Quantum State Preparation for Complex-Valued Amplitudes

क्वांटम कंप्यूटिंग के क्षेत्र में, वैज्ञानिक लगातार ऐसे तरीके खोजने की कोशिश कर रहे हैं जिनसे ऐसी मशीनें बनाई जा सकें जो बहुत सूक्ष्म स्तर पर काम करने वाले विचित्र नियमों पर आधारित हों और उन समस्याओं को हल कर सकें जो आज के सुपर कंप्यूटरों के लिए असंभव हैं। ये मशीनें, जो सूचना को संसाधित करने के लिए परमाणुओं या इलेक्ट्रॉनों जैसे कणों का उपयोग करती हैं, एक मौलिक अवधारणा पर निर्भर करती हैं जिसे 'क्वांटम स्टेट' (quantum state) कहा जाता है। इस अवस्था को सूचना की एक विशिष्ट मात्रा को धारण करने वाले एक कंटेनर के रूप में समझें, जहाँ उस सूचना का मान केवल एक साधारण संख्या नहीं है, बल्कि एक साथ मौजूद संभावनाओं का एक जटिल मिश्रण है। इन मशीनों को नए पदार्थों के अनुकरण (simulating) या परमाणुओं के व्यवहार को समझने जैसे कार्यों के लिए उपयोगी बनाने हेतु, शोधकर्ताओं को इन कंटेनरों में विशिष्ट संख्याएँ लोड करने में सक्षम होना चाहिए। हालाँकि, एक महत्वपूर्ण बाधा मौजूद है: जबकि क्वांटम कंप्यूटर आसानी से संख्याओं को शून्य और एक (0 और 1) के अनुक्रमों के रूप में संग्रहीत कर सकते हैं, ठीक वैसे ही जैसे एक मानक कंप्यूटर करता है, वे उन सरल अनुक्रमों को उन्नत गणनाओं के लिए आवश्यक जटिल, बहु-स्तरीय मानों में बदलने में संघर्ष करते हैं। एक संख्या को संग्रहीत करने और वास्तव में उसे क्वांटम गणना के निर्माण खंड (building block) के रूप में उपयोग करने के बीच का यह अंतर लंबे समय से एक बाधा बना हुआ है, जिससे रसायन विज्ञान से लेकर भौतिकी तक के क्षेत्रों में प्रगति धीमी हो गई है।

फ्रेड सन नामक एक शोधकर्ता ने इस अंतर को पाटने के लिए एक नई विधि प्रस्तावित की है, जो एक जटिल संख्या—जिसमें वास्तविक भाग (real part) और काल्पनिक भाग (imaginary part) दोनों होते हैं, बिल्कुल एक मानचित्र के दो-आयामी निर्देशांक की तरह—को सीधे मशीन के क्वांटम स्टेट में लोड करने का एक तरीका प्रदान करती है। चुनौती यह है कि जटिल संख्याओं को संभालना कठिन है क्योंकि उन्हें एक साथ दो अलग-अलग सूचनाओं को प्रबंधित करने की आवश्यकता होती है। पिछली विधियों ने वास्तविक और काल्पनिक भागों को अलग-अलग लोड करने और फिर उन्हें मिलाने का प्रयास किया, लेकिन इस दृष्टिकोण के लिए अक्सर बहुत अधिक संसाधनों की आवश्यकता होती थी और इसमें अक्षमताएँ आती थीं, जिससे यह प्रक्रिया ऊर्जा और समय के मामले में धीमी और महंगी हो जाती थी। सन का कार्य एक अधिक सीधा मार्ग प्रस्तुत करता है, एक ऐसी प्रक्रिया जो पहले संख्या के आकार (size) और दिशा (direction) की गणना करती है, और फिर इन दो मानों का उपयोग करके एक एकल, सुसंगत प्रवाह (coherent flow) में अंतिम क्वांटम स्टेट का निर्माण करती है।

इस नई प्रक्रिया का मूल CORDIC तकनीक पर आधारित है, जिसका अर्थ है 'कोऑर्डिनेट रोटेशन डिजिटल कंप्यूटर' (Coordinate Rotation Digital Computer)। यह एक चतुर एल्गोरिदम है जिसका उपयोग दशकों से मानक इलेक्ट्रॉनिक्स में कोणों और दूरियों की गणना के लिए किया जाता रहा है, लेकिन सन ने इसे क्वांटम दुनिया के लिए अनुकूलित किया है। महंगे और धीमे गणितीय संचालन जैसे कि वर्गमूल (square roots) खोजने या आर्कटैन्जेंट (arctangents) की गणना करने के बजाय, CORDIC विधि एक वेक्टर (vector) लेने का कार्य करती है, जो जटिल संख्या का प्रतिनिधित्व करता है, और उसे चरण-दर-चरण एक ज्ञात दिशा की ओर घुमाती है। कल्पना कीजिए कि एक दिशा सूचक सुई (compass needle) को तब तक थोड़ा-थोड़ा हिलाया जा रहा है जब तक कि वह ठीक वहीं न पहुँच जाए जहाँ उसे होना चाहिए। इस प्रक्रिया के प्रत्येक चरण में, कंप्यूटर सरल शिफ्ट (shifts) और जोड़ (additions) करता है, जो जटिल विभाजन या रूट-फाइंडिंग की तुलना में क्वांटम मशीन के लिए बहुत तेज़ और आसान हैं। इस रोटेशन को कई बार दोहराकर, कंप्यूटर वेक्टर की लंबाई और संदर्भ रेखा के साथ उसके कोण को उच्च सटीकता के साथ निर्धारित कर सकता है।

एक बार जब कंप्यूटर लंबाई और कोण निर्धारित कर लेता है, तो वह इन दो मानों का उपयोग वांछित क्वांटम स्टेट बनाने के लिए करता है। सबसे पहले, यह लंबाई को एक विशिष्ट अवस्था में क्वांटम सिस्टम के पाए जाने की प्रायिकता (probability) में एनकोड करता है। फिर, यह एक श्रृंखला में गेट्स (gates) लागू करता है, जो छोटे स्विच की तरह होते हैं, ताकि कोण को एक 'फेज शिफ्ट' (phase shift) के रूप में पेश किया जा सके। यह फेज शिफ्ट अत्यंत महत्वपूर्ण है क्योंकि यही संख्या को उसका "काल्पनिक" चरित्र प्रदान करता है, जिससे जटिल मान पूर्ण होता है। यह दृष्टिकोण विशेष रूप से शक्तिशाली है क्योंकि यह मूल सूचना को नष्ट नहीं करता है। पूरी प्रक्रिया के दौरान, कंप्यूटर वास्तविक और काल्पनिक दोनों भागों को अलग-अलग रजिस्टरों में सुरक्षित रखता है। नया स्टेट बनने के बाद, कंप्यूटर लंबाई और कोण की गणना करने के लिए अपने द्वारा किए गए सभी चरणों को उलट देता है, प्रभावी रूप से अपने वर्कस्पेस को साफ करता है और अपनी सभी अस्थायी मेमोरी को शून्य पर वापस कर देता है। इससे मूल डेटा अप्रभावित रहता है और नया क्वांटम स्टेट उपयोग के लिए तैयार हो जाता है, जिसे 'रिवर्सिबल' (reversible) और 'इन-प्लेस' (in-place) प्रक्रिया कहा जाता है।

शोधकर्ताओं ने पाया कि यह विधि अत्यधिक कुशल है। इसके लिए आवश्यक ऑपरेशन्स की संख्या इनपुट को दर्शाने वाले बिट्स के वर्ग के अनुपात में बढ़ती है, जो आवश्यक सटीकता के लिए एक प्रबंधनीय लागत है। इससे भी महत्वपूर्ण बात यह है कि यह विधि पिछली तकनीकों की तुलना में कम 'नॉर्मलाइजेशन कॉन्स्टेंट' (normalization constant) का उपयोग करती है। सरल शब्दों में, इसका अर्थ है कि परिणामी क्वांट स्टेट आदर्श मान के अधिक निकट है और इसे उपयोगी बनाने के लिए बहुत अधिक "बूस्टिंग" की आवश्यकता नहीं है। इस ओवरहेड में कमी महत्वपूर्ण है क्योंकि यह क्वांटम एल्गोरिदम को एक विश्वसनीय उत्तर प्राप्त करने के लिए अपनी गणना को कितनी बार दोहराने की आवश्यकता है, इसकी संख्या को कम करती है। जब एक गणना में महंगे चरणों शामिल होते हैं जिन्हें कई बार दोहराना पड़ता है, तो प्रति चरण संसाधनों की थोड़ी सी भी बचत कुल समय और ऊर्जा की भारी बचत कर सकती है। शोध पत्र स्पष्ट रूप से उल्लेख करता है कि जबकि अन्य विधियाँ कम विशिष्ट प्रकार के लॉजिक गेट्स का उपयोग कर सकती हैं, पोलर रिप्रजेंटेशन (polar representation) को एनकोड करने से पहले और अधिक अंकगणित करने की क्षमता और छोटे नॉर्मलाइजेशन फैक्टर के कारण प्राप्त समग्र दक्षता इस नए निर्माण को कई अनुप्रयोगों के लिए श्रेष्ठ बनाती है।

यह कार्य यह दावा नहीं करता है कि इसने क्वांटम कंप्यूटिंग की हर समस्या को हल कर लिया है, न ही यह सुझाव देता है कि यह विधि हर एक परिदृश्य के लिए पूर्ण है। लेखक अपने निष्कर्षों को एक विशिष्ट सुधार के रूप में प्रस्तुत करने में सावधान हैं, जहाँ जटिल संख्याओं को बाइनरी डेटा से तैयार करने की आवश्यकता होती है, विशेष रूप से हैमिल्टोनियन सिमुलेशन (Hamiltonian simulation) जैसे बड़े एल्गोरिदम में, जो यह मॉडल करता है कि ऊर्जा एक प्रणाली के माध्यम से कैसे चलती है। शोध पत्र प्रदर्शित करता है कि लंबाई और तर्क (argument) को एक साथ गणना करके और फिर उन्हें एनकोड करके, वास्तविक और काल्पनिक भागों को अलग-अलग मिलाने की अक्षमताओं से बचा जा सकता है। इसका परिणाम एक ऐसा स्टेट प्रिपरेशन (state preparation) प्रक्रिया है जो सुसंगत (coherent) है, जिसका अर्थ है कि यह सही ढंग से काम करती है भले ही इनपुट कई अलग-अलग संभावनाओं का मिश्रण हो, और यह भविष्य के उपयोग के लिए इनपुट डेटा को सुरक्षित रखती है। बाइनरी डिजिट्स से जटिल क्वांटम एम्प्लीट्यूड (amplitudes) तक एक स्पष्ट, रिवर्सिबल पथ प्रदान करके, यह शोध एक व्यावहारिक उपकरण प्रदान करता है जो वैज्ञानिकों को भविष्य के क्वांटम कंप्यूटरों के साथ अधिक जटिल सिमुलेशन चलाने और कठिन समस्याओं को हल करने में मदद कर सकता है।