Leaving Quantum Bias on the Table: Pushforwards as a Path to Quantum Advantage in Constrained Optimization

आधुनिक कंप्यूटिंग की दुनिया में, उन समस्याओं को हल करने के लिए एक निरंतर संघर्ष है जो मानक मशीनों के लिए बहुत जटिल हैं लेकिन सबसे शक्तिशाली नए उपकरणों के लिए बहुत कठोर हैं। इन्हें 'प्रतिबंधित अनुकूलन समस्याएँ' (constrained optimization problems) कहा जाता है, जो डिलीवरी रूट की योजना बनाने से लेकर एयरलाइन उड़ानों के शेड्यूलिंग तक हर चीज़ में दिखाई देती हैं। लक्ष्य कई चलते-फिरते हिस्सों के बीच सबसे अच्छे एकल विन्यास (arrangement) को खोजना है, लेकिन इसके लिए सख्त नियमों का पालन करना अनिवार्य है; ऐसा समाधान जो समय तो बचाता है लेकिन एक नियम तोड़ देता है, वह बेकार है। हाल ही में, वैज्ञानिकों ने क्वांटम कंप्यूटरों की ओर रुख किया है, जो एक साथ कई संभावनाओं को खोजने के लिए भौतिकी के विचित्र नियमों का उपयोग करते हैं। हालाँकि, ये मशीनें वर्तमान में शोरयुक्त (noisy) और अपूर्ण हैं। वे अक्सर ऐसे उत्तर उत्पन्न करते हैं जो आशाजनक दिखते हैं लेकिन समस्या के सख्त नियमों को पूरा करने में विफल रहते हैं, जिससे शोधकर्ताओं के पास अनुपयोगी डेटा का ढेर लग जाता है। चुनौती यह रही है कि उनके भीतर छिपे मूल्यवान पैटर्न को फेंके बिना इन त्रुटिपूर्ण आउटपुट का अर्थ कैसे निकाला जाए।

शोधकर्ताओं की एक टीम ने इस अंतर को पाटने का एक नया तरीका विकसित किया है, जो क्वांटम कंप्यूटर के कच्चे, अव्यवस्थित आउटपुट को समाधानों की एक विश्वसनीय धारा में बदल देता है। क्वांटम मशीन को सीधे एक सटीक उत्तर उत्पन्न करने के लिए मजबूर करने के बजाय, वे मशीन के आउटपुट को दूसरे, क्लासिकल चरण के लिए एक शुरुआती बिंदु के रूप में देखते हैं। कल्पना कीजिए कि एक क्वांटम कंप्यूटर एक कुशल लेकिन थोड़े अनाड़ी तीरंदाज की तरह है जो लक्ष्य पर तीर चलाता है। अक्सर, तीर बुल्सआई (bullseye) के ठीक बाहर गिरते हैं, निशाना चूक जाते हैं लेकिन फिर भी उसकी ओर एक स्पष्ट दिशा दिखाते हैं। शोधकर्ताओं की विधि में हर उस तीर को लेना शामिल है जो पास में गिरता है और उसे धीरे से लक्ष्य के केंद्र की ओर धकेलना है। यह "धकेलना" (nudge) एक निश्चित, गणितीय नियम है जो तीर के पथ की किसी भी त्रुटि को सुधारता है, जिससे एक 'नजदीकी चूक' को एक 'सटीक प्रहार' में बदल दिया जाता है। इस मरम्मत नियम (repair rule) को हर शॉट पर लागू करके, टीम ने पाया कि क्वांटम कंप्यूटर का सर्वोत्तम समाधानों के पास अपने तीरों को केंद्रित करने का स्वाभाविक झुकाव इतना शक्तिशाली हो जाता है कि वह पहले की तुलना में बहुत कम प्रयासों में इष्टतम उत्तर खोज लेता है।

इस खोज का मूल आधार "पुशफॉरवर्ड" (pushforward) नामक एक अवधारणा में निहित है, जो यह वर्णन करता है कि जब प्रत्येक परिणाम को एक नियम द्वारा रूपांतरित किया जाता है, तो एक संभाव्यता वितरण (probability distribution) कैसे आगे बढ़ता है। उनके कार्य के संदर्भ में, शोधकर्ताओं ने दिखाया कि जब एक क्वांटम कंप्यूटर संभावित उत्तरों का एक बादल बनाता है, जिसमें से कई अमान्य होते हैं, तो एक क्लासिकल मरम्मत प्रक्रिया उन सभी अमान्य उत्तरों को समेट सकती है जो एक अच्छे समाधान के करीब होते हैं और उन्हें उस अच्छे समाधान पर मैप कर सकती है। यह प्रभावी रूप से लक्ष्य क्षेत्र को बड़ा कर देता है। क्वांटम कंप्यूटर को एक विशिष्ट पूर्ण विन्यास (configuration) को हिट करने की आवश्यकता नहीं है, उसे केवल उन कई त्रुटिपूर्ण विन्यासों को हिट करने की आवश्यकता है जिन्हें आसानी से एक सटीक विन्यास में सुधारा जा सकता है। यह बदलाव खेल को पूरी तरह से बदल देता है। इसका अर्थ है कि क्वांटम कंप्यूटर को सफल होने के लिए उतना सटीक या अपने गणनाओं में उतना गहरा होने की आवश्यकता नहीं है, क्योंकि क्लासिकल मरम्मत चरण बिखरे हुए, 'निकट-चूक' प्रयासों को इकट्ठा करने और उन्हें एक एकल, वैध परिणाम में समेकित करने का भारी काम करता है।

इस विचार का परीक्षण करने के लिए, टीम ने 'ट्रैवलिंग सेल्समैन प्रॉब्लम' पर ध्यान केंद्रित किया, जो एक क्लासिक पहेली है जहाँ एक यात्री को एक सूची में दिए गए शहरों में ठीक एक बार जाना होता है और सबसे कम दूरी तय करते हुए घर वापस आना होता है। उन्होंने इस परिदृश्य को एक क्वांटम एल्गोरिदम का उपयोग करके सिम्युलेट किया जिसे समस्या की बुनियादी संरचना का सम्मान करने के लिए डिज़ाइन किया गया था, जैसे कि यह सुनिश्चित करना कि प्रत्येक शहर की एक बार यात्रा की जाए, भले ही अंतिम व्यवस्था में त्रुटियां हों। जब उन्होंने अपने मरम्मत विधि को परिणामों पर लागू किया, तो उन्होंने पाया कि क्वांटम कंप्यूटर एक विशिष्ट समूह के त्रुटिपूर्ण उत्तरों पर अपनी संभाव्यता द्रव्यमान (probability mass) को केंद्रित कर रहा था जिन्हें सर्वोत्तम मार्ग में सुधारा जा सकता था। दस शहरों वाली समस्या के लिए सिमुलेशन में, मरम्मत किए गए क्वांटम विधि ने लगभग एक हजार प्रयासों में इष्टतम समाधान खोज लिया। इसके विपरीत, बिना इस मरम्मत चरण के मूल विधि को समान परिणाम प्राप्त करने के लिए दस लाख प्रयासों की आवश्यकता थी। प्रयासों की संख्या में यह भारी कमी यह प्रदर्शित करती है कि क्वांटम कंप्यूटर वास्तव में सर्वोत्तम समाधान के बारे में उपयोगी जानकारी को थामे हुए था, भले ही उसका कच्चा आउटपुट तकनीकी रूप से गलत था।

शोधकर्ताओं ने अपने तरीके को एक वास्तविक क्वांटम प्रोसेसर, IBM द्वारा निर्मित 127-qubit मशीन पर भी परखा, यह देखने के लिए कि यह वास्तविक हार्डवेयर के शोर और त्रुटियों के विरुद्ध कैसा प्रदर्शन करता है। उन्होंने इस भौतिक उपकरण पर वही ट्रैवलिंग सेल्समैन समस्याएं चलाईं, जो एक आदर्श सिमुलेशन की तुलना में बहुत अधिक शोरयुक्त है। वास्तविक मशीन की खामियों के बावजूद, मरम्मत प्रक्रिया ने अक्सर अराजक रहे आउटपुट को वैध दौरों (tours) में सफलतापूर्वक परिवर्तित कर दिया। छोटे परीक्षण मामलों के लिए, मरम्मत किए गए परिणाम ज्ञात सर्वोत्तम समाधानों से मेल खाते थे। बड़े, अधिक कठिन मामलों के लिए, मरम्मत किए गए समाधान मानक सॉफ्टवेयर लाइब्रेरी द्वारा प्रदान किए गए संदर्भ उत्तरों से भी बेहतर थे। इसने पुष्टि की कि यह विधि न केवल सिद्धांत या सिमुलेशन में, बल्कि आज उपलब्ध अपूर्ण हार्डवेयर पर भी काम करती है। मुख्य निष्कर्ष यह था कि क्वांटम कंप्यूटर केवल यादृच्छिक शोर (random noise) उत्पन्न नहीं कर रहा था; वह एक पक्षपाती वितरण (biased distribution) बना रहा था जहाँ सबसे उपयोगी, सुधारा जाने योग्य त्रुटियां एक साथ क्लस्टर में थीं, और मरम्मत प्रक्रिया इस पक्षपात का लाभ उठाकर उच्च-गुणवत्ता वाले समाधान खोजने में सक्षम थी।

यह कार्य यह सुझाव देता है कि हम निकट भविष्य में क्वांटम कंप्यूटरों का उपयोग कैसे करें, इसके लिए एक नया डिज़ाइन सिद्धांत है। मशीनों के सीधे कठिन समस्याओं को हल करने के लिए पर्याप्त पूर्ण होने की प्रतीक्षा करने के बजाय, हम हाइब्रिड सिस्टम बना सकते हैं जहाँ क्वांटम हिस्सा समाधान स्थान (solution space) को खोजने का भारी काम करता है, और एक क्लासिकल हिस्सा एक फ़िल्टर और मरम्मत तंत्र के रूप में कार्य करता है। क्वांटम कंप्यूटर का काम समस्या के उन क्षेत्रों की पहचान करना है जहाँ उत्तर होने की सबसे अधिक संभावना है, भले ही वह सटीक उत्तर को पिनपॉइंट न कर सके। क्लासिकल मरम्मत नियम फिर उन आशाजनक क्षेत्रों को लेता है और उनसे सर्वोत्तम संभव समाधान निकालता है। यह दृष्टिकोण क्वांटम लाभ (जो उपयोगी क्षेत्रों पर संभाव्यता को केंद्रित करने की क्षमता है) को क्लासिकल लाभ (जो सख्त नियमों को लागू करने और त्रुटियों को ठीक करने की क्षमता है) से अलग करता है। इन शक्तियों को जोड़कर, शोधकर्ताओं ने दिखाया है कि हम जटिल समस्याओं को हल करने में महत्वपूर्ण सुधार प्राप्त कर सकते हैं, जो हमारे पास मौजूद अपूर्ण क्वांटरल हार्डवेयर का उपयोग करके ही संभव है।

अध्ययन ने यह भी रेखांकित किया कि शोर (noise) इस प्रक्रिया को कैसे प्रभावित करता है। जब क्वांटम कंप्यूटर बहुत अधिक शोरयुक्त होता है, तो वह सूचना को वैध समाधान स्थान से पूरी तरह से बाहर लीक कर देता है, जिससे डेटा उन क्षेत्रों में चला जाता है जिन्हें सुधारा नहीं जा सकता। शोधकर्ताओं ने पाया कि जैसे-जैसे यह लीकेज बढ़ता है, मरम्मत विधि का लाभ कम होता जाता है, और अंततः यह प्रक्रिया एक रैंडम सर्च (यादृच्छिक खोज) में बदल जाती है। हालाँकि, वर्तमान मशीनों में मौजूद शोर के स्तर के लिए, यह विधि अत्यधिक प्रभावी बनी रही। टीम ने गणितीय सीमाएं (bounds) निकालीं जो सटीक रूप से भविष्यवाणी करती हैं कि मरम्मत प्रक्रिया कितनी मदद कर सकती है, यह दिखाते हुए कि यह समाधान खोजने के लिए आवश्यक क्वांटम सर्किट की गहराई को कम कर सकती है। यह एक महत्वपूर्ण विवरण है क्योंकि गहरे सर्किट त्रुटियों के प्रति अधिक संवेदनशील होते हैं। कम गहराई वाले सर्किटों की अनुमति देकर, मरम्मत विधि मौजूदा हार्डवेयर पर अधिक जटिल समस्याओं को चलाने के लिए संभव बनाती है ताकि परिणाम शोर से नष्ट न हों।

अंततः, यह पेपर स्थापित करता है कि प्रतिबंधित अनुकूलन में एक क्वांटम सैंपलर का मूल्य केवल उसके द्वारा उत्पन्न पूर्ण उत्तरों में नहीं है, बल्कि उसकी गलतियों की संरचना में है। क्वांटम कंप्यूटर एक ऐसा परिदृश्य बनाता है जहाँ "गलत" उत्तर बेतरतीब ढंग से बिखरे हुए नहीं होते, बल्कि विशिष्ट तरीकों से क्लस्टर में होते हैं जो सही उत्तर की ओर संकेत करते हैं। एक नियतात्मक मरम्मत नियम (deterministic repair rule) के माध्यम से इस संरचना को पहचानकर और उपयोग करके, हम एक ऐसा प्रदर्शन स्तर अनलॉक कर सकते हैं जो न तो अकेले क्वांटम मशीन और न ही क्लासिकल कंप्यूटर प्राप्त कर सकता था। सिमुलेशन और वास्तविक हार्डवेयर प्रयोगों से प्राप्त परिणाम इस बात का पुख्ता प्रमाण देते हैं कि यह दृष्टिकोण वर्तमान शोरयुक्त, मध्यवर्ती-स्तर के क्वांटम उपकरणों के युग में क्वांटम लाभ के लिए एक व्यवहार्य मार्ग है। यह अपर्याप्त आउटपुट से निपटने की समस्या को एक विफलता मोड के बजाय एक विशेषता (feature) में बदल देता है, जिससे शोधकर्ता क्वांटम कंप्यूटर से वह करने की उम्मीद कर सकते हैं जिसमें वह सर्वश्रेष्ठ है: रास्ता खोजना, भले ही उसे सड़क पर बने रहने के लिए थोड़ी मदद की आवश्यकता हो।