When Expressivity Is Not Enough: Discrete Routing Geometry in Variational Quantum Circuits
यह शोध पत्र यह प्रदर्शित करता है कि वेरिएशनल क्वांटम सर्किट में CNOT गेट्स की विविक्त रूटिंग ज्यामिति (discrete routing geometry) मौलिक रूप से वैश्विक प्रतिनिधित्व क्षमता और स्थानीय ग्रेडिएंट सुलभता दोनों को नियंत्रित करती है, जो पहचान-संरक्षण करने वाले ऑपरेशन्स (identity-preserving operations) को गतिशील रूप से सम्मिलित करने के लिए एक ढांचा प्रदान करती है जो प्रशिक्षण ठहराव (training stagnation) को दूर करने हेतु नए डिसेंट दिशाओं को खोलते हैं।
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
क्लासिकल कंप्यूटरों की पहुंच से परे समस्याओं को हल करने वाली मशीनें बनाने की खोज में, वैज्ञानिक क्वांटम बिट्स, या क्यूबिट्स (qubits) से बने सर्किट डिजाइन कर रहे हैं। एक मानक कंप्यूटर के स्विचों के विपरीत जो या तो ऑन (on) होते हैं या ऑफ (off), ये क्यूबिट्स अवस्थाओं के एक नाजुक सुपरपोजिशन (superposition) में मौजूद हो सकते हैं, जिससे वे एक साथ सूचनाओं की विशाल मात्रा को प्रोसेस कर सकते हैं। इन मशीनों को उपयोगी बनाने के लिए, शोधकर्ताओं को क्यूबिट्स और उनके बीच के कनेक्शनों को विशिष्ट पैटर्न में व्यवस्थित करना होता है, जिन्हें क्वांटम सर्किट कहा जाता है, और फिर एक विशेष कार्य को हल करने के लिए इन कनेक्शनों की सेटिंग्स को ट्यून करना होता है। यह प्रक्रिया एक जटिल प्रणाली को पहाड़ से नीचे जाने का रास्ता खोजने के लिए प्रशिक्षित करने के समान है: लक्ष्य उन नॉब्स (knobs) को तब तक समायोजित करना है जब तक कि मशीन सबसे निचले बिंदु तक न पहुँच जाए, जो सर्वोत्तम समाधान का प्रतिनिधित्व करता है। हालाँकि, इन क्वांटम पहाड़ों का परिदृश्य बहुत खतरनाक है। अक्सर, आगे का रास्ता गायब होता प्रतीत होता है, जिससे मशीन एक सपाट क्षेत्र में फंस जाती है जहाँ नॉब्स को कितना भी घुमाने से त्रुटि (error) कम होती नहीं दिखती। यह घटना लंबे समय से इस क्षेत्र में एक बड़ी बाधा रही है, जिससे कई लोग यह मानने लगे थे कि समस्या केवल मशीन के बहुत जटिल होने या डेटा के बहुत शोर (noise) वाले होने में है।
एक नया अध्ययन इस धारणा को चुनौती देता है, यह सुझाव देते हुए कि रुकावट मशीन की जटिलता में कोई दोष नहीं है, बल्कि इसके डिजाइन में एक दोष है। शेनझेन में हेताओ इंस्टीट्यूट ऑफ मैथमेटिक्स एंड इंटरडिसिप्लिनरी साइंसेज में काम कर रहे शोधकर्ताओं ने पाया कि जिस तरह से क्यूबिट्स एक-दूसरे से जुड़े होते हैं—यानी सूचना एक से दूसरे तक कैसे प्रवाहित होती है—वह बेहतर समाधान के रास्ते को पूरी तरह से छिपा सकता है। भले ही मशीन की क्षमताओं के भीतर एक आदर्श समाधान मौजूद हो, लेकिन कनेक्शनों की वर्तमान व्यवस्था इसे प्रशिक्षण प्रक्रिया के लिए अदृश्य बना सकती है। टीम ने पाया कि मशीन के संभावित समाधान का "मानचित्र" (map) उन कनेक्शनों के बारे में चुनिंदा विकल्पों का एक समूह है कि कौन से क्यूबिट्स किससे बात करेंगे, और यदि यह मानचित्र गलत तरीके से बनाया गया है, तो प्रशिक्षण एल्गोरिदम चक्कर काटता रहेगा, और उस ढलान को देखने में असमर्थ रहेगा जो बस पहुंच से बाहर है।
इसे समझने के लिए, कल्पना करें कि एक क्वांटम सर्किट सूचनाओं को प्रोसेस करने वाले परतों (layers) की एक श्रृंखला है। इन सर्किट्स में, क्यूबिट्स के बीच के कनेक्शन अक्सर एक विशिष्ट प्रकार के गेट का उपयोग करके बनाए जाते हैं जिसे CNOT कहा जाता है, जो एक नियंत्रित स्विच की तरह कार्य करता है। शोधकर्ताओं ने महसूस किया कि इन स्विचों के पैटर्न को सर्किट के अन्य हिस्सों की निरंतर सेटिंग्स (continuous settings) से अलग किया जा सकता है। उन्होंने कनेक्शनों के पैटर्न को एक निश्चित, बाइनरी संरचना के रूप में माना, जबकि गेट्स की सेटिंग्स को निरंतर चर (continuous variables) के रूप में देखा जिन्हें समायोजित किया जा सकता था। इन दो तत्वों को अलग करके, वे विश्लेषण कर सके कि कनेक्शनों का निश्चित पैटर्न संभावित समाधानों के परिदृश्य को कैसे आकार देता है। उन्होंने पाया कि कुछ पैटर्नों के लिए, मशीन की समाधान प्रस्तुत करने की क्षमता ठीक थी, लेकिन प्रशिक्षण के माध्यम से उस समाधान को वास्तव में खोजने की उसकी क्षमता बाधित थी। कनेक्शन बस इस तरह से उन्मुख (oriented) नहीं थे कि प्रशिक्षण संकेत सही दिशा में प्रवाहित हो सके।
अध्ययन ने बेल पेयर्स (Bell pairs) के रूप में ज्ञात उलझे हुए कणों (entangled particles) के जोड़ों के एक विशिष्ट परीक्षण के साथ इसे प्रदर्शित किया। इन परीक्षणों में, शोधकर्ताओं ने सैद्धांतिक रूप से वांछित जोड़े बनाने में सक्षम एक सर्किट तैयार किया, लेकिन कनेक्शनों की विशिष्ट व्यवस्था ने प्रशिक्षण प्रक्रिया को सही सेटिंग्स खोजने से रोक दिया। मशीन एक ऐसे बिंदु पर पहुँच गई जहाँ त्रुटि कम होना बंद हो गई, इसलिए नहीं कि उसने सबसे अच्छा उत्तर पा लिया था, बल्कि इसलिए क्योंकि प्रशिक्षण एल्गोरिदम के पास बेहतर उत्तर को "देखने" का कोई तरीका नहीं था। यह ऐसा ही था जैसे मशीन एक पठार पर खड़ी हो, और घाटी बस कुछ फीट दूर हो, लेकिन पठार की दीवारें इतनी ऊँची हों कि प्रशिक्षण संकेत ढलान को पहचान ही न सके। शोधकर्ताओं ने सिद्ध किया कि यह कोई यादृच्छिक विफलता या शोर का परिणाम नहीं था, बल्कि कनेक्शनों के चुनाव के कारण उत्पन्न एक नियत ज्यामितीय बाधा (deterministic geometric obstruction) थी।
इसे हल करने के लिए, टीम ने मौजूदा सर्किट को शुरू से शुरू किए बिना उसे ठीक करने का एक तरीका विकसित किया। पहले से किए गए काम को छोड़ने के बजाय, उन्होंने दिखाया कि मौजूदा सर्किट में एक विशिष्ट बिंदु पर कनेक्शनों की एक नई परत जोड़ी जा सकती है। यह नई परत शुरू में अदृश्य रहने के लिए डिज़ाइन की गई थी, जो एक खाली स्लेट की तरह कार्य करती थी जिससे मशीन की वर्तमान स्थिति में कोई परिवर्तन नहीं होता। हालाँकि, एक बार डालने के बाद, इसने प्रशिक्षण संकेत के यात्रा करने के लिए नए रास्ते खोल दिए। कनेक्शनों के पैटर्न को सावधानीपूर्वक चुनकर, शोधकर्ता उस बेहतर समाधान के छिपे हुए मार्ग को उजागर कर सके। उन्होंने इन नई परतों को उन सर्किट्स में डालकर इनका परीक्षण किया जो पहले फंस गए थे। हर मामले में, परत डालने से प्रशिक्षण एल्गोरिदम की ढलान खोजने की क्षमता बहाल हो गई, जिससे मशीन में सुधार जारी रहा।
शोधकर्ताओं ने चार से बारह क्यूबिट्स तक के क्वांटम सर्किट्स पर सिमुलेशन का उपयोग करके इस दृष्टिकोण को मान्य किया। उन्होंने पाया कि जब उन्होंने यह भविष्यवाणी करने के लिए एक सरल गणितीय स्कोर का उपयोग किया कि कौन सा नया कनेक्शन पैटर्न सबसे अधिक सहायक होगा, तो मशीन ने लगातार सही रास्ता चुना। परस्पर क्रिया करने वाले कणों की एक श्रृंखला से संबंधित परीक्षणों में, इस पद्धति ने सर्किट को ठहराव से बाहर निकलने और रैंडम तरीके से कनेक्शन चुनने की तुलना में बहुत अधिक प्रभावी ढंग से निम्न ऊर्जा अवस्थाओं (lower energy states) को खोजने में मदद की। अध्ययन ने दिखाया कि इन सर्किट्स को अनलॉक करने की कुंजी केवल अधिक जटिलता जोड़ना नहीं था, बल्कि सही क्षण पर सही संरचनात्मक लचीलापन जोड़ना था।
यह कार्य सुझाव देता है कि क्वांटम कंप्यूटरों का डिजाइन एक स्थिर प्रक्रिया नहीं होना चाहिए जहाँ कनेक्शनों को प्रशिक्षण शुरू होने से पहले ही तय कर दिया जाता है। इसके बजाय, मशीन के आर्किटेक्चर को प्रशिक्षण के साथ विकसित होने की अनुमति दी जानी चाहिए। जिस तरह एक यात्री को शॉर्टकट खोजने के लिए एक नया दरवाजा खोलने की आवश्यकता हो सकती है, उसी तरह एक क्वांटम सर्किट को उन समाधानों तक पहुँचने के लिए अपने आंतरिक कनेक्शनों को पुनर्गठित करने की आवश्यकता हो सकती है जिन्हें वह प्रस्तुत करने में सक्षम है। शोधकर्ता तर्क देते हैं कि उपयोगी क्वांटम एल्गोरिदम की खोज में कठिनाई केवल खोज स्थान (search space) के विशाल आकार के बारे में नहीं है, बल्कि उपलब्ध पथों की ज्यामिति के बारे में है। यह समझकर कि कनेक्शनों के असतत (discrete) विकल्प प्रशिक्षण के निरंतर प्रवाह को कैसे आकार देते हैं, वैज्ञानिक ऐसी मशीनें बना सकते हैं जो न केवल सिद्धांत में शक्तिशाली हैं बल्कि व्यवहार में खोजने योग्य भी हैं।
इस निष्कर्ष के निहितार्थ केवल अटके हुए सर्किट्स को ठीक करने तक सीमित नहीं हैं। यह क्वांटम एल्गोरिदम को डिजाइन करने के बारे में सोचने का एक नया तरीका प्रदान करता है। शुरुआत से ही पूर्ण संरचना का अनुमान लगाने के बजाय, शोधकर्ता अब सर्किट के विकास को निर्देशित करने के लिए कार्य द्वारा प्रदान की गई जानकारी का उपयोग कर सकते हैं। यदि प्रशिक्षण प्रक्रिया किसी दीवार से टकराती है, तो सिस्टम यह निदान कर सकता है कि कौन सा कनेक्शन गायब है और एक नया रास्ता खोल सकता है। यह क्वांटम सर्किट के डिजाइन को एक गतिशील प्रक्रिया में बदल देता है, जहाँ मशीन न केवल सेटिंग्स सीखती है, बल्कि उस संरचना को भी सीखती है जो सीखने की अनुमति देती है। अध्ययन का निष्कर्ष है कि क्वांटम कंप्यूटिंग की वास्तविक क्षमता केवल उन सर्किट्स की शक्ति में नहीं है जिन्हें हम बना सकते हैं, बल्कि उन सर्किट्स तक पहुँचने के सही रास्तों को खोजने की हमारी क्षमता में 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।