⚛️ क्वांटम भौतिकी

$T$ -efficient unitary synthesis via block-sparse Hamiltonian simulation

यह शोध पत्र स्वैच्छिक $n$ -qubit यूनिटरीज (unitaries) को संश्लेषित करने के लिए एक क्लिफोर्ड+ $T$ (Clifford+ $T$ ) सर्किट निर्माण प्रस्तुत करता है जो ब्लॉक-स्पार्स हैमिल्टनियन अपघटन (block-sparse Hamiltonian decomposition) और qDRIFT के माध्यम से एक हर्मिटीयन लॉगरिदम (Hermitian logarithm) का अनुकरण करके $\widetilde{O}(N^{8/7})$ का वर्स्ट-केस $T$ -काउंट प्राप्त करता है, जिससे पिछले $5/4$ घातांक (exponent) में सुधार होता है और एक अनुक्रमिक ब्लॉक-SELECT मॉडल के भीतर $8/7$ की इष्टतमता (optimality) सिद्ध होती है।

मूल लेखक: Diyi Liu, Shuchen Zhu, Wibe Albert de Jong, Di Fang, David Williams-Young, Chao Yang

प्रकाशित 2026-10-14

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Diyi Liu, Shuchen Zhu, Wibe Albert de Jong, Di Fang, 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

उन मशीनों के निर्माण की खोज में जो आज के कंप्यूटरों की पहुंच से परे समस्याओं को हल कर सकें, वैज्ञानिक एक नए प्रकार के प्रोसेसर को डिजाइन कर रहे हैं जो क्वांटम मैकेनिक्स के विचित्र नियमों पर काम करता है। ये मशीनें, जिन्हें क्वांटम कंप्यूटर कहा जाता है, प्रकाश या पदार्थ के सूक्ष्म कणों का उपयोग सूचना को सुपरपोजिशन की स्थिति में रखने के लिए करती हैं, जिससे वे एक साथ कई संभावनाओं को तलाश पाती हैं। हालांकि, उपयोगी गणना करने के लिए, इन कणों को निर्देशों के एक विशिष्ट सेट का उपयोग करके अत्यधिक सटीकता के साथ नियंत्रित किया जाना चाहिए। इनमें से अधिकांश निर्देश निष्पादित करना अपेक्षाकृत सस्ता है, लेकिन कुछ विशेष प्रकार के निर्देश बनाना अविश्वसनीय रूप से कठिन और महंगा है, जो पूरे सिस्टम के लिए एक प्रमुख बाधा (बॉटलनेक) के रूप में कार्य करते हैं। इंजीनियरों के लिए केंद्रीय चुनौती यह पता लगाना है कि कैसे इन महंगे निर्देशों में से कम से कम का उपयोग करके किसी भी वांछित क्वांटम ऑपरेशन का निर्माण किया जाए। यदि वे महंगे चरणों की संख्या को कम कर सकते हैं, तो वे जटिल अणुओं का विश्वसनीय रूप से अनुकरण करने या कठिन कोड तोड़ने वाले मशीनों के निर्माण के करीब पहुँच जाते हैं।

शोधकर्ताओं की एक टीम ने अब इन जटिल क्वांटम ऑपरेशनों को पहले की तुलना में अधिक कुशलता से निर्मित करने के लिए एक नई विधि विकसित की है। उन्होंने विशेष रूप से एक ऐसे निर्देश के प्रकार पर ध्यान केंद्रित किया जो सबसे अधिक संसाधन-गहन (रिसोर्स-इंटेंसिव) होने के लिए जाना जाता है। एक बड़े, जटिल कार्य को कई छोटे, प्रबंधनीय टुकड़ों में तोड़कर और फिर उन्हें एक चतुर तरीके से पुन: संयोजित करके, उन्होंने महंगे चरणों की कुल संख्या को काफी कम करने का एक तरीका खोज निकाला है। उनका दृष्टिकोण एक लक्षित ऑपरेशन (टारगेट ऑपरेशन) को लेने में शामिल है, जो मूल रूप से संख्याओं का एक विशाल ग्रिड है जो यह वर्णन करता है कि क्वांटम सिस्टम को कैसे बदलना चाहिए, और फिर इसे एक ऐसे रूप में परिवर्तित करने में जो संभालने में आसान हो। इसके बाद वे इस रूपांतरित ग्रिड को कई छोटे, विरल (स्पार्स) खंडों में विभाजित करते हैं, जहाँ अधिकांश प्रविष्टियाँ शून्य होती हैं। यह रणनीति कि प्रत्येक गणना के लिए आवश्यक डेटा की मात्रा को कम करती है, इस विचार पर आधारित है कि जब भी गणना की आवश्यकता हो, तो पूरे विशाल ग्रिड को मेमोरी में लोड करने के बजाय केवल छोटे, गैर-शून्य खंडों को ही लोड किया जाए।

शोधकर्ताओं ने सिद्ध किया कि इस नए निर्माण के लिए पहले से ज्ञात किसी भी पद्धति की तुलना में कम महंगे निर्देशों की आवश्यकता होती है। विशेष रूप से, उन्होंने दिखाया कि एक निश्चित संख्या में क्वांटम बिट्स वाले सिस्टम के लिए, महंगे चरणों की संख्या जिस दर से बढ़ती है, वह पहले की तुलना में धीमी है। जबकि पिछली विधियों में चरणों की संख्या सिस्टम के आकार की घात (पावर) 1.25 के साथ बढ़ती थी, इस नई तकनीक ने उस घात को घटाकर लगभग 1.14 कर दिया है। यह सुधार घातांक (एक्सपोनेंट) के संदर्भ में छोटा लग सकता है, लेकिन बड़े पैमाने की कंप्यूटिंग की दुनिया में, यह आवश्यक संसाधनों में भारी कमी लाता है। टीम ने यह भी प्रदर्शित किया कि यह दक्षता अतिरिक्त मेमोरी के संदर्भ में एक प्रबंधनीय लागत के साथ आती है, जिसे वे पूरी गणना के दौरान साफ और पुन: प्रयोजते योग्य रख सकते हैं।

इसे प्राप्त करने के लिए, शोधकर्ताओं ने एक ऐसी तकनीक का उपयोग किया जिसमें डेटा को विभाजित करने से पहले उसे यादृच्छिक (रैंडमली) रूप से पुनर्व्यवस्थित किया जाता है। यह रैंडमाइजेशन यह सुनिश्चित करता है कि उनके द्वारा बनाए गए छोटे टुकड़े संतुलित हों और उनमें कोई अप्रत्याशित रूप से बड़े या कठिन भाग न हों जो उनकी दक्षता को खराब कर दे। इसके बाद उन्होंने इन टुकड़ों को संयोजित करने की एक ऐसी विधि का उपयोग किया जिसमें अंतिम परिणाम का अनुमान लगाने के लिए कई छोटे, यादृच्छिक चरणों का उपयोग किया जाता है। यह बिल्कुल वैसा ही है जैसे कि किसी जटिल आकृति के क्षेत्रफल का अनुमान लगाने के लिए पूरे आकार को मापने के बजाय कई छोटे, यादृच्छिक माप लेने और उनका औसत निकालने की प्रक्रिया। टुकड़ों के आकार और चरणों की संख्या को सावधानीपूर्वक चुनकर, उन्होंने एक ऐसा 'स्वीट स्पॉट' खोजा जहाँ डेटा तक पहुँचने की लागत और टुकड़ों को संयोजित करने की लागत पूरी तरह से संतुलित है।

टीम ने केवल इस पद्धति का प्रस्ताव ही नहीं दिया; उन्होंने यह भी सिद्ध किया कि डेटा एक्सेस करने के एक विशिष्ट ढांचे के भीतर यह लगभग सबसे अच्छा संभव दृष्टिकोण है। उन्होंने दिखाया कि यदि कोई टुकड़ों के आकार या डेटा एक्सेस करने के तरीके को बदलकर अपने परिणाम में सुधार करने का प्रयास करता है, तो बचत नगण्य होगी। यह सुझाव देता है कि वे इस प्रकार के निर्माण के लिए एक मौलिक सीमा तक पहुँच गए हैं। उनका कार्य अधिक कुशल क्वांटम सर्किट बनाने के लिए एक स्पष्ट मार्ग प्रदान करता है, जो पिछले डिजाइनों की तुलना में एक ठोस सुधार पेश करता है। महंगे चरणों की संख्या को कम करके, वे भविष्य के हार्डवेयर पर जटिल क्वांटम एल्गोरिदम चलाने की संभावना को अधिक वास्तविक बनाते हैं। शोधकर्ताओं ने यह भी दिखाया कि कैसे वे उच्च स्तर की सटीकता को संभालने के लिए अपनी विधि को परिष्कृत कर सकते हैं, जिससे यह सुनिश्चित होता है कि समस्या की जटिलता बढ़ने पर भी परिणाम सटीक बने रहें।

यह कार्य क्वांटम कंप्यूटरों की व्यावहारिक इंजीनियरिंग में एक महत्वपूर्ण कदम है। यह सैद्धांतिक संभावनाओं से आगे बढ़कर सर्किट बनाने के लिए एक ठोस नुस्खा (रेसिपी) प्रदान करता है जो वर्तमान में उपलब्ध किसी भी चीज़ की तुलना में अधिक कुशल है। शोधकर्ताओं ने दिखाया है कि क्वांटम ऑपरेशनों को तोड़ने और पुन: संयोजित करने के बारे में अलग तरह से सोचकर, इस क्षेत्र की कुछ सबसे कठिन बाधाओं को पार करना संभव है। उनके निष्कर्ष दक्षता का एक नया मानक प्रदान करते हैं, जिसका उपयोग भविष्य के इंजीनियर सबसे कठिन वैज्ञानिक समस्याओं से निपटने के लिए मशीनों को डिजाइन करने हेतु कर सकते हैं। इसका परिणाम संभव है क्या, इसकी सीमाओं की एक स्पष्ट समझ और वहां तक पहुँचने का एक अधिक कुशल तरीका है।

तकनीकी सारांश: ब्लॉक-स्पार्स हैमिल्टनियन सिमुलेशन के माध्यम से T-कुशल यूनिटरी संश्लेषण

समस्या विवरण
फॉल्ट-टोलरेंट क्वांटम कंप्यूटिंग में, नॉन-क्लिफ़ोर्ड गेट्स (विशेष रूप से $T$ गेट) क्लिफ़ोर्ड गेट्स की तुलना में काफी अधिक महंगे संसाधन होते हैं, जिन्हें अक्सर मैजिक स्टेट डिस्टिलेशन की आवश्यकता होती है। एक केंद्रीय चुनौती यह निर्धारित करना है कि किसी भी $n$ -qubit यूनिटरी $U \in U(N)$ (जहाँ $N=2^n$ ) को लक्ष्य ऑपरेटर-नॉर्म त्रुटि $\epsilon$ तक संश्लेषित करने के लिए न्यूनतम कितने $T$ गेटों की आवश्यकता है। जबकि काउंटिंग तर्क $\Omega(N)$ का एक निचला स्तर (lower bound) स्थापित करते हैं, वर्स्ट-केस संश्लेषण के लिए पिछले ऊपरी स्तर (upper bounds) $\tilde{O}(N^{3/2})$ से लेकर $\tilde{O}(N^{5/4})$ तक रहे हैं। इन बाउंड्स और सैद्धांतिक निचली सीमा के बीच का अंतर, विशेष रूप से $T$ -काउंट और एंसिला (ancilla) उपयोग के बीच के ट्रेड-ऑफ के संबंध में, अभी भी महत्वपूर्ण बना हुआ है।

कार्यप्रणाली
लेखक एक ऐसा निर्माण प्रस्तावित करते हैं जो एक हर्मिटियन लॉगरिदम के विकास के रूप में $U$ को एनकोड करके $T$ -काउंट को कम करता है, जहाँ $U = e^{iH}$ , और इस विकास को रैंडम सिमिलरिटी ट्रांसफॉर्मेशन, ब्लॉक-स्पार्स पार्टीशनिंग और रैंडमाइज्ड प्रोडक्ट फॉर्मूला के संयोजन का उपयोग करके सिम्युलेट करता है।

हर्मिटियन लॉगरिदम और फ्लैटनिंग: लक्ष्य यूनिटरी को एक ग्लोबल फेज और एक ट्रेसलेस हर्मिटियन जनरेटर $H_0$ में विभाजित किया जाता है। मैट्रिक्स ब्लॉक्स के नॉर्म्स को नियंत्रित करने के लिए, लेखक एक दो-परत वाला रैंडम सिमिलरिटी ट्रांसफॉर्मेशन $P = F S_\tau F S_\sigma F$ (जहाँ $F$ हैडामार्ड ट्रांसफॉर्म है और $S$ रैंडम साइन मैट्रिसेस हैं) लागू करते हैं। यह "फ्लैटनिंग" सुनिश्चित करती है कि रूपांतरित जनरेटर $H'$ के $b \times b$ ब्लॉक्स के ऑपरेटर नॉर्म्स उच्च संभावना के साथ छोटे हों, विशेष रूप से $\tilde{O}(1/\sqrt{D})$ , जहाँ $D = N/b$ है।
ब्लॉक-स्पार्स पार्टीशनिंग: फ्लैटन किए गए जनरेटर $H'$ को $s$ हर्मिटियन टुकड़ों $H_1, \dots, H_s$ में रैंडम तरीके से विभाजित किया जाता है। प्रत्येक टुकड़ा मूल ब्लॉक्स के एक उपसमुच्चय (subset) को बनाए रखता है, जिससे यह सुनिश्चित होता है कि ऑफ-डायगोनल एडजॉइंट पेयर्स को एक ही टुकड़े को सौंपा जाए ताकि हर्मिटिसी (hermiticity) बनी रहे। इसके परिणामस्वरूप ब्लॉक-स्पार्स मैट्रिसेस प्राप्त होते हैं जहाँ प्रत्येक टुकड़े में घने (dense) मैट्रिक्स की तुलना में प्रति कॉलम काफी कम गैर-शून्य ब्लॉक्स होते हैं।
पृथक ब्लॉक एनकोडिंग: पिछले घने एनकोडिंग दृष्टिकोणों (जैसे युआन एट अल.) के विपरीत, जो सभी $N^2$ प्रविष्टियों के डेटा के लिए एक एकल लुकअप टेबल का उपयोग करते हैं, यह विधि प्रत्येक टुकड़े के लिए अलग-अलग ब्लॉक एनकोडिंग बनाती है। प्रत्येक टुकड़ा $O(D^2/s)$ प्रविष्टियों के साथ एक छोटा लुकअप टेबल उपयोग करता है। एक ब्लॉक एनकोडिंग के प्रति क्वेरी की लागत $\tilde{O}(N)$ से घटकर $\tilde{O}(N/\sqrt{s} + b^2)$ हो जाती है।
qDRIFT और QSVT के माध्यम से हैमिल्टनियन सिमुलेशन: $e^{iH'}$ के विकास को qDRIFT एल्गोरिदम का उपयोग करके अनुमानित किया जाता है, जो व्यक्तिगत टुकड़ों $H_k$ के तहत लघु विकास (short evolutions) को सैंपल करता है। कुल सिमुलेशन इन लघु खंडों का एक उत्पाद (product) है। प्रत्येक खंड को चुनी गई विशिष्ट ब्लॉक एनकोडिंग पर लागू क्वांटम सिंगुलर वैल्यू ट्रांसफॉर्मेशन (QSVT) का उपयोग करके कार्यान्वित किया जाता है।
अवशिष्ट परिशोधन (Residual Refinement): शुद्धता निर्भरता (precision dependence) में सुधार के लिए, लेखक एक अवशिष्ट परिशोधन रणनीति अपनाते हैं। एक प्रारंभिक सन्निकटन के बाद, शेष त्रुटि को एक नए लक्ष्य यूनिटरी के रूप में माना जाता है। यह प्रक्रिया दोहराई जाती है, जिसमें प्रत्येक चरण में जनरेटर का नॉर्म घटता जाता है, जिससे बाद के इटरेशन में कम टुकड़े और कम सिमुलेशन लागत की अनुमति मिलती है।

मुख्य योगदान और परिणाम

सुधारित ऊपरी सीमा (Upper Bound): यह शोध पत्र स्थापित करता है कि किसी भी $n$ -qubit यूनिटरी को कॉन्स्टेंट प्रिसिजन पर $\tilde{O}(N^{8/7})$ के $T$ -काउंट के साथ एक क्लिफ़ोर्ड+T सर्किट का उपयोग करके संश्लेषित किया जा सकता है। यह $5/4$ के पिछले सर्वोत्तम घातांक (exponent) में सुधार करता है।
- $\epsilon$ के लिए एक लक्ष्य त्रुटि जहाँ $L = n + \log_2(1/\epsilon) \leq N$ है, परिष्कृत निर्माण $\tilde{O}(N)$ क्लीन एंसिला का उपयोग करके $\tilde{O}(N^{8/7}L^{3/7} + NL)$ का $T$ -काउंट प्राप्त करता है।
- कॉन्स्टेंट प्रिसिजन पर, निर्माण $\tilde{O}(N^{8/7})$ $T$ गेट्स और $\tilde{O}(N^{6/7})$ क्लीन एंसिला का उपयोग करता है।
एक प्रतिबंधित मॉडल के भीतर इष्टतमता: लेखक "सीक्वेंशियल ब्लॉक-SELECT" लागत मॉडल के भीतर एक मिलान निचली सीमा (matching lower bound) $\tilde{\Omega}(N^{8/7})$ सिद्ध करते हैं। यह मॉडल मैट्रिक्स लुकअप, ब्लॉक प्रोसेसिंग और सिमुलेशन की लागत को ध्यान में रखता है, जबकि हैमिल्टनियन विकास के बीच यूनिटरीज में संग्रहीत सूचना को सीमित करता है। यह सुझाव देता है कि इस वर्ग के निर्माणों के लिए $8/7$ घातांक इष्टतम है।
संसाधन ट्रेड-ऑफ़: निर्माण स्पष्ट रूप से प्रति क्वेरी लागत (छोटे लुकअप टेबल द्वारा कम की गई) और आवश्यक क्वेरी की संख्या (कई टुकड़ों के योग को सिम्युलेट करने की आवश्यकता के कारण बढ़ी हुई) के बीच संतुलन बनाता है। कुल $T$ -काउंट को कम करने के लिए इष्टतम ब्लॉक आकार $b$ और टुकड़ों की संख्या $s$ को चुना जाता है, जिसके परिणामस्वरूप $N^{8/7}$ स्केलिंग प्राप्त होती है।

महत्व
यह शोध पत्र दावा करता है कि यह कॉन्स्टेंट प्रिसिजन के लिए वर्स्ट-केस यूनिटरी सिंथेसिस के ज्ञात ऊपरी और निचले बाउंड्स के बीच के अंतर को पाटता है, जिससे घातांक $5/4$ से $8/7$ हो जाता है। इसका महत्व यह प्रदर्शित करने में है कि एक घने ग्लोबल एनकोडिंग के बजाय ब्लॉक-स्पार्स टुकड़ों को अलग-अलग एनकोड करने से डोमिनेंट लुकअप लागत में पर्याप्त कमी आती है। इसके अलावा, "सीक्वेंशियल ब्लॉक-SELECT" मॉडल के भीतर इष्टतमता का प्रमाण इस बात का पुख्ता प्रमाण प्रदान करता है कि इस मॉडल के बाहर और अधिक सुधार के लिए मौलिक रूप से भिन्न दृष्टिकोणों की आवश्यकता होगी। यह कार्य $T$ -काउंट और एंसिला उपयोग के बीच के ट्रेड-ऑफ को भी उजागर करता है, यह नोट करते हुए कि हालांकि उनका निर्माण पिछले कार्यों (जैसे टैन) की तुलना में अधिक एंसिला का उपयोग करता है, फिर भी यह कम $T$ -काउंट प्राप्त करता है, जिससे उनके संसाधन लागत $T \approx m_{anc} \approx N$ के संतुलित पैमाने के करीब आ जाती है। लेखक स्वीकार करते हैं कि अनस्ट्रिक्टेड सर्किट्स के लिए एक सामान्य निचली सीमा $\Omega(N^{1+c})$ एक खुला प्रश्न बना हुआ है।

इसी तरह के और पेपर