Quantum-enhanced metrology with classical shadows
यह शोध पत्र एक क्वांटम मेट्रोलॉजी प्रोटोकॉल प्रस्तुत करता है जो क्लासिकल शैडोज़ और पॉली मोमेंट्स का उपयोग करके एक अनुकूलित मेथड-ऑफ-मोमेंट्स एस्टिमेटर का निर्माण करता है, जो प्रमाणित सैंपल-कॉम्प्लेक्सिटी गारंटी के साथ कुशल, ऑब्जर्वेबल-मुक्त पैरामीटर एस्टिमेशन को सक्षम बनाता है और यह प्रदर्शित करता है कि एंटैंगलमेंट से पृथक (सेपरेबल) अवस्थाओं की तुलना में एक स्थिर-गुणक संवेदनशीलता वृद्धि प्राप्त की जा सकती 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
परम सटीकता के साथ ब्रह्मांड को मापने की खोज में, वैज्ञानिक लंबे समय से क्वांटम यांत्रिकी के विचित्र नियमों की ओर मुड़े रहे हैं। इस प्रयास के केंद्र में एक सरल चुनौती है: किसी छिपे हुए चर (variable) के बारे में सबसे सटीक जानकारी, जैसे कि समय में एक सूक्ष्म बदलाव या एक मंद चुंबकीय क्षेत्र, एक नाजुक क्वांटम प्रणाली से कैसे निकाली जाए? पारंपरिक दृष्टिकोणों के लिए अक्सर शोधकर्ताओं को हर एक प्रयोग के लिए एक अत्यधिक विशिष्ट, विशेष रूप से निर्मित माप (measurement) डिजाइन करने की आवश्यकता होती है। यह एक घास के ढेर में एक विशिष्ट सुई खोजने के लिए प्रत्येक सुई के लिए एक अद्वितीय चुंबक बनाने जैसा है; यह सिद्धांत में तो काम करता है लेकिन जब सुइयां जटिल हों, घास का ढेर विशाल हो, या वातावरण शोर भरा हो, तो यह असंभव हो जाता है। दशकों से, सबसे शक्तिशाली माप कई व्यावहारिक अनुप्रयोगों के लिए पहुंच से बाहर रहे हैं क्योंकि उन्हें करने के लिए आवश्यक उपकरण बनाना बहुत कठिन या नियंत्रित करना बहुत मुश्किल होता है।
स्पेन के 'इंस्टीट्यूटो डी फिज़िका कॉर्पसकुलर' के शोधकर्ताओं ने अब एक नया रास्ता प्रस्तावित किया है जो इन कस्टम उपकरणों की आवश्यकता को समाप्त करता है। एक आदर्श माप की तलाश करने के बजाय, उन्होंने एक प्रोटोकॉल विकसित किया है जो सरल मापों के एक व्यापक, यादृच्छिक (random) सेट का उपयोग करता है और फिर परिणामों को एक शक्तिशाली गणितीय फिल्टर के माध्यम से छाँटता है। उनका कार्य, जो हाल ही में प्रकाशित एक अध्ययन में प्रस्तुत किया गया है, यह प्रदर्शित करता है कि कई सरल, यादृच्छिक अवलोकनों को संयोजित करके, यह संभव है कि किसी पैरामीटर के बारे में सबसे संवेदनशील जानकारी को पुनर्गठित किया जा सके, बिना कभी यह पहचाने या सीधे मापे कि "इष्टतम" अवलोकन क्या है। यह दृष्टिकोण समस्या को एक पूर्ण डिटेक्टर को इंजीनियर करने से बदलकर डेटा को कुशलतापूर्वक संसाधित करने में बदल देता है, जो जटिल या अपूर्ण क्वांटम सिस्टम के लिए उच्च-परिशुद्धता संवेदन (sensing) का एक मजबूत मार्ग प्रदान करता है।
शोधकर्ताओं ने उन प्रणालियों पर ध्यान केंद्रित किया जो कई छोटे क्वांटम बिट्स, या 'क्यूबिट्स' (qubits) से बनी हैं, जो क्वांटम कंप्यूटरों के निर्माण खंड हैं। इन प्रणालियों में, सूचना अक्सर इस बात में कूटबद्ध (encoded) होती है कि क्यूबिट्स एक-दूसरे के साथ कैसे परस्पर क्रिया करते हैं। एक विशिष्ट पैरामीटर, जैसे कि प्रणाली में कोई रोटेशन या घुमाव, को मापने के लिए मानक विधि एक बहुत ही विशिष्ट गुण को मापना होगा जो उस पैरामीटर के प्रति सबसे नाटकीय रूप से बदलता है। हालांकि, उस विशिष्ट गुण को खोजना और मापना अक्सर जटिलता का एक दुस्वप्न होता है। नया प्रोटोकॉल एक अलग मार्ग अपनाता है। इसमें प्रत्येक क्यूबिट को यादृच्छिक रूप से चुनी गई दिशा में मापकर प्रणाली का एक स्नैपशॉट लेना शामिल है। इसे कई बार दोहराया जाता है, जिससे यादृच्छिक परिणामों का एक विशाल डेटासेट उत्पन्न होता है।
इस पद्धति की प्रतिभा उस प्रक्रिया में निहित है जो डेटा एकत्र करने के बाद होती है। शोधकर्ताओं ने दिखाया कि इस एकल, यादृच्छिक डेटासेट में एक साथ कई अलग-अलग गुणों का अनुमान लगाने के लिए पर्याप्त जानकारी होती है। 'मेथड ऑफ मोमेंट्स' (method of moments) नामक एक सांख्यिकीय तकनीक का उपयोग करके, वे इन अनुमानों को संयोजित कर अज्ञात पैरामीटर का पता लगा सकते हैं। इसे अंधेरे में किसी वस्तु के आकार को निर्धारित करने के लिए एक साथ कई हाथों से उसे महसूस करने के समान समझें; हालांकि कोई भी एक हाथ पूरे आकार को महसूस नहीं कर पाता, लेकिन सभी यादृच्छिक स्पर्शों से प्राप्त संयुक्त जानकारी रूप को प्रकट कर देती है। टीम ने गणितीय रूप से सिद्ध किया कि इन यादृच्छिक मापों को सही ढंग से भारित (weighting) करके, वे एक ऐसा एस्टीमेटर बना सकते हैं जो दिए गए डेटा के आधार पर जितना संभव हो उतना सटीक हो, बिना यह जाने कि पहले से कौन सा माप सबसे अच्छा होगा।
उनके कार्य में एक महत्वपूर्ण खोज उन सीमाओं की पहचान करना है कि इस पद्धति का उपयोग करके कितनी जानकारी निकाली जा सकती है। उन्होंने पाया कि उन प्रणालियों के लिए जहाँ कण आपस में उलझे (entangled) नहीं हैं—अर्थात वे स्वतंत्र रूप से कार्य करते हैं—सटीकता एक निश्चित स्तर पर सीमित है। हालांकि, जब कण 'एंटैंगल्ड' होते हैं, जो एक क्वांटम घटना है जहाँ वे एक गहरा संबंध साझा करते हैं, तो यह प्रोटोकॉल काफी अधिक जानकारी निकाल सकता है। शोधकर्ताओं ने प्रदर्शित किया कि एंटैंगलमेंट संवेदनशीलता में एक निरंतर उछाल प्रदान करता है, जिससे प्रणाली उन परिवर्तनों का पता लगाने में सक्षम होती है जो स्वतंत्र कणों के संग्रह के लिए अदृश्य होते। इस संवर्धन को 'वन-एक्सिस-ट्विस्टेड स्टेट' (one-axis-twisted state) नामक एक विशिष्ट प्रकार के क्वांटम प्रोब का उपयोग करके स्पष्ट किया गया था, जहाँ कणों को अत्यधिक संवेदनशील विन्यास बनाने के लिए एक साथ घुमाया जाता है।
अध्ययन ने इस व्यावहारिक वास्तविकता को भी संबोधित किया कि वांछित सटीकता प्राप्त करने के लिए कितने मापों की आवश्यकता है। शोधकर्ताओं ने एक सूत्र व्युत्पन्न किया जो उच्च विश्वास के साथ वांछित परिशुद्धता तक पहुँचने के लिए आवश्यक यादृच्छिक शॉट्स की संख्या की भविष्यवाणी करता है। उन्होंने दिखाया कि जबकि यादृच्छिक प्रकृति के मापन एक सैद्धांतिक रूप से पूर्ण, कस्टम माप की तुलना में थोड़ा अतिरिक्त बोझ (overhead) डालते हैं, फिर भी यह व्यापार (trade-off) उनके द्वारा दी जाने वाली लचीलापन और सरलता के लिए सार्थक है। यह विधि तब भी अच्छी तरह से काम करती है जब कणों की संख्या बढ़ती है, और यह उन अवस्थाओं के लिए भी प्रभावी रहती है जो पूरी तरह से गॉसियन (Gaussian) नहीं हैं, जो वास्तविक दुनिया के क्वांटम उपकरणों में आम हैं।
संख्यात्मक सिमुलेशन के माध्यम से, टीम ने पुष्टि की कि उनका दृष्टिकोण उनके अनुमान के अनुसार काम करता है। उन्होंने बारह क्यूबिट्स तक की प्रणालियों पर इस प्रोटोकॉल का परीक्षण किया और पाया कि मिश्रण में अधिक जटिल, उच्च-क्रम के मापों को जोड़ने से सटीकता में लगातार सुधार हुआ, हालांकि सबसे बड़े लाभ अक्सर सरल मापों के साथ ही दिखाई देने लगे थे। परिणाम संकेत देते हैं कि कई व्यावहारिक परिदृश्यों के लिए, विशेष रूप से शोर वाले या बड़े पैमाने के क्वांटम सर्किटों में शामिल होने पर, यह यादृच्छिक रणनीति एक शक्तिशाली उपकरण है। यह प्रत्येक नए प्रयोग के लिए एक पूर्ण माप डिजाइन करने के बोझ को हटा देता है, और इसे एक सार्वभौमिक डेटा अधिग्रहण रणनीति से बदल देता है जो भारी काम करने के लिए स्मार्ट क्लासिकल प्रोसेसिंग पर निर्भर करती है।
अंततः, यह कार्य सुझाव देता है कि भविष्य में क्वांटम मेट्रोलॉजी का अभ्यास कैसे किया जा सकता है। उस मायावी, पूर्ण माप के पीछे भागने के बजाय जिसे लागू करना अक्सर असंभव होता है, वैज्ञानिक एक बहुमुखी, सेटिंग-अज्ञेय (setting-agnostic) रणनीति पर भरोसा कर सकते हैं। सार्वभौमिकता के लिए सटीकता की एक छोटी लागत स्वीकार करके, वे एक ऐसी विधि प्राप्त करते हैं जो त्रुटियों के प्रति मजबूत है और क्वांटम अवस्थाओं की एक विस्तृत श्रृंखला पर लागू होती है। शोधकर्ता निष्कर्ष निकालते हैं कि यह दृष्टिकोण क्वांटम-एन्हांस्ड मेट्रोलॉजी को अधिक सुलभ और व्यावहारिक बनाता है, जो जटिल, कस्टम-निर्मित डिटेक्टरों की आवश्यकता के बिना एंटैंगलमेंट के लाभों को देखने और क्वांटम दुनिया से अधिकतम जानकारी निकालने का एक विश्वसनीय तरीका प्रदान करता 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।