Trial-space co-design for quantum simulation on noisy hardware
यह शोध पत्र एक ट्रायल-स्पेस को-डिज़ाइन फ्रेमवर्क पेश करता है जो क्वांटम सिमुलेशन बेस स्टेट्स और इवोल्यूशन टाइम्स को अनुकूलित करने के लिए भौतिक समस्या संबंधी अंतर्दृष्टि और शोर वाले हार्डवेयर बाधाओं को एकीकृत करता है, जो चार-क्यूबिट प्रयोग के माध्यम से यूनिफॉर्म सैंपलिंग की तुलना में ऊर्जा त्रुटि में 54% की कमी प्रदर्शित करता है।
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
क्वांटम कंप्यूटर उन समस्याओं को हल करने का वादा करते हैं जो आज की मशीनों के लिए असंभव हैं, जैसे कि नई दवाओं को डिजाइन करना या जटिल सामग्रियों के व्यवहार को समझना। ऐसा करने के लिए, वे 'क्यूबिट्स' नामक सूक्ष्म कणों का उपयोग करते हैं, जो एक ही समय में कई अवस्थाओं में मौजूद हो सकते हैं। हालाँकि, ये मशीनें वर्तमान में बहुत नाजुक हैं। गर्मी या विद्युत शोर से होने वाली मामूली सी हलचल भी उन्हें अपनी जानकारी खोने पर मजबूर कर देती है, जिसे वैज्ञानिक "नॉइज़" (शोर) कहते हैं। इस कारण, शोधकर्ताओं को अक्सर अपने प्रयोगों को इस तरह से डिजाइन करना पड़ता है जैसे कि कंप्यूटर दोषरहित हो, और वे केवल उन अवस्थाओं के बारे में चिंता करते हैं जिन्हें वे पहले ही चुन चुके होते हैं। यह दृष्टिकोण प्रदर्शन की बहुत सी संभावनाओं को व्यर्थ कर देता है, क्योंकि किसी समस्या को प्रस्तुत करने का सबसे अच्छा तरीका वास्तव में उस टूटी हुई मशीन की विशिष्ट विशेषताओं पर निर्भर कर सकता है जो उसे हल करने की कोशिश कर रही है।
शोधकर्ताओं की एक टीम ने अब इस अंतर को पाटने का एक नया तरीका प्रदर्शित किया है, जिसे वे "ट्रायल-स्पेस को-डिज़ाइन" (trial-space co-design) कहते हैं। भौतिक समस्या और हार्डवेयर को अलग-अलग मुद्दों के रूप में देखने के बजाय, वे प्रयोग शुरू होने से पहले ही यह तय करने के लिए समस्या और विशिष्ट कंप्यूटर दोनों की जानकारी का उपयोग करते हैं कि किन अवस्थाओं को तैयार और मापा जाना चाहिए। ऐसा करके, उन्होंने पाया कि वे वास्तविक, शोर वाले हार्डवेयर पर अपने परिणामों की सटीकता में काफी सुधार कर सकते हैं। उनका काम बताता है कि समस्या के प्रतिनिधित्व को मशीन के आदर्श मॉडल के अनुरूप बनाने के बजाय, मशीन की सीमाओं के अनुकूल बनाकर, हम आज के त्रुटिपूर्ण क्वांटम कंप्यूटरों से कहीं बेहतर उत्तर प्राप्त कर सकते हैं।
इसका मूल विचार इस बात पर आधारित है कि एक क्वांटम प्रणाली समय के साथ कैसे बदलती है। एक आदर्श, अलग-थलग दुनिया में, एक क्वांटम अवस्था अपनी आंतरिक अवस्थाओं (फेजेस) को घुमाकर विकसित होती है, जैसे घड़ी की सुई एक चेहरे के चारों ओर घूमती है, जबकि इसके विभिन्न हिस्सों का सापेक्ष महत्व स्थिर रहता है। किसी प्रणाली की निम्नतम ऊर्जा अवस्था खोजने के लिए, शोधकर्ता आमतौर पर इस विकास के विभिन्न समयों पर स्नैपशॉट लेते हैं और उन्हें मिलाते हैं। हालाँकि, शोधकर्ताओं ने महसूस किया कि यदि वे पर्यावरण के साथ एक नियंत्रित, निगरानी योग्य संपर्क पेश करते हैं, तो वे कुछ अधिक शक्तिशाली कर सकते हैं: वे उन हिस्सों के सापेक्ष महत्व को बदल सकते हैं। इसे एक फिल्टर की तरह समझें जो कुछ प्रकार की गतिविधियों को धीरे से दबा देता है जबकि अन्य को गुजरने देता है। एक विशिष्ट परिणाम की प्रतीक्षा करके—अनिवार्य रूप से यह देखकर कि क्या कोई "जंप" या संक्रमण होता है—वे प्रयोग के केवल उन हिस्सों को रख सकते हैं जहाँ कुछ भी नहीं बदला। यह प्रक्रिया अवस्था को नया आकार देती है, गणना के लिए सबसे उपयोगी हिस्सों को बढ़ाती है और बाकी को दबा देती है।
यह पुनर्गठन शोधकर्ताओं को उन उपयोगी दिशाओं को खोजने की अनुमति देता है जो अन्यथा अदृश्य होतीं या जिन्हें पुनर्गर्मित करने के लिए बहुत अधिक समय के नमूनों की आवश्यकता होती। उन्होंने ग्रिड पर चलते इलेक्ट्रॉनों के एक मॉडल और परस्पर क्रिया करने वाले स्पिन (interacting spins) के मॉडल सहित कई अलग-अलग मॉडलों पर इस अवधारणा का परीक्षण किया। इन सिमुलेशन में, नए तरीके ने सफलतापूर्वक अवस्थाओं के एक बहुत छोटे सेट की पहचान की जिसने पारंपरिक तरीके की तुलना में समस्या के आवश्यक भौतिकी को बहुत बेहतर ढंग से पकड़ा। उदाहरण के लिए, एक परीक्षण में, नए दृष्टिकोण ने मानक विधि की तुलना में गणना की गई ऊर्जा में त्रुटि को लगभग दो सौ गुना कम कर दिया। हालाँकि, शोधकर्ताओं ने एक महत्वपूर्ण सीमा भी खोजी: जबकि नया तरीका बहुत सूचनात्मक अवस्थाएँ बनाता है, वे अवस्थाएँ कभी-कभी एक-दूसरे के इतनी समान हो सकती हैं कि एक शोर वाला कंप्यूटर उनके बीच अंतर नहीं कर पाता। यदि अवस्थाएँ बहुत अधिक समान हैं, तो कंप्यूटर सिग्नल को शोर से विश्वसनीय रूप से अलग नहीं कर पाएगा, जिससे अतिरिक्त जानकारी बेकार हो जाएगी। इसका अर्थ है कि डिज़ाइन को सबसे अधिक सूचनात्मक अवस्थाओं को खोजने और यह सुनिश्चित करने के बीच संतुलन बनाना चाहिए कि वे मापने के लिए पर्याप्त अलग बनी रहें।
यह देखने के लिए कि क्या यह वास्तविक दुनिया में काम करता है, टीम एक लाइव क्वांटम प्रोसेसर की ओर बढ़ी। उन्होंने एक चार क्यूबिट वाले उपकरण का उपयोग करके एक चुंबकीय प्रणाली का अनुकरण किया। प्रयोग चलाने से पहले, उन्होंने मशीन के वर्तमान स्वास्थ्य का रिकॉर्ड—कि उसके क्यूबिट कितने समय तक स्थिर रहते हैं और उसके गेट कितनी बार गलतियाँ करते हैं—का उपयोग करके मापने के सर्वोत्तम समय का चयन किया। उन्होंने दो रणनीतियों की तुलना की: एक जिसने मापन के समय को समान अंतराल पर चुना, और दूसरी जिसने समस्या और मशीन की वर्तमान स्थिति के आधार पर विशिष्ट, असमान समय चुना। सात दिनों के परीक्षण के दौरान, समस्या-सूचित, असमान समय का उपयोग करने वाली रणनीति ने लगातार अधिक सटीक परिणाम दिए। औसतन, गणना की गई ऊर्जा में त्रुटि को समान सैंपलिंग पद्धति की तुलना में 54 प्रतिशत कम किया गया। यह सुधार तब भी बना रहा जब मशीन का प्रदर्शन दिन-प्रतिदिन थोड़ा बदलता रहा, जिससे यह सिद्ध हुआ कि प्रयोग को विशिष्ट हार्डवेयर और विशिष्ट समस्या के अनुरूप ढालना, 'एक ही आकार सबके लिए उपयुक्त' (one-size-fits-all) दृष्टिकोण की तुलना में बेहतर काम करता है।
शोधकर्ताओं ने यह भी पता लगाया कि क्या इस पद्धति को नाइट्रोजन अणु जैसे विभिन्न प्रकार के समस्याओं पर लागू किया जा सकता है। उन्होंने पाया कि हालांकि अवस्थाओं को फ़िल्टर करने के विशिष्ट नियम समस्या के आधार पर बदल जाते हैं, लेकिन समग्र तर्क वही रहता है: समस्या की संरचना का उपयोग करके संभावित अवस्थाएँ उत्पन्न करें, जाँच करें कि क्या मशीन उन्हें सहारा दे सकती है, और फिर उस छोटे, अनुकूलित स्थान में समस्या को हल करें। यह लचीलापन महत्वपूर्ण है, क्योंकि इसका मतलब है कि यह विधि किसी एक विशिष्ट भौतिकी या एक विशिष्ट मशीन तक सीमित नहीं है। यह कार्य क्वांटम कंप्यूटिंग की सभी समस्याओं को हल करने का दावा नहीं करता है, न ही यह सुझाव देता है कि शोर अब सामान्य रूप से एक उपयोगी उपकरण है। इसके बजाय, यह दिखाता है कि समस्या और उपकरण के बारे में संरचित जानकारी का उपयोग गणना के लिए एक बेहतर प्रतिनिधित्व डिजाइन करने के लिए किया जा सकता है। एल्गोरिदम और हार्डवेयर के बीच के इंटरफेस को अधिक बुद्धिमान बनाकर, यह दृष्टिकोण आज के शोर वाले क्वांटम कंप्यूटरों से अधिक प्राप्त करने का एक व्यावहारिक तरीका प्रदान करता है, जो मशीन की सीमाओं को सही प्रश्न पूछने के मार्गदर्शक में बदल देता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।