QuSema: Detecting Silent Bugs in Quantum Libraries via Quantum-knowledge-enhanced Agents

क्वांटम कंप्यूटिंग उन समस्याओं को हल करने का वादा करती है जो वर्तमान में क्लासिकल मशीनों के लिए असंभव हैं, जैसे कि नई दवाओं को डिजाइन करना या जटिल लॉजिस्टिक्स को अनुकूलित करना। इस तकनीक को उपयोगी बनाने के लिए, वैज्ञानिकों ने सॉफ्टवेयर लाइब्रेरी बनाई हैं—पूर्व-लिखित कोड के विशाल संग्रह जो क्वांटम प्रोग्राम बनाने के लिए आवश्यक उपकरणों के रूप में कार्य करते हैं। ये लाइब्रेरी शोधकर्ताओं को क्वांटम ऑपरेशन्स को परिभाषित करने और उन्हें सिम्युलेटर या वास्तविक हार्डवेयर पर चलाने की अनुमति देती हैं। हालाँकि, क्योंकि यह क्षेत्र अभी अपने शुरुआती चरण में है, सॉफ्टवेयर स्वयं त्रुटियों के प्रति संवेदनशील है। जबकि कुछ त्रुटियाँ स्पष्ट होती हैं, जिससे प्रोग्राम तुरंत क्रैश हो जाता है या रुक जाता है, अन्य बहुत अधिक खतरनाक होती हैं क्योंकि वे 'साइलेंट' (शांत) होती हैं। एक साइलेंट बग प्रोग्राम को बिना किसी चेतावनी के पूरा होने देता है, फिर भी यह गलत उत्तर देता है। एक ऐसे क्षेत्र में जहाँ एक एकल गलत गणना वर्षों के शोध को गुमराह कर सकती है या महंगे कंप्यूटिंग संसाधनों को बर्बाद कर सकती है, इन छिपे हुए दोषों को खोजना एक महत्वपूर्ण चुनौती है।

वर्षों से, इन बग्स को खोजने का मानक तरीका एक क्वांटम लाइब्रेरी के आउटपुट की तुलना दूसरी लाइब्रेरी से करना, या यह जांचना रहा है कि क्या कोई प्रोग्राम एक विशिष्ट गणितीय रूपांतरण के बाद सुसंगत व्यवहार करता है। यह दृष्टिकोण तब अच्छा काम करता है जब अपेक्षित परिणाम ज्ञात हो या जब दो अलग-अलग टूल्स को समान आउटपुट देना चाहिए। लेकिन यह तब विफल हो जाता है जब कोई लाइब्रेरी एक अनूठा कार्य करती है जिसे कोई अन्य टूल नहीं कर सकता, या जब बग केवल बहुत विशिष्ट, जटिल परिस्थितियों में प्रकट होता है जिन्हें अनुमान लगाना कठिन हो। इन मामलों में, सॉफ्टवेयर पूरी तरह से चलता है और चुपचाप एक गलत परिणाम देता है, जिससे उपयोगकर्ता को पता भी नहीं चलता कि उनका कार्य त्रुटिपूर्ण है।

इस समस्या से निपटने के लिए, शोधकर्ताओं की एक टीम ने 'QuSema' नामक एक नई स्वचालित प्रणाली विकसित की है। आउटपुट की तुलना करने या यह अनुमान लगाने के बजाय कि कौन सी स्थितियाँ विफलता को ट्रिगर कर सकती हैं, QuSema एक बुद्धिमान ऑडिटर के रूप में कार्य करता है जो लाइब्रेरी के स्वयं के सोर्स कोड को पढ़ता है। यह लाइब्रेरी के अपने दस्तावेज़ों और क्वांटम भौतिकी के मूलभूत नियमों के आधार पर कोड के इच्छित व्यवहार को समझने के लिए उन्नत आर्टिफिशियल इंटेलिजेंस का उपयोग करता है। यह प्रणाली लाइब्रेरी को कोड के छोटे, प्रबंधनीय टुकड़ों में तोड़कर काम करती है और एक सरल प्रश्न पूछती है: क्या कोड का यह हिस्सा क्वांटम मैकेनिक्स के नियमों को देखते हुए वही करता है जो उसे करना चाहिए? यदि कोड का तर्क यह सुझाव देता है कि यह एक वैध इनपुट से अमान्य परिणाम दे सकता है, तो सिस्टम इसे एक संभावित दोष के रूप में चिह्नित करता है।

यह प्रक्रिया अत्यंत कठोर है। एक बार जब सिस्टम किसी संदिग्ध तर्क की पहचान कर लेता है, तो वह केवल वहीं नहीं रुक जाता। यह एक वास्तविक टेस्ट केस बनाने का प्रयास करता है जिसे एक मानव उपयोगकर्ता त्रुटि की पुष्टि करने के लिए चला सके। यह जाँचता है कि क्या इस बग को उन मानक टूल्स के माध्यम से ट्रिगर किया जा सकता है जिनका उपयोग वास्तव में उपयोगकर्ता करते हैं, यह सुनिश्चित करते हुए कि खोज केवल आंतरिक मशीनरी में एक सैद्धांतिक गड़बड़ी नहीं है बल्कि एक वास्तविक दुनिया की समस्या है। यह पद्धति सिस्टम को उन त्रुटियों को खोजने की अनुमति देती है जिन्हें पिछले तरीकों ने छोड़ दिया था, विशेष रूप से वे जो अद्वितीय कार्यात्मकताओं में होती हैं या जिन्हें प्रकट होने के लिए बहुत विशिष्ट, गैर-स्पष्ट स्थितियों की आवश्यकता होती है।

जब शोधकर्ताओं ने इस प्रणाली का परीक्षण दो सबसे लोकप्रिय क्वांटम लाइब्रेरी, Qiskit और PennyLane पर किया, तो परिणाम महत्वपूर्ण थे। उन्होंने पहले सिस्टम को अतीत में रिपोर्ट किए गए बीस ज्ञात साइलेंट बग्स के सेट के साथ चुनौती दी। सिस्टम ने इन ज्ञात त्रुटियों के अधिकांश के मूल कारण को सफलतापूर्वक खोज लिया, जिसने सामान्य प्रोग्रामिंग ज्ञान पर निर्भर रहने वाले अन्य स्वचालित कोडिंग सहायकों की तुलना में बेहतर प्रदर्शन किया। इससे भी अधिक प्रभावशाली बात यह है कि जब सिस्टम को बिना किसी पूर्व जानकारी के इन लाइब्रेरीज़ के पूर्ण, वर्तमान कोडबेस पर लागू किया गया, तो इसने चालीस अज्ञात समस्याओं की खोज की। इन लाइब्रेरीज़ के डेवलपर्स ने सभी चालीस निष्कर्षों की पुष्टि की। इन नई खोजों में से, तीस साइलेंट बग्स थे जो बिना क्रैश हुए गलत परिणाम देते थे, और पाँच ऐसे फीचर्स से प्रभावित थे जो पारंपरिक परीक्षण विधियों की पहुंच से पूरी तरह बाहर थे क्योंकि उनकी तुलना करने के लिए कोई अन्य टूल मौजूद नहीं था।

सिस्टम द्वारा खोजी गई एक विशिष्ट घटना में PennyLane में 'बोसोनिक ऑपरेटर्स' को गुणा करने वाला एक फंक्शन शामिल है। सिस्टम ने देखा कि कोड सॉर्ट किए गए डिक्शनरी कीज़ (keys) को उनके इंसर्शन ऑर्डर (insertion order) में रखे गए मानों के साथ जोड़ रहा था, जिससे गुणन के दौरान क्रिएशन (creation) और एनिहिलेशन (annihilation) ऑपरेटर्स का आदान-प्रदान हो सकता था, जिससे समकक्ष ऑपरेंड्स के लिए गलत परिणाम प्राप्त होते हैं। एक अन्य खोज Qiskit में एक टूल से जुड़ी थी जो क्वांटम सर्किट को ऑप्टिमाइज़ करता है; सिस्टम ने पता लगाया कि वह टूल नेस्टेड कंट्रोल मॉडिफायर्स को गलत क्रम में जोड़ रहा था, जिससे कंट्रोल कंडीशन बदल रही थी और बिना किसी त्रुटि के सर्किट सेमantics का उल्लंघन हो रहा था। ये त्रुटियाँ मानक परीक्षणों से बच जातीं क्योंकि प्रोग्राम सफलतापूर्वक चलते और आउटपुट देते जो विश्वसनीय दिखता, भले ही अंतर्निहित तर्क त्रुटिपूर्ण था।

QuSema की सफलता क्वांटम सॉफ्टवेयर की विश्वसनीयता सुनिश्चित करने के लिए एक नए मार्ग का सुझाव देती है। आर्टिफिशियल इंटेलिजेंस को क्वांटम भौतिकी के विशिष्ट अर्थों (semantics) के बारे में सोचने के लिए सिखाकर और उस ज्ञान को लाइब्रेरी के अपने दस्तावेज़ों के साथ क्रॉस-रेफरेंस करके, शोधकर्ताओं ने एक ऐसा उपकरण बनाया है जो उन "साइलेंट" विफलताओं को खोज सकता है जो जटिल प्रणालियों को प्रभावित करती हैं। इस दृष्टिकोण के लिए तुलना करने के लिए दूसरी लाइब्रेरी के अस्तित्व या टेस्ट के मामलों की पूर्व-निर्धारित सूची की आवश्यकता नहीं है। इसके बजाय, यह इस बात पर निर्भर करता है कि कोड को क्या करना चाहिए, इसकी गहरी समझ पर। निष्कर्ष बताते हैं कि सबसे उन्नत सॉफ्टवेयर इंफ्रास्ट्रक्चर में भी, सूक्ष्म त्रुटियाँ मिलने के लिए प्रतीक्षा कर रही हैं, और मानव-समान तर्क को स्वचालित परीक्षण के साथ जोड़ने से उन्हें वैज्ञानिक खोज में महंगी गलतियों के कारण बनने से पहले उजागर किया जा सकता है।