Engineered Learning Problems on Noisy Quantum Processors
यह शोध पत्र प्रदर्शित करता है कि 45 क्विबिट्स तक वाले शोर वाले क्वांटम प्रोसेसर पर इंजीनियर किए गए वर्गीकरण कार्य शास्त्रीय तरीकों से बेहतर प्रदर्शन कर सकते हैं, विशेष रूप से जब उन्हें त्रुटि शमन (error mitigation) द्वारा बढ़ाया जाता है, हालांकि मैट्रिक्स प्रोडक्ट स्टेट्स जैसी अत्याधुनिक सिमुलेशन तकनीकों को पछाड़ना एक महत्वपूर्ण चुनौती बनी हुई 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
उन मशीनों को बनाने की दौड़ में जो आज के कंप्यूटरों की पहुंच से परे समस्याओं को हल कर सकें, वैज्ञानिक एक ऐसे क्षेत्र की खोज कर रहे हैं जहाँ भौतिकी के नियम ही प्रोसेसर बन जाते हैं। यह क्वांटम मशीन लर्निंग का क्षेत्र है, एक ऐसा विषय जो उप-परमाणु कणों के अजीब और विरोधाभासी व्यवहारों का उपयोग पैटर्न पहचानने और भविष्यवाणियां करने के लिए करने का प्रयास करता है। इसका मूल विचार एक "कर्नेल" (kernel) नामक अवधारणा पर आधारित है, जो अनिवार्य रूप से यह मापने के लिए एक गणितीय उपकरण है कि दो डेटा बिंदु एक-दूसरे के कितने समान हैं। एक क्लासिकल कंप्यूटर में, यह उपकरण डेटा बिंदुओं की तुलना एक परिचित तरीके से करके करता है। एक क्वांटम कंप्यूटर में, डेटा को पहले क्वांटम यांत्रिकी की भाषा में अनुवादित किया जाता है, जहाँ यह एक जटिल, उच्च-आयामी स्थान में मौजूद होता है जिसे नेविगेट करना क्लासिकल मशीनों के लिए कठिन होता है। उम्मीद यह है कि इस अनुवाद को करके, क्वांटम मशीन डेटा में उन छिपे हुए संबंधों को खोज सकती है जिन्हें क्लासिकल तरीके देख ही नहीं सकते। हालाँकि, एक निरंतर प्रश्न इस क्षेत्र पर मंडरा रहा है: क्या ये शोर वाले, अपूर्ण क्वांटम उपकरण वास्तव में सबसे शक्तिशाली क्लासिकल सुपरकंप्यूटरों से बेहतर प्रदर्शन कर सकते हैं, या वे केवल अपनी अपनी नाजुकता के बोझ तले संघर्ष कर रहे हैं?
शोधकर्ताओं की एक टीम ने एक विशिष्ट, कृत्रिम चुनौती को डिजाइन करके इस प्रश्न का उत्तर देने का प्रयास किया जहाँ एक क्वांटम कंप्यूटर सैद्धांतिक रूप से बढ़त बना सकता था। उन्होंने मौसम की भविष्यवाणी करने या बीमारी का निदान करने जैसी वास्तविक दुनिया की समस्या को हल करने की कोशिश नहीं की, क्योंकि उन कार्यों के लिए क्लासिकल तरीके बहुत मजबूत और अच्छी तरह से समझे गए हैं। इसके बजाय, उन्होंने एक कस्टम पहेली बनाई। उन्होंने कपड़ों (जैसे टी-शर्ट और ड्रेस) की छवियों का एक मानक सेट लिया और डेटा को एक नए रूप में बदलने के लिए एक क्वांटम सर्किट का उपयोग किया। फिर, उन्होंने उस रूपांतरण के परिणामों का उपयोग छवियों को लेबल करने के लिए किया, प्रभावी रूप से एक ऐसा परीक्षण बनाया जहाँ "सही" उत्तर क्वांटम मशीन के अपने अनूठे दृष्टिकोण द्वारा परिभाषित किए गए थे। लक्ष्य यह देखना था कि क्या एक क्वांटम कंप्यूटर उसी पहेली को हल करने की कोशिश कर रहे क्लासिकल कंप्यूटर की तुलना में इन लेबलों की बेहतर भविष्यवाणी कर सकता है। परिणामों को वास्तविक बनाने और यह सुनिश्चित करने के लिए कि यह किसी विशिष्ट मशीन की खामियों का परिणाम मात्र नहीं है, उन्होंने प्रयोग को दो अलग-अलग क्वांटम प्रोसेसरों पर चलाया, एक 54 क्वबिट वाला और दूसरा 20 क्वबिट वाला, और उन्होंने यह देखने के लिए कि क्या परिणाम विभिन्न शोर प्रोफाइलों में बने रहते हैं, एक ही चिप के विभिन्न हिस्सों पर उसी समस्या का परीक्षण भी किया।
शोधकर्ताओं ने पाया कि जब क्वांटम सर्किट अपेक्षाकृत सरल रखे गए, तो क्वांटम मशीन ने वास्तव में अपने क्लासिकल प्रतिद्वंद्वियों से बेहतर प्रदर्शन किया। इसने उच्च स्तर की सटीकता के साथ लेबलों की सफलतापूर्वक भविष्यवाणी की, जबकि सर्वश्रेष्ठ क्लासिकल मॉडल मुकाबला करने में संघर्ष करते रहे। प्रदर्शन का यह अंतर विभिन्न हार्डवेयर सेटअपों में स्पष्ट और पुनरुत्पादनीय था। हालाँकि, जैसे-जैसे शोधकर्ताओं ने अधिक डेटा को संभालने के लिए क्वांटम सर्किट को गहरा और अधिक जटिल बनाया, यह बढ़त फीकी पड़ने लगी। वर्तमान क्वांटम हार्डवेयर में निहित शोर—वे अपरिहार्य त्रुटियाँ जो मशीन के संचालन के दौरान आती हैं—ने परिणामों को विकृत करना शुरू कर दिया। एक निश्चित बिंदु पर, एक विशिष्ट गणना के दस चरणों के बराबर सर्किट गहराई के साथ, क्वांटम मशीन का प्रदर्शन इतना गिर गया कि वह क्लासिकल मॉडलों को हराने में सक्षम नहीं रही। क्वांटम कंप्यूटर अब जीत नहीं रहा था; वह क्लासिकल कंप्यूटर की तरह ही भ्रमित था।
इसके बाद टीम ने 'एरर मिटिगेशन' (error mitigation) नामक तकनीकों के एक सेट की ओर रुख किया, जो प्रयोग चलाने के बाद शोर वाले डेटा को साफ करने के लिए डिज़ाइन किए गए हैं, जो प्रभावी रूप से ज्ञात त्रुटियों को घटाकर वास्तविक संकेत को प्रकट करते हैं। उन्होंने कई तरीकों का परीक्षण किया, जिसमें एक ऐसा तरीका शामिल है जो यह अनुमान लगाने की कोशिश करता है कि यदि मशीन में कोई शोर नहीं होता तो परिणाम क्या होता, और दूसरा जो क्वबिट्स को स्थिर करने के लिए तीव्र स्पंदों (pulses) की एक श्रृंखला का उपयोग करता है। उन्होंने पाया कि सभी त्रुटि सुधार विधियाँ समान नहीं थीं। एक तकनीक, जो केवल अंतिम संख्याओं को मशीन द्वारा पढ़े जाने के आधार पर समायोजित करती थी, मदद करने में विफल रही। एक अन्य विधि, जो शोर-मुक्त परिणाम का अनुमान लगाने की कोशिश करती थी, ने प्रदर्शन के अंतर को बहाल करने में सफलता पाई, लेकिन केवल पहेली को क्लासिकल कंप्यूटर के लिए कठिन बनाकर, न कि क्वांटम कंप्यूटर को महत्वपूर्ण रूप से बेहतर बनाकर। हालाँकि, सबसे प्रभावी तकनीक वह थी जो प्रक्रिया के दौरान सक्रिय रूप से शोर को दबाती थी। इस दृष्टिकोण ने न केवल क्वांटम मशीन के लाभ को बहाल किया बल्कि इसकी पहेली को हल करने की क्षमता में भी सुधार किया, जिससे इसका प्रदर्शन एक आदर्श, शोर-मुक्त मशीन के बहुत करीब पहुँच गया।
इन सफलताओं के बावजूद, शोधकर्ता यह स्पष्ट करने में सावधानी बरतते रहे कि उनके काम ने क्या सिद्ध नहीं किया। उन्होंने प्रदर्शित किया कि क्वांटम हार्डवेयर एक विशिष्ट, इंजीनियर किए गए कार्य पर क्लासिकल मशीन लर्निंग मॉडल से बेहतर प्रदर्शन कर सकता है, लेकिन उन्होंने यह भी दिखाया कि यह बढ़त पूर्ण नहीं है। जब उन्होंने एक शक्तिशाली क्लासिकल एल्गोरिदम का उपयोग करके क्वांटम प्रक्रिया का अनुकरण किया जो 'मैट्रिक्स प्रोडक्ट स्टेट' (matrix product state) के रूप में जाना जाता है और जो क्वांटम प्रणालियों की नकल करने के लिए डिज़ाइन किया गया है, तो क्लासिकल सिमुलेशन ने क्वांटम हार्डवेयर के समान ही प्रदर्शन किया। यह सुझाव देता है कि वर्तमान क्वांटम लाभ नाजुक है और यह विशेष प्रकार की समस्या और शोर के स्तर पर बहुत अधिक निर्भर करता है। क्लासिकल सिमुलेशन सक्षम था क्योंकि प्रयोग में उपयोग किए गए क्वांटम सर्किट इतने जटिल नहीं थे कि वे क्लासिकल कंप्यूटिंग की सीमाओं को तोड़ सकें। शोधकर्ताओं ने निष्कर्ष निकाला कि जबकि उन्होंने एक मार्ग दिखाया है जहाँ क्वांटम मशीनें जीत सकती हैं, लेकिन सबसे अच्छे क्लासिकल सिमुलेशन तरीकों को हराने का अंतिम लक्ष्य अभी भी एक महत्वपूर्ण बाधा बना हुआ है। आगे का रास्ता ऐसे डिज़ाइन करने की आवश्यकता है जो न केवल क्लासिकल कंप्यूटरों के लिए सिम्युलेट करना कठिन हो, बल्कि उनके लिए उन्हें दोहराना असंभव हो, भले ही आज के सबसे उन्नत एल्गोरिदम उपलब्ध हों।
यह अध्ययन क्वांटम कंप्यूटिंग के वर्तमान परिदृश्य का एक यथार्थवादी मानचित्र है। यह पुष्टि करता है कि क्वांटम मशीनें वे चीजें कर सकती हैं जो क्लासिकल मशीनें नहीं कर सकतीं, लेकिन केवल सावधानीपूर्वक नियंत्रित परिस्थितियों में और त्रुटि सुधार की सहायता से। यह यह भी रेखांकित करता है कि यह क्षेत्र अभी भी एक ऐसे चरण में है जहाँ मशीन का "शोर" अक्सर जीत और हार के बीच का निर्णायक कारक होता है। यह दिखाते हुए कि विभिन्न त्रुटि शमन तकनीकों के बहुत अलग प्रभाव होते हैं, यह कार्य भविष्य के प्रयोगों के लिए एक रोडमैप प्रदान करता है, जो सुझाव देता है कि केवल एक क्वांटम एल्गोरिदम चलाना पर्याप्त नहीं है; आपको उस गंदगी को साफ करने के लिए सही उपकरणों का चुनाव भी करना होगा जो मशीन बनाती है। शोधकर्ताओं ने यह दावा नहीं किया कि उन्होंने क्वांटम लाभ की समस्या को हल कर लिया है, लेकिन उन्होंने प्रमाण दिया कि यह एक प्राप्त करने योग्य लक्ष्य है, बशर्ते कि समस्याओं को उन क्लासिकल सिमुलेशनों को मात देने के लिए पर्याप्त सावधानी से चुना जाए जो वर्तमान में सबसे बड़ी बाधा हैं।
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।