Dealing with low-weight errors that lead BP OSD to fail

एक ऐसा कंप्यूटर बनाने के लिए जो आज की मशीनों की पहुंच से परे समस्याओं को हल कर सके, वैज्ञानिकों को पहले एक मौलिक समस्या को हल करना होगा: शोर (noise)। क्वांटम कंप्यूटर अविश्वसनीय रूप से संवेदनशील होते; गर्मी या कंपन से होने वाला मामूली सा व्यवधान भी उनके पास मौजूद सूचना को बिखेर सकता है, जिससे गणना विफल हो सकती है। इस नाजुक डेटा की रक्षा करने के लिए, शोधकर्ता 'एरर करेक्शन' (त्रुटि सुधार) नामक रणनीति का उपयोग करते हैं। वे सूचना के एक एकल टुकड़े को कई भौतिक कणों में फैला देते हैं, जिससे एक सुरक्षा जाल तैयार होता है। यदि एक कण में गड़बड़ी होती है, तो सिस्टम गलती का पता लगा सकता है और डेटा खोए बिना उसे ठीक कर सकता है। बड़े पैमाने के क्वांटॉन कंप्यूटरों के लिए इन सुरक्षा जालों को बनाने का सबसे आशाजनक तरीका 'क्वांटम लो-डेंसिटी पैरिटी-चेक कोड' के रूप में ज्ञात एक विशिष्ट प्रकार का गणितीय कोड है। ये कोड कुशल और शक्तिशाली हैं, लेकिन वे यह समझने के लिए कि क्या गलत हुआ और उसे कैसे ठीक किया जाए, 'डिकोडिंग' नामक एक जटिल प्रक्रिया पर निर्भर करते हैं।

डिकोडिंग की प्रक्रिया एक विशाल पहेली की तरह है जहाँ कंप्यूटर को संकेतों के एक सेट से मूल त्रुटि का अनुमान लगाना होता है। इस पहेली को हल करने के लिए सबसे लोकप्रिय उपकरणों में से एक 'बलीफ प्रोपेगेशन' (belief propagation) नामक विधि है, जो त्रुटि पर आम सहमति बनाने के लिए सिस्टम के विभिन्न हिस्सों के बीच संदेशों को पास करने का काम करती है। जब यह विधि अटक जाती है, तो 'ऑर्डर्ड स्टैटिस्टिक्स डिकोडिंग' (ordered statistics decoding) नामक एक माध्यमिक उपकरण मदद के लिए आगे आता है। साथ मिलकर, वे 'BP OSD' के रूप में जानी जाने वाली एक शक्तिशाली संयोजन बनाते हैं, जो नए क्वांटम कोडों के परीक्षण के लिए एक मानक बन गया है। हालाँकि, इसके व्यापक उपयोग और कई परिदृश्यों में सफलता के बावजूद, इस संयोजन में एक छिपी हुई कमजोरी है। यह कभी-कभी उन त्रुटियों को ठीक करने में विफल रहता है जो आश्चर्यजनक रूप से छोटी और सरल होती हैं, जिससे कंप्यूटर के प्रदर्शन की एक सीमा तय हो जाती है। यह सीमा महत्वपूर्ण है क्योंकि क्वांटम कंप्यूटिंग का भविष्य अत्यंत कम त्रुटि दरों पर काम करने पर निर्भर करता है, एक ऐसा क्षेत्र जहाँ ये छोटी विफलताएं प्राथमिक बाधा बन जाती हैं।

हाल ही के एक अध्ययन में, शोधकर्ताओं ने यह समझने की कोशिश की कि यह शक्तिशाली डिकोडिंग टूल इन छोटी त्रुटियों पर क्यों विफल होता है। उन्होंने 'बाइवैरिएट बाइसाइकिल कोड्स' (bivariate bicycle codes) नामक कोड के एक विशिष्ट परिवार पर ध्यान केंद्रित किया, जो अपनी सरल संरचना और मजबूत प्रदर्शन के लिए जाने जाते हैं। टीम ने हर संभव छोटी त्रुटि पैटर्न का परीक्षण करने के लिए व्यापक कंप्यूटर सिमुलेशन चलाए, ताकि उन विशिष्ट कॉन्फ़िगरेशनों को खोजा जा सके जिनके कारण डिकोडर हार मान लेता है। उन्होंने पाया कि डिकोडर इसलिए विफल नहीं होता क्योंकि त्रुटियां बहुत बड़ी या जटिल होती हैं, बल्कि सूचना के व्यवस्थित होने के तरीके में एक अजीब सी समरूपता (symmetry) के कारण होता है। जब एक छोटी त्रुटि होती है, तो यह संकेतों का एक ऐसा पैटर्न बनाती है जो दो अलग-अलग दृष्टिकोणों से बिल्कुल एक जैसा दिखता है। यह समरूपता डिकोडिंग एल्गोरिदम को भ्रमित कर देती है, जिससे वह दो समान रूप से संभावित अनुमानों के बीच झूलता रहता है और सही उत्तर पर कभी नहीं पहुँच पाता। यह वैसा ही है जैसे सिस्टम एक दर्पण में देख रहा हो और यह तय न कर पा रहा हो कि कौन सा वास्तविक प्रतिबिंब है और कौन सी छवि, जिससे वह निर्णय लेने में असमर्थ हो जाता है।

शोधकर्ताओं ने पाया कि ये विफलताएं तब भी होती हैं जब त्रुटि में केवल तीन दोषपूर्ण कण शामिल होते हैं, जो कि उस संख्या से बहुत कम है जिसे यह कोड सैद्धांतिक रूप से संभालने में सक्षम होना चाहिए। एक आदर्श दुनिया में, ये कोड दो दोषपूर्ण कणों तक की किसी भी त्रुटि को ठीक करने में सक्षम होने चाहिए, और अक्सर इससे भी अधिक। फिर भी, सिमुलेशन ने दिखाया कि डिकोडर लगातार इन विशिष्ट तीन-कण त्रुटियों पर लड़खड़ा जाता है। टीम ने इस समस्या का पता कोड की गणितीय संरचना से लगाया, और एक गुण की पहचान की जिसे उन्होंने "रिफ्लेक्शन" (प्रतिबिक्षण) कहा। यह रिफ्लेक्शन कनेक्शन के नेटवर्क में एक विशिष्ट प्रकार की समरूपता है जिसका डिकोडर संदेश भेजने के लिए उपयोग करता है। जब कोई त्रुटि इस समरूपता के साथ संरेखित होती है, तो डिकोडर द्वारा भेजे जाने वाले संदेश पूरी तरह से संतुलित हो जाते हैं, जिससे सिस्टम एक एकल समाधान पर नहीं पहुँच पाता। यह माध्यमिक सुधार उपकरण के सक्रिय होने से पहले ही होता है, जिसका अर्थ है कि प्राथमिक विधि अपना काम करने में विफल रहती है।

इन विफलताओं के सटीक कारण की पहचान करने के अलावा, अध्ययन ने एक अलग, व्यावहारिक समस्या को भी उजागर किया था जिसने पिछले शोध को धुंधला कर दिया था। शोधकर्ताओं ने पाया कि इन सिमुलेशन को चलाने के लिए उपयोग किए जाने वाले सॉफ़्टवेयर में कभी-कभी 'न्यूमेरिकल इंस्टेबिलिटी' (संख्यात्मक अस्थिरता) होती थी, जहाँ कंप्यूटर की गणनाओं में सूक्ष्म राउंडिंग त्रुटियों के कारण पूरी प्रक्रिया टूट जाती थी। इस समस्या ने यह बताना कठिन बना दिया था कि विफलता कोड की मौलिक सीमाओं के कारण थी या केवल सॉफ़्टवेयर की खराबी के कारण। इस संख्यात्मक समस्या को ठीक करके, टीम को डिकोडर के वास्तविक प्रदर्शन का स्पष्ट दृश्य प्राप्त हुआ। उन्होंने यह भी महसूस किया कि इन विफलताओं के कितनी बार होने का अनुमान लगाने के लिए उपयोग की जाने वाली मानक विधियाँ त्रुटिपूर्ण थीं। ये विधियाँ एक ऐसी तकनीक पर निर्भर करती हैं जो मानती है कि सिस्टम विभिन्न त्रुटि अवस्थाओं के बीच स्वतंत्र रूप से घूम सकता है, लेकिन इन छोटी, अलग-थलग विफलताओं की उपस्थिति उस धारणा को तोड़ देती है, जिससे सिस्टम के कार्य करने के बारे में बेहद गलत भविष्यवाणियां होती हैं।

विफलता की सटीक प्रकृति को चिह्नित करने के बाद, टीम ने एक सरल समाधान प्रस्तावित किया। उन्होंने डिकोडिंग के नियमों में संशोधन किया, जिससे उस समरूपता को तोड़ा गया जो भ्रम का कारण बनती है। इस छोटे से बदलाव ने डिकोडर को अपने उतार-चढ़ाव से बाहर निकलने और सही समाधान खोजने में सक्षम बनाया। परिणाम स्वरूप, 'लॉजिकल एरर रेट' (तार्किक त्रुटि दर) में नाटकीय सुधार हुआ, जो इस बात का माप है कि सुधार के बाद कंप्यूटर कितनी बार गलती करता है। नए दृष्टिकोण के लिए पूरे सिस्टम के पूर्ण बदलाव या कंप्यूटिंग शक्ति में भारी वृद्धि की आवश्यकता नहीं थी; इसमें केवल संदेशों को संसाधित करने के तरीके को समायोजित करना शामिल था। यह निष्कर्ष महत्वपूर्ण है क्योंकि यह दिखाता है कि वर्तमान क्वांटम कोड की सीमाएं अनिवार्य रूप से एक अंत नहीं हैं। यह समझकर कि डिकोडिंग प्रक्रिया किस विशिष्ट तरीके से विफल हो सकती है, शोधकर्ता इन बाधाओं को दूर करने के लिए एल्गोरिदम में बदलाव कर सकते हैं, जिससे बड़े पैमाने पर, विश्वसनीय क्वांटम कंप्यूटरों के लक्ष्य को वास्तविकता के एक कदम और करीब लाया जा सके।