Resolving and Suppressing Temporally Correlated Noise in Quantum Error Correction
एक 105-क्विबिट वाले सुपरकंडक्टिंग प्रोसेसर का उपयोग करते हुए, यह अध्ययन एक वॉकिंग स्टेबिलिटी सर्किट के माध्यम से रिकॉर्ड-लो लॉजिकल एरर फ्लोर प्राप्त करने और एडेप्टिव सिंड्रोम एक्सट्रैक्शन के माध्यम से प्रदर्शन को अनुकूलित करने के साथ, क्वबिट हीटिंग के कारण होने वाली टेम्पोरली कोरिलेटेड त्रुटियों को दबाने के लिए सरफेस कोड स्थिरता के सफल स्केलिंग को प्रदर्शित करता 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
एक ऐसा कंप्यूटर बनाने के लिए जो आज की मशीनों की पहुंच से परे समस्याओं को हल कर सके, वैज्ञानिक एक क्वांटम कंप्यूटर बनाने की कोशिश कर रहे हैं। ये उपकरण सूचना को संसाधित करने के लिए क्वांटम भौतिकी के विचित्र नियमों का उपयोग करते हैं, लेकिन वे अविश्वसनीय रूप से नाजुक होते हैं। गर्मी, कंपन या विकिरण से होने वाली मामूली सी हलचल भी सूचना को बिखेर सकती है और उसे गायब कर सकती है। इन मशीनों को उपयोगी बनाने के लिए, शोधकर्ताओं को एक ऐसी प्रणाली बनानी होगी जो त्रुटियों को होने के दौरान ही स्वचालित रूप से उन्हें ढूंढ सके और ठीक कर सके, जिसे 'क्वांटम एरर करेक्शन' (quantum error correction) कहा जाता है।
इस प्रणाली के काम करने का परीक्षण करने का मानक तरीका एक "मेमोरी" (स्मृति) प्रयोग बनाना है। इस परीक्षण में, वैज्ञानिक सूचना का एक टुकड़ा संग्रहीत करते हैं और बार-बार त्रुटियों के लिए इसकी जांच करते हैं, इस उम्मीद में कि वे देख सकें कि क्या कंप्यूटर लंबे समय तक डेटा को सुरक्षित रख सकता है। हालांकि, यह दृष्टिकोण केवल एक प्रकार की गलती की जांच करता है: वे त्रुटियां जो एक ही समय में मशीन के कई हिस्सों में होती हैं। वास्तविक दुनिया के क्वांटम कंप्यूटरों को केवल याद रखने से कहीं अधिक करने की आवश्यकता होगी; उन्हें जटिल गणनाएं करनी होंगी। ये गणनाएं एक अलग प्रकार की समस्या के प्रति संवेदनशील होती हैं: वे त्रुटियां जो समय के साथ एक ही स्थान पर बार-बार होती हैं। यदि कोई कंप्यूटर उन गलतियों को नहीं संभाल सकता जो समय के साथ बनी रहती हैं, तो वह उन्हीं कार्यों में विफल हो जाएगा जिनके लिए उसे बनाया गया था।
गूगल क्वांटम एआई (Google Quantum AI) के शोधकर्ताओं की एक टीम और उनके सहयोगियों ने इस विशिष्ट समस्या को समझने और ठीक करने का लक्ष्य रखा। उन्होंने 'विलो' (Willow) नामक एक नए, बड़े पैमाने के क्वांटम प्रोसेसर का उपयोग किया, जिसमें 105 सुपरकंडक्टिंग क्यूबिट्स (superconducting qubits) शामिल हैं, जो क्वांटम सूचना की बुनियादी इकाइयाँ हैं। केवल मेमोरी का परीक्षण करने के बजाय, उन्होंने एक "स्टेबिलिटी" (स्थिरता) प्रयोग चलाया। यह परीक्षण उन त्रुटियों के प्रति संवेदनशील होने के लिए डिज़ाइन किया गया है जो समय के साथ बनी रहती हैं, जो मानक मेमोरी परीक्षण के एक दर्पण प्रतिबिंब के रूप में कार्य करता है। क्यूबिट्स के छोटे ग्रिड से लेकर एक बड़े 7-बाय-7 ग्रिड तक इस प्रयोग को बढ़ाकर, वे यह देख पाए कि मशीन के बड़े होने पर सिस्टम इन समय-आधारित त्रुटियों को कितनी अच्छी तरह से दबा सकता है।
शोधकर्ताओं ने पाया कि जैसे-जैसे उन्होंने ग्रिड का आकार बढ़ाया, सिस्टम वास्तव में त्रुटियों को दबाने में बेहतर हुआ, लेकिन केवल एक बिंदु तक। शुरुआत में, त्रुटि दर उम्मीद के मुताबिक तेजी से गिरी। हालांकि, दस चक्रों के बाद, सुधार एक दीवार से टकरा गया। त्रुटि दर गिरना बंद हो गई और स्थिर होने लगी, एक ऐसी घटना जिसे टीम ने डेटा में "नी" (knee - घुटने जैसा मोड़) के रूप में पहचाना। मशीन के व्यवहार का एक विस्तृत मॉडल बनाकर, उन्होंने इसके पीछे के अपराधी का पता लगाया: एक विशिष्ट प्रकार की क्वांटम अवस्था जिसमें डेटा क्यूबिट्स अनजाने में गर्म हो रहे थे।
क्वांटम दुनिया में, एक क्यूबिट आमतौर पर दो अवस्थाओं में से एक में मौजूद होता है, जैसे कि एक सिक्का जो या तो 'हेड्स' है या 'टेल्स'। हालांकि, ये भौतिक क्यूबिट उच्च ऊर्जा अवस्थाओं में भी फिसल सकते हैं, जो एक सिक्के के किनारे पर घूमने या यहाँ तक कि तीसरी, छिपी हुई अवस्था में बदलने के समान है। शोधकर्ताओं ने पाया कि उनके डेटा क्यूबिट्स कभी-कभी एक तीसरी उत्तेजित अवस्था (excited state) में गर्म हो रहे थे, जिसे वे |3⟩ अवस्था कहते हैं। एक बार जब एक क्यूबिट इस अवस्था में फंस जाता है, तो यह अपने पड़ोसियों के मापन को कई चक्रों तक दूषित कर देता है, जिससे त्रुटियों की एक श्रृंखला बन जाती है जिसे मानक सुधार प्रणाली आसानी से ठीक नहीं कर पाती है। टीम के मॉडल ने, जिसमें इन उच्च अवस्थाओं के व्यवहार और क्षय (decay) का भौतिक विज्ञान शामिल था, बिना किसी समायोज्य पैरामीटर के प्रयोगात्मक डेटा से पूरी तरह से मिलान किया, जिससे पुष्टि हुई कि यही हीटिंग इन त्रुटियों के आधार का मुख्य कारण था।
इसे हल करने के लिए, टीम ने एक नया तरीका विकसित किया जिसे "वॉकिंग" (walking) स्टेबिलिटी सर्किट कहा जाता है। एक मानक सर्किट में, क्यूबिट्स की भूमिकाएं स्थिर रहती हैं: कुछ डेटा रखते हैं, जबकि अन्य त्रुटियों की जांच करने के लिए सेंसर के रूप में कार्य करते हैं। वॉकिंग सर्किट में, भूमिकाएं आपस में बदल जाती हैं। डेटा क्यूबिट्स सेंसर बन जाते हैं, और सेंसर डेटा बन जाते हैं, और यह हर कुछ चक्रों में होता है। महत्वपूर्ण रूप से, जब एक क्यूबिट एक सेंसर के रूप में कार्य करता है, तो इसे इस तरह से रीसेट किया जाता है कि यह न केवल सामान्य त्रुटियों को, बल्कि इन उच्च, अवांछित ऊर्जा अवस्थाओं को भी साफ कर देता है। क्यूबिट्स को समय-समय पर इधर-उधर करके और उन्हें रीसेट करके, टीम उन फंसे हुए कणों को बाहर निकालने में सक्षम रही इससे पहले कि वे गलतियों का एक सिलसिला शुरू कर दें।
इस नए दृष्टिकोण के परिणाम नाटकीय थे। जबकि मानक सर्किट एक ऐसी दीवार से टकरा गया जहाँ त्रुटियां सुधरना बंद हो गईं, वॉकिंग सर्किट ने त्रुटियों को दबाना जारी रखा, और 60 चक्रों के बाद 3.20 × 10⁻⁸ से कम की लॉजिकल एरर प्रोबेबिलिटी (तार्किक त्रुटि संभावना) तक पहुँच गया। यह समान बिंदु पर मानक पद्धति की तुलना में दो क्रम (two orders of magnitude) बेहतर है। एकमात्र चीज़ जिसने वॉकिंग सर्किट को और बेहतर होने से रोका, वह वातावरण से निकलने वाला आयनकारी विकिरण (ionizing radiation) का एक दुर्लभ, यादृच्छिक विस्फोट था, जो डिजाइन की खामी नहीं बल्कि हार्डवेयर की एक मौलिक सीमा है।
शोधकर्ताओं ने प्रक्रिया को अधिक कुशल बनाने के लिए एक तरीका भी खोजा जिसमें कंप्यूटर के अपने "कॉन्फिडेंस" (आत्मविश्वास/निश्चितता) का उपयोग यह तय करने के लिए किया जाता है कि कब रुकना है। एक विशिष्ट प्रयोग में, मशीन एक निश्चित संख्या में चक्रों तक चलती है। हालांकि, टीम ने पाया कि डेटा का वास्तविक समय में विश्लेषण करके, वे यह बता सकते थे कि सिस्टम कब इतना आश्वस्त है कि कोई त्रुटि शेष नहीं है। यदि सिस्टम साफ था, तो वे जल्दी रुक सकते थे; यदि वह शोर के विस्फोट से भ्रमित था, तो वे अधिक समय तक प्रतीक्षा कर सकते थे। इस अनुकूलन रणनीति (adaptive strategy) ने प्रयोग को चलाने के लिए आवश्यक कुल समय को 34% कम कर दिया और समग्र त्रुटि दर को 38% कम कर दिया।
यह कार्य यह प्रदर्शित करता है कि केवल एक क्वांटम कंप्यूटर की मेमोरी का परीक्षण करना यह गारंटी देने के लिए पर्याप्त नहीं है कि वह जटिल गणनाओं के लिए काम करेगा। टीम ने दिखाया कि समय-सहसंबंधित (time-correlated) त्रुटियां, जो क्यूबिट्स के उच्च ऊर्जा अवस्थाओं में फंसने के कारण होती हैं, एक बड़ी बाधा हैं जिसे संबोधित किया जाना चाहिए। यह पहचानकर कि इन त्रुटियों का विशिष्ट भौतिक कारण क्या है और एक ऐसा सर्किट बनाकर जो सक्रिय रूप से उन्हें हटाता है, उन्होंने एक ऐसी मशीन बनाने की दिशा में एक महत्वपूर्ण कदम उठाया है जो लंबे, विश्वसनीय क्वांटम एल्गोरिदम चला सके। यह अध्ययन पुष्टि करता है कि सही उपकरणों के साथ, इन जिद्दी, समय-आधारित त्रुटियों को वश में किया जा सकता है, जो बड़े और अधिक शक्तिशाली क्वांटम प्रोसेसरों के लिए मार्ग प्रशस्त 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।