⚛️ quantum physics

Exponentially Compressed and Garbage-Free Alias Sampling for Polynomial State Preparation

यह शोधपत्र बहुपद-आयाम अवस्थाओं (polynomial-amplitude states) का प्रतिनिधित्व करके कोहेरेंट एलियास सैंपलिंग के लिए आवश्यक एलियास तालिका को घातीय रूप से संकुचित करने की एक विधि प्रस्तुत करता है, जो कचरा-मुक्त (garbage-free), बहुपद-लागत क्वांटम अवस्था तैयारी और कुशल शास्त्रीय नमूनाकरण को सक्षम बनाता है।

मूल लेखक: Diyi Liu, Hanyu Wang, Shuchen Zhu, Jason Cong, Wibe Albert de Jong, David Williams-Young, Chao Yang

प्रकाशित 2026-10-06

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Diyi Liu, Hanyu Wang, Shuchen Zhu, Jason Cong, Wibe Albert de Jong, David Williams-Young, Chao Yang

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 कंप्यूटर उन समस्याओं को हल करने का वादा करते हैं जो वर्तमान में सबसे शक्तिशाली सुपरकंप्यूटरों के लिए भी असंभव हैं, जैसे कि नए पदार्थों का अनुकरण करना या जटिल रासायनिक प्रतिक्रियाओं का मॉडल बनाना। ऐसा करने के लिए, इन मशीनों को पहले विशिष्ट प्रारंभिक स्थितियों को, जिन्हें क्वांटम अवस्थाएं (quantum states) कहा जाता है, अत्यधिक सटीकता के साथ तैयार करने में सक्षम होना चाहिए। कल्पना कीजिए कि आप एक विशाल, जटिल खेल को व्यवस्थित करने की कोशिश कर रहे हैं जहाँ हर मोहरे को एक विशिष्ट स्थान पर एक विशिष्ट प्रायिकता (probability) के साथ रखा जाना चाहिए। क्वांटम दुनिया में, इसका अर्थ है कण के कई संभावित स्थानों में से एक में पाए जाने की संभावना को व्यवस्थित करना। दशकों तक, एक बड़ी बाधा इन प्रारंभिक स्थितियों को सेट करने के लिए आवश्यक मेमोरी और प्रोसेसिंग पावर की भारी मात्रा रही है, जब प्रायिकताएं एक सुचारू, गणितीय वक्र (curve) का पालन करती हैं। इन कार्यों को करने के पारंपरिक तरीके ऐसे थे जैसे किसी शहर की हर एक किताब के लिए एक अलग लाइब्रेरी बनाने की कोशिश करना, भले ही वे किताबें एक सरल, पूर्वानुमानित पैटर्न का पालन करती हों। इस दृष्टिकोण ने ऐसे संसाधनों की मांग की जो तेजी से बढ़ते थे, जिसका अर्थ था कि समस्या में केवल कुछ और चर (variables) जोड़ने से मेमोरी और समय की आवश्यकता दोगुनी हो जाती थी, जिससे छोटे उदाहरणों के अलावा किसी भी चीज़ के लिए यह कार्य असंभव हो जाता था।

शोधकर्ताओं की एक टीम ने अब इन प्रारंभिक स्थितियों के एक व्यापक और महत्वपूर्ण वर्ग के लिए इस घातीय दीवार (exponential wall) को पार करने का एक तरीका खोज लिया है। उन्होंने उन स्थितियों पर ध्यान केंद्रित किया जहाँ प्रायिकताएं एक बहुपद (polynomial) द्वारा निर्धारित होती हैं, जो गुणांकों (coefficients) के एक छोटे से सेट द्वारा परिभाषित एक प्रकार का गणितीय वक्र है। जबकि क्वांटम कण के संभावित स्थानों की संख्या बहुत बड़ी हो सकती है, वह नियम जो यह बताता है कि उन स्थानों में से किसी एक में उसके होने की कितनी संभावना है, वास्तव में काफी सरल और संक्षिप्त है। शोधकर्ताओं ने प्रदर्शित किया कि प्रत्येक प्रायिकता की एक विशाल, स्पष्ट सूची बनाने के बजाय, जिसके लिए सिस्टम के आकार के साथ घातीय रूप से बढ़ती मेमोरी की आवश्यकता होगी, वे पूरे सेटअप को डेटा की एक बहुत छोटी मात्रा का उपयोग करके वर्णित कर सकते हैं। उन्होंने इन प्रायिकताओं को 'ऑन द फ्लाई' (on the fly) गणना करने का एक तरीका विकसित किया, जो प्रतिवर्ती अंकगणित (reversible arithmetic) का उपयोग करता है जो कंप्यूटर को बिना किसी डिजिटल कचरे (digital clutter) को पीछे छोड़े उत्तर की गणना करने की अनुमति देता है। यह दृष्टिकोण इन अवस्थाओं को तैयार करने की लागत को एक असंभव घातीय वृद्धि से बदलकर एक प्रबंधनीय बहुपद वृद्धि (polynomial growth) में बदल देता है, जिससे भविष्य की दोष-सहिष्णु (fault-tolerant) मशीनों पर जटिल क्वांटम अवस्थाओं को तैयार करना संभव हो जाता है।

उनकी उपलब्धि का मूल आधार यह पुनर्कल्पना करना है कि एक कंप्यूटर किसी वितरण (distribution) से नमूना (sample) कैसे लेता है। क्लासिकल कंप्यूटिंग में, एक तकनीक जिसे एलियास सैंपलिंग (alias sampling) कहा जाता है, का उपयोग अक्सर विशिष्ट पैटर्न का पालन करने वाले यादृच्छिक नंबर उत्पन्न करने के लिए किया जाता है। यह एक पूर्व-निर्धारित तालिका का उपयोग करके काम करता है जो कंप्यूटर को बताती है कि उसे यादृच्छिक रूप से चुने गए नंबर को रखना है या उसे किसी अन्य नंबर से बदलना है। एक क्वांटम कंप्यूटर को यह करने के लिए, उसे इस तरह से बदलाव (swap) करना होगा जो नाजुक क्वांटम सुपरपोजिशन को सुरक्षित रखता है, लेकिन ऐसा करने से आमतौर पर "कचरा" डेटा (garbage data)—चुनावी प्रक्रियाओं के बारे में अतिरिक्त जानकारी जो अंतिम परिणाम के साथ उलझी (entangled) रहती है—पीछे रह जाता है। यह कचरा कंप्यूटर को एक स्वच्छ, शुद्ध प्रारंभिक अवस्था प्राप्त करने से रोकता है, जो कई उन्नत एल्गोरिदम के लिए आवश्यक है। शोधकर्ताओं ने इसे एक कॉम्पैक्ट विवरण वाली एलियास टेबल बनाकर हल किया है जिसके लिए लाखों प्रविष्टियों को संग्रहीत करने की आवश्यकता नहीं है। एक स्थिर सूची के बजाय, तालिका को बहुपद के गणितीय गुणों के आधार पर गतिशील रूप से उत्पन्न किया जाता है। क्योंकि प्रायिकताएं एक सुचारू वक्र का पालन करती हैं, शोधकर्ताओं ने पाया कि वे स्थान जहाँ प्रायिकताएं उच्च या निम्न हैं, केवल कुछ अलग समूहों का निर्माण करते हैं। वे एक विशाल डेटाबेस में मान खोजने के बजाय, इन समूहों की सटीक सीमाओं और उनके संचयी प्रायिकताओं (cumulative probabilities) की गणना सरल सूत्रों का उपयोग करके कर सकते हैं।

यह संक्षिप्त विवरण क्वांटम कंप्यूटर को एलियास टेबल को सुसंगत रूप से (coherently) मूल्यांकन करने की अनुमति देता है, जिसका अर्थ है कि यह पूरी तालिका बनाए बिना सभी संभावित इनपुट के सुपरपोजिशन को एक साथ संसाधित कर सकता है। शोधकर्ताओं ने एक क्वांटम सर्किट बनाया है जो प्रतिवर्ती पूर्णांक अंकगणित (reversible integer arithmetic) का उपयोग करके इन गणनाओं को करता है, यह सुनिश्चित करते हुए कि प्रत्येक चरण को उलटा जा जा सके। यह प्रतिवर्तीता (reversibility) अत्यंत महत्वपूर्ण है क्योंकि यह उन्हें उस कचरा डेटा को हटाने की अनुमति देती है जो अन्यथा प्रक्रिया के दौरान रह जाता है। सैंपलिंग प्रक्रिया पूरी होने के बाद, कंप्यूटर ठीक उसी मूल इनपुट का पता लगाने के लिए एक चतुर रैंकिंग तकनीक का उपयोग करता है जिसने वर्तमान आउटपुट को जन्म दिया था। इस रैंकिंग प्रक्रिया को उलटकर, कंप्यूटर प्रारंभिक अवस्था का पुनर्निर्माण कर सकता है और अतिरिक्त जानकारी को मिटा सकता है, जिससे केवल वांछित क्वांटम अवस्था बचती है जिसमें कोई उलझा हुआ कचरा नहीं होता है। यह "कचरा-मुक्त" (garbage-free) तैयारी एक महत्वपूर्ण सफलता है, क्योंकि यह सुनिश्चित करती है कि क्वांटम अवस्था शुद्ध है और अगली गणना के चरण के लिए तैयार है।

इस विधि की दक्षता उल्लेखनीय है। एक निश्चित संख्या में क्यूबिट्स और एक विशिष्ट डिग्री वाले बहुपद के साथ, अवस्था को तैयार करने के लिए आवश्यक ऑपरेशनों की संख्या सिस्टम के आकार के साथ बहुपद रूप से बढ़ती है, न कि घातीय रूप से। व्यावहारिक रूप से, इसका अर्थ है कि समस्या के आकार को दोगुना करने के लिए संसाधनों को दोगुना करने की आवश्यकता नहीं है; इसके लिए केवल एक बहुत ही मामूली वृद्धि की आवश्यकता होती है। शोधकर्ताओं ने गणना की कि उच्च-सटीकता आवश्यकताओं के लिए, ऑपरेशनों की कुल संख्या सटीकता के लिए आवश्यक बिट्स के घन (cube) के लगभग बराबर बढ़ती है। यह पिछले तरीकों की तुलना में एक विशाल सुधार है, जिन्हें सटीकता या सिस्टम के आकार में प्रत्येक छोटी वृद्धि के साथ संसाधन दोगुना करने की आवश्यकता होती थी। टीम ने यह भी दिखाया कि इसी कॉम्पैक्ट विवरण का उपयोग क्लासिकल सैंपलिंग एल्गोरिदम के लिए भी किया जा सकता है, जो यह सुझाव देता है कि गणितीय अंतर्दृष्टि का मूल्य केवल क्वांटम कंप्यूटिंग तक ही सीमित नहीं है।

यह कार्य क्वांटम सिमुलेशन में प्रारंभिक अवस्थाओं को तैयार करने के लिए एक ठोस मार्ग प्रदान करता है, जो इस क्षेत्र में एक मौलिक कार्य है। यह सिद्ध करके कि इन अवस्थाओं को पोस्ट-सिलेक्शन (post-selection) या कचरा छोड़े बिना नियत रूप से (deterministically) तैयार किया जा सकता है, शोधकर्ताओं ने वास्तविक दुनिया की समस्याओं के लिए क्वांटम कंप्यूटरों का उपयोग करने में एक महत्वपूर्ण बाधा को हटा दिया है। उनकी विधि बहुपद अवस्थाओं (polynomial states) की विशिष्ट संरचना पर निर्भर करती है, जो तरंग प्रसार (wave propagation) और विभेदक समीकरणों (differential equations) जैसे भौतिकी और इंजीनियरिंग अनुप्रयोगों में सामान्य हैं। हालांकि यह तकनीक इन विशिष्ट प्रकार की अवस्थाओं के लिए अनुकूलित है, लेकिन एक विशाल लुकअप टेबल को बदलने के लिए एक कॉम्पैक्ट, गणनीय विवरण का उपयोग करने का अंतर्निद्य सिद्धांत क्वांटम एल्गोरिदम डिजाइन के लिए एक शक्तिशाली नई रणनीति प्रदान करता है। शोधकर्ताओं ने न केवल एक सैद्धांतिक प्रमाण दिया है, बल्कि आवश्यक गेट काउंट और संसाधन अनुमानों के साथ आवश्यक क्वांटम सर्किट का विस्तृत निर्माण भी प्रदान किया है। विवरण का यह स्तर अन्य वैज्ञानिकों को इस विधि को लागू करने और भविष्य के हार्डवेयर पर इसका परीक्षण करने की अनुमति देता है। परिणाम, क्वांटम सिमुलेशन के लिए मंच तैयार करने का एक स्वच्छ, तेज़ और अधिक कुशल तरीका है, जो क्वांटम कंप्यूटिंग के वादे को वास्तविकता के एक कदम करीब लाता है।

तकनीकी सारांश: बहुपद अवस्था तैयारी (Polynomial State Preparation) के लिए घातांकीय रूप से संकुचित और कचरा-मुक्त (Garbage-Free) एलियास सैंपलिंग

समस्या विवरण
क्वांटम सिमुलेशन एल्गोरिदम, विशेष रूप से ब्लॉक एनकोडिंग, क्यूबिटाइजेशन और क्वांटम सिंगुलर वैल्यू ट्रांसफॉर्मेशन (QSVT) पर आधारित, कुशल क्वांटम अवस्था तैयारी पर अत्यधिक निर्भर करते हैं। एक केंद्रीय उप-प्रक्रिया (subroutine) सभी-शून्य अवस्था $|0^n\rangle$ को क्लासिकली निर्दिष्ट आयामों (amplitudes) वाली एक लक्षित अवस्था में मैप करना है। जबकि "एलियास सैंपलिंग" (alias sampling) को एक पूर्व-निर्धारित एलियास तालिका का उपयोग करके ऐसी अवस्थाओं को सुसंगत (coherently) रूप से तैयार करने के लिए प्रस्तावित किया गया है, मानक कार्यान्वयन एक गंभीर स्केलेबिलिटी बाधा का सामना करते हैं। $n$ क्वबिट्स वाली एक अवस्था के लिए, एक स्पष्ट एलियास तालिका का निर्माण और भंडारण $n$ में घातांकीय ( $\Theta(2^n)$ ) संसाधनों की मांग करता है, जो इस दृष्टिकोण को बड़े सिस्टम के लिए अव्यवहारिक बनाता है। इसके अलावा, मानक सुसंगत एलियास सैंपलिंग आउटपुट अवस्था को स्रोत इंडेक्स और फ्रैगमेंट स्थिति वाले सहायक रजिस्टरों ("कचरे" या garbage) के साथ उलझा (entangled) छोड़ देती है, जो एक स्वच्छ, स्टैंडअलोन लक्षित अवस्था तैयार करने में बाधा डालता है।

यह शोध पत्र बहुपद अवस्थाओं (polynomial states) की तैयारी को संबोधित करता है, जहाँ आयाम एक ग्रिड पर मूल्यांकित वास्तविक बहुपद $p$ (जिसकी डिग्री अधिकतम $d$ है) के मानों के समानुपाती होते हैं। लेखक जांच करते हैं कि क्या एलियास सैंपलिंग को $n$ और $d$ में बहुपद लागत के साथ तैयार करने के लिए और साथ ही सहायक रजिस्टरों को हटाने के लिए अनुकूलित किया जा सकता है।

कार्यप्रणाली
प्रस्तावित समाधान $N=2^n$ प्रविष्टियों वाली एक स्पष्ट एलियास तालिका के स्थान पर, बहुपद संरचना से व्युत्पन्न एक संक्षिप्त, अंतर्निहित (implicit) प्रतिनिधित्व का उपयोग करता है। कार्यप्रणाली के मुख्य चरण निम्नलिखित हैं:

संक्षिप्त एलियास तालिका निर्माण:
सभी $N$ प्रविष्टियों को सूचीबद्ध करने के बजाय, लेखक इंडेसेस को लाइट ( $v_i < Z$ ), हेवी ( $v_i > Z$ ), और बैलेंस्ड ( $v_i = Z$ ) समूहों में विभाजित करके एक "क्रमबद्ध एलियास तालिका" (ordered alias table) का निर्माण करते हैं, जहाँ $Z$ सामान्यीकरण स्थिरांक (normalization constant) है। इन समूहों को इंडेक्स द्वारा क्रमबद्ध करके, तालिका प्रविष्टियों को परिमित अंतरों (finite differences) से प्राप्त $2d+1$ पूर्णांक गुणांकों ( $\kappa_k$ ) वाले एक क्लोज्ड-फॉर्म सूत्र का उपयोग करके ऑन-द-फ्लाई (on-the-fly) गणना किया जा सकता है।

अंतर्निहित प्रतिनिधित्व: लेखक दिखाते हैं कि वर्गाकार बहुपद मानों के अंतराल पर संचयी योग (cumulative sums) को $2d+1$ पूर्णांक गुणांकों का उपयोग करके कुशलतापूर्वक निकाला जा सकता है। यह पूरी तालिका का निर्माण किए बिना किसी भी तालिका प्रविष्टि (कीप थ्रेशोल्ड और एलियास इंडेक्स) की गणना करने की अनुमति देता है।
जटिलता: तालिका का क्लासिकल विवरण केवल $O(d(n+B))$ बिट्स की आवश्यकता रखता है, जहाँ $B$ अंकगणितीय चौड़ाई (arithmetic width) है। क्वांटम सर्किट गेट गणना $\tilde{O}(ndB)$ के साथ प्रविष्टियों का सुसंगत मूल्यांकन करता है।

फाइबर रैंकिंग के माध्यम से कचरा-मुक्त तैयारी:
सहायक कचरे (स्रोत इंडेक्स $i$ और फ्रैगमेंट स्थिति $z$ ) को हटाने के लिए, लेखक एक फाइबर रैंकिंग (fiber ranking) तकनीक पेश करते हैं।

रैंकिंग: वे एक बाइजेक्शन (रैंकिंग) को परिभाषित करते हैं जो प्रत्येक स्रोत फ्रैगमेंट $(i, z)$ को आउटपुट $y = \pi(i, z)$ के भीतर एक अद्वितीय स्थिति $t$ में मैप करता है।
इनवर्स रैंकिंग: रैंक $t$ की गणना करने और फिर इनवर्स रैंकिंग लागू करने के बाद, मूल स्रोत रजिस्टर $(i, z)$ को पुनर्गठित किया जाता है और उन्हें वापस शून्य पर XOR कर दिया जाता है, जिससे कचरा प्रभावी रूप से मिट जाता है।
समान अवस्था विलोपन (Uniform State Erasure): शेष रैंक अवस्था $t$ , फाइबर वॉल्यूम $v_y$ के आकार की सीमा में समान रूप से वितरित होती है। लेखक $v_y$ द्वारा नियंत्रित एक इनवर्स यूनिफॉर्म स्टेट प्रिपरेशन सर्किट लागू करते हैं ताकि रैंक रजिस्टर को $|0\rangle$ पर वापस लाया जा सके, जिससे एक स्वच्छ अवस्था प्राप्त होती है।

नियतत्ववादी (Deterministic) सर्किट निर्माण:
पूरी प्रक्रिया को एक नियतत्ववादी क्लिफोर्ड+टी (Clifford+T) सर्किट के रूप में लागू किया गया है। यह आवश्यक थ्रेशोल्ड, रैंक और वॉल्यूम की गणना करने के लिए तेज़ प्रतिवर्ती पूर्णांक अंकगणित (गुणा, विभाजन और तुलना) का उपयोग करता है। यह सर्किट पोस्टसेलेक्शन और मापन (measurement) से बचता है।

प्रमुख योगदान

घातांकीय संपीड़न: यह शोध पत्र प्रदर्शित करता है कि बहुपद अवस्थाओं के लिए, एलियास तालिका को $n$ और $d$ में बहुपद संसाधनों के साथ दर्शाया और मूल्यांकित किया जा सकता है, जिससे लागत $\Theta(2^n)$ से घटकर $\tilde{O}(ndB)$ हो जाती है। यह बहुपद के निम्न-आयामी विवरण का उपयोग करके संचयी योग और तालिका प्रविष्टियों को अंतर्निहित रूप से गणना करने से संभव हुआ है।
कचरा-मुक्त सैंपलिंग: लेखकों ने सुसंगत एलियास सैंपलिंग द्वारा उत्पन्न सहायक कचरे को अनकंप्यूट (uncompute) करने के लिए एक नई तकनीक विकसित की है। स्रोत फ्रैगमेंट को रैंक असाइन करके और इनवर्स रैंकिंग का उपयोग करके, वे मापन या पोस्टसेलेक्शन के बिना स्रोत रजिस्टरों को सफलतापूर्वक साफ करने में सफल रहे हैं।
पूर्ण गेट गणना: बहुपद अवस्थाओं को तैयार करने के लिए एक नियतत्ववादी सर्किट बनाया गया है। कुल गेट गणना $\tilde{O}(ndB + B^2)$ है, जहाँ $B = \tilde{O}(dn + d \log(d+1))$ है। उच्च-परिशुद्धता सीमा (fixed $n, d$ के लिए) में, गेट गणना $O(\log^3(1/\epsilon) \log \log(1/\epsilon))$ के रूप में स्केल करती है।
क्लासिकल उपयोगिता: एलियास तालिका का संक्षिप्त विवरण क्लासिकल सैंपलिंग एल्गोरिदम के लिए भी लागू है, जो पूरी तालिका बनाए बिना कुशल क्लासिकल सैंपलिंग की अनुमति देता है।

परिणाम
यह शोध पत्र क्रमबद्ध एलियास तालिका की वैधता और फाइबर रैंकिंग/अनरैंकिंग प्रक्रियाओं की शुद्धता के लिए कठोर प्रमाण प्रदान करता है।

प्रमेय 1 (Theorem 1): एलियास तालिका के संक्षिप्त क्लासिकल विवरण की स्थापना करता है जिसे बहुपद समय में गणना किया जा सकता है, जिससे $\tilde{O}(ndB)$ गेट्स के साथ सुसंगत मूल्यांकन सक्षम होता है।
प्रमेय 2 (Theorem 2): सिद्ध करता है कि लक्षित बहुपद अवस्था को आदर्श अवस्था $|\psi\rangle \otimes |0\rangle_{aux}$ के यूक्लिडियन दूरी $\epsilon$ के भीतर एक संयुक्त आउटपुट के साथ नियतत्ववादी रूप से तैयार किया जा सकता है, जो प्राप्त गेट बाउंड्स का उपयोग करता है।
दक्षता: जब बहुपद की डिग्री $d$ और गुणांक बिट लंबाई $n$ में बहुपद रूप से सीमित होती है, तो यह विधि स्पष्ट तालिका विधियों की तुलना में घातांकीय सुधार प्राप्त करती है।

महत्व
यह शोध पत्र दावा करता है कि यह निर्माण एलियास सैंपलिंग को स्वच्छ बहुपद अवस्थाओं (clean polynomial states) के लिए एक कुशल मार्ग बनाता है, जो कई उन्नत क्वांटम सिमुलेशन एल्गोरिदम के लिए एक पूर्व शर्त है। सहायक रजिस्टरों को हटाने और कचरा रजिस्टरों को समाप्त करने के साथ, यह विधि तरंग प्रसार (wave propagation) और विभेदक समीकरणों (differential equations) जैसे समस्याओं से जुड़े ब्लॉक एनकोडिंग और क्यूबिटाइजेशन तकनीकों के व्यावहारिक अनुप्रयोग को सक्षम बनाती है। यह कार्य यह प्रदर्शित करके कि डेटा वितरण के अनुरूप तैयार की गई रैंकिंग तकनीकों का उपयोग करके सहायक रजिस्टरों को व्यवस्थित रूप से अनकंप्यूट किया जा सकता है, सैंपलिंग-आधारित प्रारंभिक अवस्था तैयारी के लिए एक नया अनुसंधान पथ खोलता है।

इसी तरह के और पेपर