Sparse-QITE: Discovering Compact Generators for Quantum Imaginary-Time Evolution via Regularization Methods

उपयोगी क्वांटम कंप्यूटर बनाने की खोज में, वैज्ञानिक एक निरंतर बाधा का सामना कर रहे हैं: कैसे एक क्वांटम सिस्टम को उसकी सबसे स्थिर, निम्नतम-ऊर्जा अवस्था में तैयार किया जाए। यह "ग्राउंड स्टेट" (ground state) जटिल अणुओं के अनुकरण करने, नई सामग्रियों को डिजाइन करने और कठिन अनुकूलन समस्याओं को हल करने की कुंजी है। इस अवस्था तक पहुँचने का एक शक्तिशाली तरीका है जिसे 'इमेजिनरी-टाइम इवोल्यूशन' (imaginary-time evolution) कहा जाता है। कल्पना कीजिए कि एक क्वांटम सिस्टम स्वाभाविक रूप से शांत होने की इच्छा रखता है; यदि आप समय को एक विशिष्ट गणितीय तरीके से पीछे चला सकें, तो सिस्टम अपनी उत्तेजित, अराजक ऊर्जा को त्याग देगा और अपनी शांत, निम्नतम-ऊर्जा वाली स्थिति में स्थिर हो जाएगा। हालाँकि, वास्तविक क्वांटम कंप्यूटर पर इस प्रक्रिया को चलाना कठिन है क्योंकि इसके लिए गणितीय संचालन की आवश्यकता होती है जिन्हें मशीन सीधे तौर पर नहीं कर सकती। इस प्रक्रिया से निपटने के लिए, शोधकर्ता इसे छोटे, प्रबंधनीय चरणों की एक श्रृंखला का उपयोग करके अनुमानित करते हैं, जिनमें से प्रत्येक को 'पॉली स्ट्रिंग्स' (Pauli strings) नामक बुनियादी निर्माण खंडों (building blocks) के एक सेट से निर्मित एक गणितीय जनरेटर द्वारा दर्शाया जाता है।

समस्या यह है कि जैसे-जैसे वैज्ञानिक इन चरणों को अधिक सटीक बनाने की कोशिश करते हैं, उन्हें आवश्यक निर्माण खंडों की संख्या विस्फोट की तरह बढ़ती जाती है। सिस्टम का उच्च सटीकता के साथ वर्णन करने के लिए, उन्हें इन स्ट्रिंग्स के एक विशाल पुस्तकालय पर विचार करना होगा, जो इतना बड़ा हो जाता है कि क्वांटम कंप्यूटर आवश्यक संचालन की भारी संख्या के कारण अभिभूत हो जाता है। यह हर चौराहे पर हर एक संभावित सड़क की जाँच करके शहर में नेविगेट करने जैसा है; अंततः, यात्रा पूरी करने के लिए बहुत धीमी और त्रुटिपूर्ण हो जाएगी। शोधकर्ताओं ने अब एक नया दृष्टिकोण पेश किया है, जिसे 'स्पार्स-क्यूइट' (Sparse-QITE) कहा जाता है, जो इस अत्यधिक जटिलता के लिए एक फिल्टर के रूप में कार्य करता है। उपलब्ध सभी निर्माण खंडों का उपयोग करने के बजाय, उनकी विधि केवल उन आवश्यक खंडों की पहचान करती है और उन्हें रखती है जो प्रत्येक चरण के लिए आवश्यक हैं, और अंतिम परिणाम की सटीकता से समझौता किए बिना बाकी को हटा देती है।

शोधकर्ताओं ने इस विचार का परीक्षण चुंबकीय सामग्रियों के दो क्लासिक मॉडलों पर किया: ट्रांसवर्स-फील्ड आइज़िंग मॉडल (transverse-field Ising model) और एंटीफेरोमैग्नेटिक हाइजेनबर्ग मॉडल (antiferromagnetic Heisenberg model)। इन सिमुलेशन में, उन्होंने 'रेगुलराइजेशन' (regularization) नामक एक गणितीय तकनीक लागू की, जो एक सख्त संपादक की तरह कार्य करती है। यह संपादक विकास के प्रत्येक चरण के लिए संभावित निर्माण खंडों की लंबी सूची की समीक्षा करता है और किसी भी ऐसे खंड को आक्रामक रूप से काट देता है जो समग्र लक्ष्य में बहुत कम योगदान देता है। इसका परिणाम एक "कॉम्पैक्ट जनरेटर" (compact generator) है जो समान परिणाम प्राप्त करने के लिए बहुत कम घटकों का उपयोग करता है। अपने प्रयोगों में, टीम ने पाया कि कई परिदृश्यों में, नई विधि आवश्यक निर्माण खंडों की संख्या को पहले की तुलना में बहुत कम अंश तक कम कर सकती है। सबसे कठिन मामलों में, जिनमें सिस्टम के बड़े डोमेन शामिल थे, नई विधि को उच्च सटीकता बनाए रखते हुए मानक संचालन की संख्या के केवल एक प्रतिशत के आसपास ही संचालन की आवश्यकता थी। यह सुझाव देता है कि पारंपरिक दृष्टिकोण अनावश्यक अतिरेक का भारी बोझ ढो रहा था, और एक अधिक सुव्यवस्थित, केंद्रित मार्ग मौजूद है।

इस अध्ययन का एक महत्वपूर्ण निष्कर्ष यह है कि यह जटिलता में कमी सटीकता की कीमत पर नहीं आती है। शोधकर्ताओं ने दिखाया कि भले ही उन्होंने सिस्टम को बहुत कम निर्माण खंडों का उपयोग करने के लिए मजबूर किया, फिर भी क्वांटм स्टेट ने जो पथ लिया, वह मानक, भारी-भरकम विधि द्वारा लिए गए पथ के लगभग समान रहा। उन्होंने देखा कि जैसे-जैसे उन्होंने अधिक जटिल सहसंबंधों (correlations) को पकड़ने के लिए सिस्टम के डोमेन के आकार को बढ़ाया, मानक विधि में सक्रिय निर्माण खंडों की संख्या विस्फोटक रूप से बढ़ी, जबकि उनकी नई विधि में आवश्यक खंडों की संख्या बहुत धीमी गति से बढ़ी। कई उदाहरणों में, आवश्यक घटकों की संख्या बढ़ने के बजाय स्थिर या संतृप्त (saturate) होती दिखाई दी। यह इंगित करता है कि सिस्टम को सही ढंग से हल करने के लिए वास्तव में विकल्पों के पूर्ण, घातीय (exponential) पुस्तकालय की आवश्यकता नहीं है; इसे केवल एक विशिष्ट, प्रबंधनीय उपसमुच्चय (subset) की आवश्यकता है जिसे नया एल्गोरिदम सफलतापूर्वक पहचान लेता है।

इस पद्धति को और अधिक व्यावहारिक बनाने के लिए, टीम ने दो संस्करण विकसित किए। पहला, जिसे 'एडेप्टिव स्पार्स-क्यूइट' (Adaptive Sparse-QITE) कहा जाता है, यह अनुमति देता है कि "संपादक" सिमुलेशन के दौरान गतिशील रूप से अपनी सख्ती बदल सके। पूरे सफर के लिए एक निश्चित नियम का उपयोग करने के बजाय, यह इस आधार पर तय करता है कि उस विशिष्ट क्षण में कितना एरर (error) स्वीकार्य है कि कितने निर्माण खंड रखे जाएं। इस लचीलेपन ने सिस्टम को और भी अधिक संक्षिप्त समाधान खोजने में सक्षम बनाया, जिससे कभी-कभी तब पूरी तरह से रुक गया जब अवस्था पर्याप्त रूप से स्थिर हो गई थी। दूसरा संस्करण, 'एक्टिव-डिस्कवरी स्पार्स-क्यूइट' (Active-Discovery Sparse-QITE), माप के बोझ को कम करने पर ध्यान केंद्रित करता है। क्वांटम कंप्यूटिंग में, यह निर्धारित करने के लिए कि किन निर्माण खंडों का उपयोग किया जाना चाहिए, सिस्टम को कई बार मापना पड़ता है। यह नया संस्करण प्रासंगिक ब्लॉकों को खोजने के लिए एक प्रारंभिक "डिस्कवरी" चरण करता है और फिर उस सूची को फ्रीज कर देता है, जिससे बार-बार पूरी विशाल लाइब्रेरी को मापने की आवश्यकता नहीं होती। हालांकि प्रारंभिक खोज के लिए पूर्ण मापन की आवश्यकता होती है, लेकिन बाद के चरण 'शॉट्स' (shots), या मापन की संख्या के मामले में काफी सस्ते हो जाते हैं।

इस कार्य के निहितार्थ केवल इन विशिष्ट मॉडलों तक ही सीमित नहीं हैं। शोधकर्ताओं ने प्रदर्शित किया कि अपने कॉम्पैक्ट जनरेटर्स को वास्तविक क्वांटम सर्किट में बदलने और उन्हें उन बुनियादी गेट्स में अनुवादित करने के बाद, जिन्हें वास्तविक हार्डवेयर समझता है, बचत काफी बनी रही। सर्किट न केवल गेट्स की संख्या के मामले में छोटे थे, बल्कि वे 'शैलोअर' (shallower) भी थे, जिसका अर्थ है कि उन्हें तेजी से निष्पादित किया जा सकता था और त्रुटियों का संचय कम हो सकता था। यह वर्तमान क्वांटम उपकरणों के लिए एक महत्वपूर्ण लाभ है, जो शोर (noise) के प्रति संवेदनशील होते हैं और केवल एक क्षण के लिए ही क्वांटम अवस्था को बनाए रख सकते हैं। सर्किट की गहराई को कम करके, यह विधि मौजूदा हार्डवेयर पर अधिक जटिल सिमुलेशन चलाने का द्वार खोलती है। अध्ययन बताता है कि कुशल क्वांटम सिमुलेशन का मार्ग तुरंत बड़े, अधिक शक्तिशाली मशीनें बनाने में नहीं, बल्कि स्मार्ट एल्गोरिदम में निहित है जो जानते हैं कि समस्या के किन हिस्सों को हल करना है और किन्हें अनदेखा करना है।

यह कार्य क्वांटम कंप्यूटिंग के क्षेत्र के लिए एक व्यापक सबक भी उजागर करता है। यह इस धारणा को चुनौती देता है कि यदि कोई केवल मानक दृष्टिकोण को स्केल करता है, तो अधिक जटिल समस्याओं के लिए घातीय रूप से अधिक संसाधनों की आवश्यकता होती है। इसके बजाय, शोधकर्ताओं ने पाया कि समाधान की जटिलता अक्सर उन उपकरणों की जटिलता से बहुत कम होती है जिनका उपयोग उसे खोजने के लिए किया जाता है। केवल आवश्यक चीजों का उपयोग करके—अर्थात 'स्पर्सिटी' (sparsity) को अपनाकर—वे सामान्य प्रयास के एक अंश के साथ क्वांटम परिदृश्य में नेविगेट करने में सक्षम हुए। हालांकि परिणाम शास्त्रीय कंप्यूटरों पर सिमुलेशन के माध्यम से प्राप्त किए गए थे, लेकिन इसके सिद्धांत सीधे वास्तविक क्वांटम हार्डवेयर पर लागू होते हैं। टीम ने उल्लेख किया कि भविष्य के कार्यों को वास्तविक शोर की स्थितियों के तहत इन विधियों का परीक्षण करने की आवश्यकता होगी ताकि यह देखा जा सके कि कम गेट काउंट वास्तविक उपकरणों पर बेहतर प्रदर्शन में कितनी अच्छी तरह परिवर्तित होता है। फिलहाल, निष्कर्ष क्वांटम सिमुलेशन को अधिक संसाधन-कुशल बनाने के लिए एक स्पष्ट और आशाजनक मार्ग प्रदान करते हैं, जो एक संभावित बाधा को एक प्रबंधनीय कार्य में बदल देते हैं।