⚛️ क्वांटम भौतिकी

Exploiting the Weyl-Chamber Structure for Hardware-Aware Quantum Circuit Compression

यह शोध पत्र यह प्रदर्शित करता है कि रिमानियन-अनुकूलित गेट्स (Riemannian-optimized gates) की अनुमानित वेइल-चेंबर संरचना (Weyl-Chamber structure) का लाभ उठाना, नेटिव गेट सेट्स पर सीधे अनुकूलन करके अधिक कुशल हार्डवेयर-जागरूक क्वांटम सर्किट संपीड़न (quantum circuit compression) की अनुमति देता है, जो यह प्रकट करता है कि जहाँ आइसिंग मॉडल (Ising model) को उच्च संपीड़न के लिए विशिष्ट अवशिष्ट मापदंडों (residual parameters) को बनाए रखने की आवश्यकता होती है, वहीं हाइजेनबर्ग मॉडल (Heisenberg model) सर्किट की विमा (dimensionality) को कम करने के लिए अपनी नेटिव XXZ संरचना का लाभ उठाने से लाभान्वित होता है।

मूल लेखक: Neel Misciasci, Isabel Nha Minh Le, Christian B. Mendl

प्रकाशित 2026-10-26

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Neel Misciasci, Isabel Nha Minh Le, Christian B. Mendl

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

इन शोधकर्ताओं द्वारा सामना की जाने वाली चुनौती को समझने के लिए, सबसे पहले क्वांटम कंप्यूटर की प्रकृति को समझना आवश्यक है। उन क्लासिकल मशीनों के विपरीत जिनका हम दैनिक रूप से उपयोग करते हैं, जो सूचना को शून्य और एक के सरल अनुक्रम के रूप में संसाधित करती हैं, क्वांटम कंप्यूटर क्वांटम यांत्रिकी के सिद्धांतों पर कार्य करते हैं। वे क्वांटम बिट्स, या क्यूबिट्स (qubits) का उपयोग करते हैं, जो शून्य और एक दोनों की एक साथ जटिल अवस्था में रह सकते हैं। यह उन्हें उन समस्याओं को हल करने की अनुमति देता है जो क्लासिकल कंप्यूटरों के लिए असंभव हैं, जैसे कि यह सिम्युलेट करना कि परमाणुओं का एक समूह समय के साथ कैसे परस्पर क्रिया करता है। हालाँकि, ये मशीनें वर्तमान में नाजुक हैं और त्रुटियों के प्रति संवेदनशील हैं। एक उपयोगी परिणाम प्राप्त करने के लिए, वैज्ञानिकों को ऐसे सिमुलेशन चलाने चाहिए जो इन त्रुटियों से बचने के लिए पर्याप्त छोटे हों, लेकिन सार्थक होने के लिए पर्याप्त लंबे भी हों। एक बड़ी बाधा यह है कि कंप्यूटर को दिए गए निर्देश, जिन्हें क्वांटम सर्किट कहा जाता है, अक्सर उन चरणों से कहीं अधिक होते जिन्हें हार्डवेयर भौतिक रूप से कुशलतापूर्वक संभाल सकता है। लक्ष्य इन निर्देशों को संकुचित करना है, मूल भौतिकी को बरकरार रखते हुए अनावश्यक जटिलता को हटाना, ताकि सिमुलेशन वास्तविक, अपूर्ण मशीनों पर चल सके।

शोधकर्ता, जो वोक्सवैगन (Volkswagen) और टेक्निकल यूनिवर्सिटी ऑफ म्यूनिख की टीमों के साथ मिलकर काम कर रहे थे, ने निर्देशों की ज्यामिति (geometry) पर बारीकी से नज़र रखकर इस संपीड़न समस्या को हल करने का प्रयास किया। क्वांटम दुनिया में, दो क्यूबिट्स की अवस्था को एक साथ बदलने वाले संचालन गणितीय रूप से विशाल और जटिल होते हैं। आमतौर पर, जब वैज्ञानिक इन सर्किट्स को अनुकूलित (optimize) करने का प्रयास करते हैं, तो वे कंप्यूटर को इन दो-क्यूबिट ऑपरेशन्स के हर संभावित बदलाव को खोजने की अनुमति देते हैं। यह एक मूर्तिकार को पत्थर का एक ब्लॉक देने और उससे बिना किसी आकार के विचार के एक आदर्श मूर्ति तराशने के लिए कहने जैसा है। हालाँकि यह दृष्टिकोण अक्सर एक बहुत ही सटीक आकार पाता है, लेकिन परिणामी मूर्ति इतनी जटिल होती है कि प्रयोगशाला में उपलब्ध विशिष्ट उपकरणों के साथ इसे बनाने में बहुत अधिक समय और प्रयास की आवश्यकता होती है। क्वांटम लैब के उपकरण सीमित होते; वे केवल कुछ विशिष्ट प्रकार के मूव्स (moves) ही कर सकते हैं। एक जटिल, अनुकूलित निर्देश को इन सरल, नेटिव मूव्स में अनुवादित करने से अक्सर इतने अतिरिक्त चरण जुड़ जाते हैं कि संपीड़न का मूल लाभ ही समाप्त हो जाता है।

टीम ने पाया कि जब उन्होंने कंप्यूटर को बिना किसी प्रतिबंध के सर्किट को अनुकूलित करने दिया, तो परिणामी निर्देश यादृच्छिक (random) नहीं थे। इसके बजाय, वे विशिष्ट, अनुमानित पैटर्न में स्वाभाविक रूप से स्थिर हो गए जो सिम्युलेट किए जा रहे भौतिक तंत्र का दर्पण थे। एक प्रकार के चुंबकीय मॉडल के लिए, अनुकूलित निर्देश लगभग एक एकल, सरल रोटेशन की तरह दिखे। अधिक जटिल चुंबकीय अंतःक्रियाओं वाले एक अलग मॉडल के लिए, वे थोड़े अधिक जटिल, लेकिन फिर भी संरचित गेट की तरह दिखे। इस अवलोकन ने एक नया प्रश्न खड़ा किया: यदि सर्वोत्तम उत्तर स्वाभाविक रूप से इन सरल आकारों में आते हैं, तो उन आकारों से सीधे शुरुआत करके उन्हें अनुकूलित क्यों नहीं किया जाए? शोधकर्ताओं ने उम्मीद की कि केवल उन विशिष्ट मूव्स तक खोज को सीमित करके, जिन्हें हार्डवेयर नेटिवली (natively) कर सकता है, वे अनुवाद चरण को पूरी तरह से छोड़ सकेंगे, जिससे समय बचेगा और त्रुटियां कम होंगी।

उन्होंने पचास क्यूबिट्स की एक सिम्युलेटेड श्रृंखला पर इस विचार का परीक्षण करने के लिए दो विधियों की तुलना की। पहली विधि मानक दृष्टिकोण थी, जिसने पूर्ण, जटिल निर्देशों को अनुकूलित किया और फिर उन्हें हार्डवेयर की नेटिव भाषा में अनुवादित किया। दूसरी विधि, जिसे उन्होंने 'हार्डवेयर-अवेयर ऑप्टिमाइज़ेशन' (hardware-aware optimization) कहा, ने नेटिव निर्देशों से शुरुआत की और केवल उन नॉब्स (knobs) को समायोजित किया जो उन विशिष्ट मूव्स को नियंत्रित करते हैं। परिणाम पूरी तरह से इस बात पर निर्भर थे कि वे किस भौतिक मॉडल को सिम्युलेट करने की कोशिश कर रहे थे। जब उन्होंने पहले मॉडल पर काम किया, तो मानक विधि श्रेष्ठ सिद्ध हुई। भले ही अनुकूलित निर्देश सरल दिख रहे थे, लेकिन वे सूक्ष्म, लगभग अदृश्य विवरण जो नेटिव-ओनली दृष्टिकोण से गायब थे, वास्तव में उच्च सटीकता के लिए आवश्यक थे। नेटिव-ओनली विधि, चाहे वे मापदंडों को कितनी भी बार समायोजित करें, समान स्तर की सटीकता तक नहीं पहुँच सकी।

हालाँकि, कहानी पूरी तरह से बदल गई जब उन्होंने दूसरे मॉडल पर स्विच किया। यहाँ, हार्डवेयर-अवेयर विधि ने मानक दृष्टिकोण से बेहतर प्रदर्शन किया, जिससे कम चरणों के साथ बहुत अधिक सटीक सिमुलेशन प्राप्त हुआ। इसका कारण उस विशिष्ट समस्या के लिए उपलब्ध नेटिव टूल्स की संरचना में निहित था। इस मॉडल के लिए हार्डवेयर के नेटिव मूव्स समाधान के लिए आवश्यक आकारों की पूरी श्रृंखला को कवर करने के लिए पर्याप्त शक्तिशाली थे। क्योंकि शोधकर्ताओं ने एक ऐसे सर्किट से शुरुआत की जो पहले से ही इन कुशल नेटिव भागों से बना था, वे समान समय में अधिक चरणों को फिट कर सके, जिससे भौतिकी की अधिक सूक्ष्म और सटीक तस्वीर मिली। इसके विपरीत, मानक विधि संघर्ष करती रही क्योंकि वह इस बात के प्रति बहुत संवेदनशील थी कि उसकी शुरुआत कैसे हुई और वह अक्सर स्थानीय डेड एंड्स (local dead ends) में फंस जाती थी।

अध्ययन यह निष्कर्ष निकालता है कि क्वांटम सर्किट्स को संकुचित करने का कोई एक एकल "सर्वश्रेष्ठ" तरीका नहीं है। सही रणनीति विशिष्ट समस्या और हार्डवेयर द्वारा दिए जाने वाले विशिष्ट उपकरणों पर निर्भर करती है। यदि हार्डवेयर के नेटिव मूव्स समस्या के आवश्यक विवरणों को पकड़ने के लिए बहुत सीमित हैं, तो मानक, अधिक लचीला दृष्टिकोण बेहतर है, भले ही इसमें अनुवाद की लागत शामिल हो। लेकिन यदि हार्डवेयर के नेटिव मूव्स समस्या की संरचना के साथ पूरी तरह से मेल खाते हैं, जैसा कि दूसरे मामले में हुआ, तो सीधे उस हार्डवेयर के लिए सर्किट डिजाइन करना स्पष्ट विजेता है। यह कार्य सुझाव देता है कि कुशल क्वांटम कंप्यूटिंग का भविष्य न केवल बेहतर मशीनें बनाने में है, बल्कि ऐसे एल्गोरिदम डिजाइन करने में भी है जो उस विशिष्ट हार्डवेयर की अनूठी ज्यामिति को समझते हैं और उसका लाभ उठाते हैं जिस पर उन्हें चलना है।

तकनीकी सारांश: हार्डवेयर-जागरूक क्वांटम सर्किट संपीड़न के लिए वेइल-चैंबर संरचना का दोहन

समस्या विवरण
निकट-अवधि (near-term) हार्डवेयर पर क्वांटम मेनी-बॉडी सिस्टम के समय विकास (time evolution) का अनुकरण करने के लिए अक्सर ट्रोटराइजेशन-आधारित सर्किट एंसेटे (ansatces) पर निर्भर किया जाता है। टेंसर नेटवर्क (TN) विधियों ने, जिसे रीमानियन ऑप्टिमाइजेशन (RO) के साथ जोड़ा गया है, सामान्य दो-क्विबिट यूनिटरीज ( $SU(4)$ ) के मैनिफोल्ड पर अनुकूलन करके इन सर्किट्स को सफलतापूर्वक संपीड़ित किया है। हालाँकि, एक महत्वपूर्ण व्यावहारिक बाधा हार्डवेयर निष्पादन (hardware execution) बनी हुई है। RO सघन $4 \times 4$ यूनिटरीज उत्पन्न करता है जिन्हें KAK अपघटन (decomposition) के माध्यम से हार्डवेयर के नेटिव गेट सेट (जैसे, CNOT, CZ, या पैरामेट्रिक रोटेशन) में संश्लेषित किया जाना चाहिए। यह संश्लेषण प्रक्रिया आमतौर पर सर्किट की गहराई (depth) को बढ़ा देती है (अक्सर प्रत्येक जेनेरिक यूनिटरी के लिए तीन नेटिव एंटैंगलिंग गेट्स की आवश्यकता होती है), जो अनुकूलन के दौरान प्राप्त संपीड़न लाभ को आंशिक रूप से कम कर देती है। केंद्रीय प्रश्न यह है कि क्या सीधे हार्डवेयर-नेटिव गेट परिवार में अनुकूलन करने से, एक निश्चित नेटिव एंटैंगलिंग डेप्थ पर जेनेरिक यूनिटरीज को अनुकूलित करने और उसके बाद उन्हें संश्लेषित करने की तुलना में कम सन्निकटन त्रुटि (approximation error) प्राप्त की जा सकती है।

कार्यप्रणाली
लेखक $N=50$ क्विबिट्स की एक श्रृंखला के लिए 1D समय-विकास सर्किट्स के लिए दो TN-आधारित संपीड़न रणनीतियों की तुलना करते हैं:

रीमानियन ऑप्टिमाइजेशन (RO): एक बेसलाइन दृष्टिकोण जहाँ जेनेरिक दो-क्विबिट यूनिटरीज को मैट्रिक्स प्रोडक्ट ऑपरेटर (MPO) ग्रेडिएंट्स का उपयोग करके $SU(4)$ मैनिफोल्ड पर सीधे अनुकूलित किया जाता है। पोस्ट-ऑप्टिमाइजेशन, प्रत्येक गेट को KAK अपघटन का उपयोग करके नेटिव गेट सेट में संश्लेषित किया जाता है।
हार्डवेयर-जागरूक पैरामीट्रिक ऑप्टिमाइजेशन (PO): एक वैकल्पिक दृष्टिकोण जहाँ सर्किट एंसेट को नेटिव गेट सेट के अनुरूप एक ट्रोटर स्प्लिटिंग का उपयोग करके इनिशियलाइज़ किया जाता है। अनुकूलन सीधे इन नेटिव गेट्स (जैसे, $R_{ZZ}$ या $fSim$ गेट्स के लिए कोण) के भौतिक मापदंडों पर यूक्लिडियन ग्रेडिएंट डिसेंट का उपयोग करके किया जाता है। सिंगल-क्विबिट गेट्स को अभी भी RO के माध्यम से एक जेनेरिक यूनिटरी के रूप में अनुकूलित किया जाता है, लेकिन उन्हें अतिरिक्त दो-क्विबिट गेट्स पेश किए बिना मौलिक रोटेशन में विघटित किया जाता है।

अध्ययन RO द्वारा उत्पादित गेट्स के वेइल चैंबर स्ट्रक्चर (कार्टन कोऑर्डिनेट्स $\alpha_x, \alpha_y, \alpha_z$ ) का विश्लेषण करता है। लेखक परिकल्पना करते हैं कि विशिष्ट हैमिल्टोनियन के लिए, RO-अनुकूलित गेट्स वेइल चैंबर के निम्न-आयामी उप-क्षेत्रों में स्वाभाविक रूप से सिमट जाते हैं, जिससे यह संकेत मिलता है कि एक निम्न-आयामी नेटिव एंसेट पर्याप्त हो सकता है।

दो मॉडलों की जांच की गई है:

ट्रांसवर्स-लॉन्गीट्यूडिनल फील्ड आइसिंग मॉडल (TLFIM): जो शुद्ध $ZZ$ कपलिंग द्वारा अभिलक्षित है।
XXZ ट्रांसवर्स-फील्ड हाइजेनबर्ग मॉडल: जो $XX + YY$ और $ZZ$ कपलिंग द्वारा अभिलक्षित है।

मुख्य योगदान और निष्कर्ष

RO में संरचनात्मक नियमितता: विश्लेषण से पता चलता है कि RO-अनुकूलित गेट्स हैमिल्टोनियन की स्थानीय अंतःक्रियाओं को दर्शाने वाली पूर्वानुमेय संरचना प्रदर्शित करते हैं:
- आइसिंग मॉडल के लिए, अनुकूलित गेट्स वेइल चैंबर के $R_{ZZ}$ किनारे के पास सिमट जाते हैं ( $\alpha_x \gg \alpha_y, \alpha_z$ )।
- हाइजेनबर्ग XXZ मॉडल के लिए, गेट्स $fSim $फेस के पास क्लस्टर होते हैं ($ \alpha_x \approx \alpha_y$)।
आइसिंग मॉडल के परिणाम:
- RO, PO से बेहतर प्रदर्शन करता है: ~26 परतों से अधिक की सर्किट गहराई के लिए, RO स्पष्ट रूप से PO से बेहतर प्रदर्शन करता है।
- तर्क: वे वेइल कोऑर्डिनेट्स ( $\alpha_y, \alpha_z$ ) जो $R_{ZZ}$ एंसेट द्वारा उपेक्षित हैं, आइसिंग प्रोपेगेटर के उच्च-सटीकता संपीड़न के लिए आवश्यक हैं। एक एकल $R_{ZZ}$ गेट की अभिव्यक्तता (expressivity) (जो वेइल चैंबर में एक 1D रेखा है) RO द्वारा सुलभ पूर्ण $SU(4)$ मैनिफोल्ड की तुलना में अपर्याप्त है, भले ही इष्टतम बिंदु उस रेखा के निकट ही क्यों न हो।
हाइजेनबर्ग XXZ मॉडल के परिणाम:
- PO, RO से बेहतर प्रदर्शन करता है: ~35 परतों तक की गहराई के लिए, हार्डवेयर-जागरूक PO विधि RO की तुलना में लगभग आधा ऑर्डर ऑफ मैग्नीट्यूड कम हानि प्राप्त करती है।
- तर्क:
  1. इनिशियलाइजेशन: हार्डवेयर-नेटिव ट्रोटर स्प्लिटिंग PO को समान नेटिव गेट डेप्थ बजट के भीतर एक सूक्ष्म विवेकीकरण (फ finer discretization - अधिक स्टेप्स) को एनकोड करने की अनुमति देती है, जिससे यह कम प्रारंभिक त्रुटि से शुरू होता है।
  2. अभिव्यक्तता (Expressivity): नेटिव $fSim $गेट वेइल चैंबर के एक 2D फेस को कवर करता है, जो XXZ डायनेमिक्स को पकड़ने के लिए पर्याप्त अभिव्यक्तता प्रदान करता है, बिना पूर्ण$ SU(4)$ मैनिफोल्ड की आवश्यकता के।
  3. ऑप्टिमाइजेशन लैंडस्केप: इस शासन (regime) में RO सर्किट इनिशियलाइजेशन के प्रति संवेदनशील और लोकल मिनिमा के प्रति प्रवृत्त दिखाई देते हैं, जबकि PO एक बेहतर-कंडीशन्ड स्टेट से शुरू होता है।
पैरामीटर दक्षता: PO एंसेट को काफी कम डिग्री ऑफ फ्रीडम की आवश्यकता होती है (उदाहरण के लिए, $N=50, r=5$ के लिए ~4050 के मुकाबले ~1044 पैरामीटर्स)। यह PO को समान पैरामीटर बजट के भीतर अधिक ट्रोटर रिपिटिशन का उपयोग करने की अनुमति देता है, हालांकि यह टेंसर कॉन्ट्रैक्शन के कारण प्रति ऑप्टिमाइजेशन स्टेप उच्च कम्प्यूटेशनल लागत वहन करता है।

महत्व और दावे
लेखक दावा करते हैं कि कोई भी अनुकूलन रणनीति समान रूप से प्रभावी नहीं है; इष्टतम विकल्प लक्ष्य हैमिल्टोनियन की समरूपता (symmetry) और हार्डवेयर के नेटिव गेट सेट की अभिव्यक्तता के बीच के अंतर्संबंध पर निर्भर करता है।

जब नेटिव गेट वेइल चैंबर के प्रासंगिक क्षेत्र के केवल एक छोटे हिस्से को कवर करता है (जैसे, आइसिंग के लिए $R_{ZZ}$ ), तो RO की व्यापकता (generality) गैर-स्थानीय सहसंबंधों (non-local correlations) को पकड़ने के लिए आवश्यक होती है।
जब नेटिव गेट पहले से ही प्रासंगिक क्षेत्र को कवर करता है (जैसे, हाइजेनबर्ग XXZ के लिए $fSim$), तो हार्डवेयर-जागरूक PO दृष्टिकोण बेहतर होता है, जो संश्लेषण ओवरहेड से बचकर और बेहतर इनिशियलाइजेशन का लाभ उठाकर बेहतर संपीड़न और कम त्रुटि प्रदान करता है।

लेखक निष्कर्ष निकालते हैं कि हार्डवेयर के नेटिव गेट सेट का उपयोग करना निकट-अवधि और प्रारंभिक दोष-सहिष्णु (fault-tolerant) क्वांटम कंप्यूटरों के लिए सर्किट को संपीड़ित करने के लिए एक आशाजनक दिशा है। वे उल्लेख करते हैं कि यह कार्य गैर-एकीकृत (non-integrable) मॉडलों पर केंद्रित था और सुझाव देते हैं कि भविष्य के कार्यों में संरक्षित मात्राओं (conserved quantities) और फर्मिओनिक सिस्टम वाले परिदृश्यों की खोज की जानी चाहिए, जहाँ $fSim$ गेट सीधे होपिंग और डेंसिटी-डेंसिटी इंटरैक्शन को मैप करता है।

इसी तरह के और पेपर