PriorTilt: Decoding quantum LDPC codes with sparse perturbations of belief propagation priors
यह शोध पत्र PriorTilt को प्रस्तुत करता है, जो एक बेलिफ प्रोपेगेशन (belief propagation) वेरिएंट है जो पूर्व लॉग-लाइक्लीहुड रेश्यो (log-likelihood ratios) के एक छोटे से अंश को चुनिंदा रूप से विचलित करके क्वांटम LDPC कोड को डिकोड करता है, जिससे Relay-BP, बीम सर्च और मानक मिन-सम (min-sum) BP डिकोडर्स की तुलना में काफी कम लॉजिकल एरर रेट और तेज़ डिकोडिंग समय प्राप्त होता 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 लेखक 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, लेकिन वे अविश्वसनीय रूप से नाजुक होते हैं। सूचना के उनके बिट्स, जिन्हें क्यूबिट्स (qubits) कहा जाता है, गर्मी, कंपन या बिखरे हुए विद्युत चुम्बकीय क्षेत्रों से आसानी से बाधित हो जाते हैं। एक उपयोगी मशीन बनाने के लिए, वैज्ञानिकों को त्रुटि सुधार (error correction) नामक एक विधि का उपयोग करके इन क्यूबिट्स को त्रुटियों से बचाना होगा। इसमें एकल तार्किक जानकारी (logical information) को कई भौतिक क्यूबिट्स में फैलाना और लगातार उनमें गलतियों की जाँच करना शामिल है। बड़े पैमाने की मशीनों के लिए इसे करने का सबसे आशाजनक तरीका लो-डेंसिटी पैरिटी-चेक कोड (low-density parity-check code) के रूप में ज्ञात एक विशिष्ट प्रकार के कोड पर निर्भर करता है। ये कोड कुशल हैं क्योंकि वे क्यूबिट्स के बीच विरल (sparse) कनेक्शनों का उपयोग करते हैं, लेकिन उनके द्वारा उत्पन्न सूचना को डिकोड करना एक कठिन पहेली है। इस पहेली को सुलझाने के लिए मानक उपकरण 'बलीफ प्रोपेगेशन' (belief propagation) नामक एक एल्गोरिदम है, जो पड़ोसियों की एक टीम की तरह काम करता है जो यह पता लगाने के लिए नोट्स पास करते हैं कि गलती कहाँ हुई थी। हालाँकि, क्वांटम दुनिया में, यह विधि अक्सर लूप में फंस जाती है या सही उत्तर खोजने में विफल हो जाती है क्योंकि क्यूबिट्स के बीच के कनेक्शन भ्रमित करने वाले छोटे चक्र (short cycles) बना देते हैं।
IonQ के शोधकर्ताओं ने इन डिकोडर्स को उन डेड एंड्स (dead ends) से बाहर निकलने में मदद करने के लिए 'प्रायरटिल्ट' (PriorTilt) नामक एक नया दृष्टिकोण विकसित किया है। पूरी डिकोडिंग प्रक्रिया को बदलने के बजाय, उन्होंने एक बहुत ही छोटा, लक्षित समायोजन किया है। कल्पना कीजिए कि लोगों का एक समूह संकेतों को साझा करके एक भूलभुलैया को सुलझाने की कोशिश कर रहा है; यदि वे सभी एक ही गलत रास्ते में फंस जाते हैं, तो पूरा समूह विफल हो जाता है। प्रायरटिल्ट समूह के बहुत कम लोगों की प्रारंभिक धारणाओं (initial assumptions) को कभी-कभी और चुनिले तौर पर थोड़ा सा धकेलने (nudge) का काम करता है, जिससे उन्हें अपने पड़ोसियों के साथ सूचना साझा करने के तरीके को बदले बिना एक अलग दिशा में देखने के लिए प्रोत्साहित किया जाता है। अपने सिमुलेशन में, इस सूक्ष्म धक्के ने सिस्टम को पहले की तुलना में बहुत अधिक बार सही समाधान खोजने में सक्षम बनाया। तीन अलग-अलग बेंचमार्क कोड्स पर परीक्षण करते समय, इस नई विधि ने मौजूदा सर्वोत्तम तकनीकों की तुलना में तार्किक त्रुटियों (logical errors) की दर को काफी कम कर दिया, और साथ ही यह अधिक तेज़ी से भी चला।
समस्या का मूल कारण यह है कि ये कोड अनिश्चितता को कैसे संभालते हैं। एक क्वांटम कंप्यूटर में, त्रुटियां लगातार होती हैं, और सिस्टम को यह पहचानना होता है कि किन भौतिक क्यूबिट्स ने अपनी स्थिति बदली है, बिना उस नाजुक जानकारी को नष्ट किए जिसे वे धारण करते हैं। मानक डिकोडिंग एल्गोरिदम, बलीफ प्रोपेगेशन, कनेक्शनों के एक नेटवर्क के माध्यम से संदेशों को आगे और पीछे भेजने के माध्यम से कार्य करता है। इस नेटवर्क में प्रत्येक नोड एक क्यूबिट या एक चेक का प्रतिनिधित्व करता है, और वे त्रुटि की संभावना के बारे में सूचना का आदान-प्रदान करते हैं। क्लासिकल कंप्यूटिंग में, यह विधि अत्यधिक प्रभावी है, लेकिन क्वांटम सेटिंग में, नेटवर्क में अक्सर छोटे लूप होते हैं जो संदेशों को इस तरह से आगे-पीछे उछालते हैं कि सिस्टम एक एकल, सही उत्तर पर नहीं पहुँच पाता। एल्गोरिदम दो संभावनाओं के बीच झूल सकता है या बस हार मान सकता है, जिससे कंप्यूटर एक दूषित अवस्था (corrupted state) में रह जाता है।
इसे संबोधित करने के लिए, शोधकर्ताओं ने एक ऐसी रणनीति पेश की जो केवल तभी हस्तक्षेप करती है जब मानक प्रक्रिया विफलता के संकेत दिखाती है। निश्चित संख्या में राउंड के लिए सामान्य डिकोडिंग चरणों को चलाने के बाद, सिस्टम यह जाँचता है कि नेटवर्क के कौन से हिस्से संघर्ष कर रहे हैं। यह उन विशिष्ट नोड्स की पहचान करता है जहाँ त्रुटि के प्रमाण कमजोर या विरोधाभासी हैं। इन कुछ परेशान जगहों के लिए, एल्गोरिदम त्रुटि होने के बारे में प्रारंभिक विश्वास (initial belief) में एक छोटा, गणना किया गया बदलाव लागू करता है। यह बदलाव यादृच्छिक (random) नहीं है; यह उस नोड के माध्यम से गुजरने वाले संदेशों के हालिया इतिहास द्वारा निर्धारित होता है। यदि संदेश सुझाव देते हैं कि नोड भ्रमित है, तो एल्गोरिदम विश्वास को थोड़ा इस ओर धकेल सकता है कि त्रुटि हुई है, या थोड़ा इस ओर कि त्रुटि नहीं हुई है, जो आसपास के डेटा के सुझावों पर निर्भर करता है। महत्वपूर्ण रूप से, यह परिवर्तन नेटवर्क के आधे प्रतिशत से भी कम नोड्स पर लागू किया जाता है। शेष सिस्टम बिल्कुल वैसे ही काम करना जारी रखता है जैसे वह हमेशा करता है, बिना किसी बाधा के संदेशों को पास करता है।
शोधकर्ताओं ने 144 भौतिक क्यूबिट्स वाले एक कोड सहित तीन अलग-अलग क्वांटम कोड्स पर इस पद्धति का परीक्षण किया, जो 12 तार्किक क्यूबिट्स को एनकोड करता है। उन्होंने वास्तविक परिस्थितियों के तहत डिकोडिंग प्रक्रिया का अनुकरण किया जहाँ त्रुटियां एक हजार में एक की दर से होती हैं। इन परीक्षणों में, नई विधि ने दो अग्रणी विकल्पों को पछाड़ दिया: 'रिले-बीपी' (Relay-BP) नामक एक तकनीक, जो अपनी मेमोरी को बार-बार रीसेट करती है, और एक 'बीम सर्च डिकोडर' (beam search decoder), जो एक साथ कई संभावित समाधानों की खोज करता है। 144-क्यूबिट कोड के लिए, प्रायरटिल्ट ने रिले-बीपी की तुलना में 4.3 गुना और बीम सर्च डिकोडर की तुलना में 3.1 गुना कम तार्किक त्रुटि दर दर्ज की। इसका अर्थ है कि पुरानी पद्धति के साथ होने वाली प्रत्येक 4.3 त्रुटियों के लिए, नई पद्धति के साथ केवल एक त्रुटि हुई। इसके अलावा, नया डिकोडर तेज़ था। इसने रिले-बीपी की तुलना में औसतन कम समय में डेटा को प्रोसेस किया और बीम सर्च डिकोडर की तुलना में लगभग तीन गुना तेज़ था।
इस दृष्टिकोण की सफलता यह सुझाव देती है कि जटिल प्रणालियों को बेहतर बनाने के लिए हमेशा बड़े बदलावों की आवश्यकता नहीं होती है। नेटवर्क के केवल सबसे अधिक भ्रमित हिस्सों की प्रारंभिक धारणाओं में छोटे, बुद्धिमान समायोजन करके, शोधकर्ता पूरे सिस्टम को सही समाधान तक ले जाने में सक्षम रहे। एक विशिष्ट परीक्षण मामले में, नए तरीके ने मानक, अपरिवर्तित एल्गोरिदम की तुलना में त्रुटि दर को 610 गुना कम कर दिया, जबकि प्रत्येक चरण में प्रत्येक नोड की प्रारंभिक धारणाओं को 0.5% से भी कम बदला। यह दक्षता क्वांटम कंप्यूटिंग के भविष्य के लिए अत्यंत महत्वपूर्ण है, क्योंकि यह संकेत देती है कि शक्तिशाली त्रुटि सुधार उन डिकोडर्स के साथ प्राप्त किया जा सकता है जो क्वांटम संचालन की तीव्र गति के साथ तालमेल बिठाने के लिए सटीक और तेज़ दोनों हैं। शोधकर्ताओं ने अपना सोर्स कोड उपलब्ध कराया है, जिससे अन्य लोग इन परिणामों को सत्यापित कर सकते हैं और संभावित रूप से इस तकनीक को विभिन्न हार्डवेयर आर्किटेक्चर के लिए अनुकूलित कर सकते हैं। निष्कर्ष बताते हैं कि चयनात्मक, विरल व्यवधान (sparse perturbations) जटिल, संसाधन-गहन विकल्पों की आवश्यकता के बिना मौजूदा डिकोडिंग फ्रेमवर्क की पूर्ण क्षमता को अनलॉक कर सकते 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।