थानीय क्लिफोर्ड शैडो (local Clifford shadows) की तुलना में प्रयोगात्मक प्रदर्शनों में पीछे रहे हैं (लगभग 16 क्विबिट बनाम ~100 क्विबिट तक सीमित)।

दो प्राथमिक कारक इस कठिनाई में योगदान करते हैं:

सर्किट गहराई (Circuit Depth): मैचगेट शैडो के लिए आवश्यक यादृच्छिक मापन (random measurements) को लागू करने के लिए आमतौर पर निकटतम-पड़ोसी (nearest-neighbor) आर्किटेक्चर पर रैखिक सर्किट गहराई की आवश्यकता होती है, जबकि अन्य शैडो प्रोटोकॉल के लिए यह निरंतर या लघुगणकीय (logarithmic) गहराई होती है।
नमूना जटिलता (Sample Complexity): पिछले सैद्धांतिक बंधों (bounds) ने सुझाव दिया था कि निरंतर फर्मियोनिक स्थानीयता (डिग्री $2k$ ) वाले ऑब्सर्वेबल्स का अनुमान लगाने के लिए शॉट्स की संख्या $O(n^{2k})$ के रूप में स्केल करती है, जहाँ $n$ मोड की संख्या है। यह एकल मेजरोना मोनोमियल्स (Majorana monomials) के लिए ज्ञात $O(n^k)$ स्केलिंग की तुलना में काफी खराब है, जिससे व्यावहारिक सिस्टम आकारों के लिए अत्यधिक शॉट काउंट की समस्या उत्पन्न होती है।

कार्यप्रणाली (Methodology)
लेखक मैचगेट क्लासिकल शैडो के लिए अधिक सटीक, स्पर्शोन्मुख रूप से इष्टतम (asymptotically optimal) नमूना-जटिलता सीमाएं व्युत्पन्न करके दूसरे मुद्दे का समाधान करते हैं। उनकी कार्यप्रणाली का मुख्य आधार ऑपरेटर स्पेस के समरूप क्षेत्र (homogeneous sector) $L_{2k}$ पर समर्थित ऑब्सर्वेबल्स के सिंगल-शॉट एस्टीमेटर के विचरण (variance) का कठोर विश्लेषण है।

मुख्य तकनीकी चरण शामिल हैं:

मैचगेट 3-डिज़ाइन: लेखक इस तथ्य का लाभ उठाते हैं कि क्लिफोर्ड मैचगेट्स एक मैचगेट 3-डिज़ाइन बनाते हैं। यह उन्हें मैचगेट समूह पर निरंतर हॉर औसत (Haar average) को क्लिफोर्ड मैचगेट पर एक परिमित औसत से बदलने की अनुमति देता है, जिससे समस्या को कॉम्बिनेटरिक्स (combinatorics) में बदल दिया जाता है।
कॉम्बिनेटोरियल विश्लेषण: मेजरोना ऑपरेटर्स (इंडेक्स के रैंडम परफेक्ट मैचिंग से जुड़े डीफेज़िंग चैनल द्वारा देखे जाने वाले साइन किए गए क्रमपरिवर्तन के रूप में) पर रैंडम मैचगेट क्लिफोर्ड के प्रभाव का विश्लेषण करके, वे यह निर्धारित करते हैं कि इंडेक्स के रैंडम परफेक्ट मैचिंग से जुड़े डीफेज़िंग चैनल द्वारा कौन से मेजरोना मोनोमियल्स बच जाते हैं।
ऑपरेटर नॉर्म बाउंड्स: लेखक एक विशिष्ट फलन $w$ का निर्माण करते हैं और रेडियल शेल चैनलों और क्रौतवाक (Krawtchouk) बहुपदों के गुणों का उपयोग करके परिणामी विचरण अभिव्यक्ति के ऑपरेटर नॉर्म को बांधते हैं। यह दृष्टिकोण सामान्य असमानताओं (विशेष रूप से पेपर में समीकरण 11 और 12) से प्राप्त ढीले बंधों से बचता है।

मुख्य योगदान और परिणाम
प्राथमिक योगदान फर्मियोनिक ऑब्सर्वेबल्स के अनुमान के लिए एक नया, अधिक सटीक ऊपरी बाउंड (upper bound) है:

समरूप ऑब्सर्वेबल्स के लिए बेहतर बाउंड: एक ऑब्सर्वेबल $O$ के लिए जिसकी मेजरोना डिग्री $2k$ है (जहाँ $O \in L_{2k}$ ), लेखक सिद्ध करते हैं कि एस्टीमेटर का विचरण संतुष्ट करता है:
$\text{Var}[\hat{o}] \leq \frac{3}{2 a_{n,k}} \|O\|_\infty^2$
जहाँ $a_{n,k} = \binom{n}{k} / \binom{2n}{2k}$ है। यह पहले ज्ञात $O(n^{2k} \|O\|_\infty^2)$ के बाउंड को $O(n^k \|O\|_\infty^2)$ में सुधारता है। लेखक ध्यान देते हैं कि $3/2$ के कारक तक, यह बाउंड स्पर्शोन्मुख रूप से सटीक (asymptotically tight) है, जो एकल मेजरोना स्ट्रिंग के इष्टतम स्केलिंग से मेल खाता है।
गैर-समरूप ऑब्सर्वेबल्स के लिए सामान्यीकरण: इसे ट्राइएंगल इनइक्वेलिटी (triangle inequality) के माध्यम से सामान्य ऑपरेटर $O = \sum O_{2k}$ तक विस्तारित किया गया है, जिससे यह परिणाम मिलता है कि यह होमोजेनियस कंपोनेंट्स के इन्फिनिटी नॉर्म्स के योग के साथ स्केल करता है, न कि उनके योग के वर्ग के साथ।
संख्यात्मक प्रभाव: पेपर एक खुले फर्मियोनिक 50-साइट हबर्ड चेन ( $n=100$ मोड) का उपयोग करके एक ठोस उदाहरण प्रदान करता है जिसमें होपिंग $t=1$ और ऑन-साइट इंटरैक्शन $V=4$ है।
- पिछला बाउंड: $\epsilon = 0.1$ की लक्षित एडिटिव प्रिसिजन प्राप्त करने के लिए $\sim 10^9$ शॉट्स की आवश्यकता थी।
- नया बाउंड: आवश्यकता को $\sim 10^5$ शॉट्स तक कम कर देता है।
- सुधार: यह आवश्यक शॉट्स की संख्या में लगभग 99.98% की कमी का प्रतिनिधित्व करता है, जिससे ऐसे ऑब्सर्वेबल्स का अनुमान लगाना निकट-अवधि हार्डवेयर (near-term hardware) पर व्यवहार्य हो जाता है।

महत्व और दावे
पेपर दावा करता है कि ये परिणाम उन सैकड़ों क्विबिट्स के शासन (regime) के लिए व्यावहारिक रूप से प्रासंगिक हैं जिनका वर्तमान में प्रयोगात्मक रूप से अन्वेषण किया जा रहा है। $O(n^{2k})$ से $O(n^k)$ तक नमूना जटिलता को कम करके, लेखक तर्क देते हैं कि "बचा हुआ कारक" $n^k$ प्रयोगात्मक रूप से प्रासंगिक क्षेत्रों में अत्यधिक लाभकारी है।

लेखक अपने सैद्धांतिक प्रमाण के संबंध में विनम्र हैं, यह स्वीकार करते हुए कि यह "अत्यधिक तकनीकी" है और इसके लिए फलन $w$ के एक विशिष्ट निर्माण की आवश्यकता है। वे नोट करते हैं कि उनके बाउंड में $3/2$ का कारक उनके प्रमाण रणनीति का एक आर्टिफैक्ट (artifact) हो सकता है, क्योंकि संख्यात्मक प्रयोग बताते हैं कि इष्टतम स्थिरांक (constant) 1 हो सकता है। वे यह भी स्पष्ट करते हैं कि जबकि उनका काम नमूना-जटिलता की बाधा को हल करता है, निकटतम-पड़ोसी आर्किटेक्चर पर मैचगेट 3-डिज़ाइन को लागू करने के लिए आवश्यक सर्किट गहराई अभी भी एक चुनौती बनी हुई है। हालाँकि, वे इस बात पर प्रकाश डालते कि ऑल-टू-ऑल कनेक्टेड आर्किटेक्चर (जैसे ट्रैप्ड आयन और न्यूट्रल एटम प्रोसेसर) पर, मैचगेट 3-डिज़ाइन को इष्टतम लघुगणकीय गहराई में लागू किया जा सकता है। फलस्वरूप, उनके बेहतर नमूना-जटिलता बाउंड और उपयुक्त हार्डवेयर आर्किटेक्चर के अस्तित्व का संयोजन "निकट-अवधि हार्डवेयर पर उपयोगी फर्मियोनिक शैडो टोमोग्राफी करने की संभावनाओं को नाटकीय रूप से बढ़ाता है।"

इसी तरह के और पेपर