← नवीनतम पेपर
⚛️ क्वांटम भौतिकी

Parisi Energy before Parisi Geometry in the Quantum Approximate Optimization Algorithm

यह शोध पत्र यह प्रदर्शित करता है कि क्वांटम एप्रोक्सिमेट ऑप्टिमाइजेशन एल्गोरिदम (QAOA), विशिष्ट आउटपुट नमूनों द्वारा विशिष्ट पारिसी ज्यामितीय संरचना प्रदर्शित करने से पहले ही स्पिन ग्लास की पारिसी ग्राउंड-स्टेट ऊर्जा के करीब पहुँच जाता है, जो एक विशिष्ट अनुकूलन पथ को प्रकट करता है जहाँ थर्मोडायनामिक सीमा में मैक्रोस्कोपिक सहसंबंध से पूर्व लो-एनर्जी टेल का संगठन होता है।

मूल लेखक: Maxime Dupont, Bhuvanesh Sundar

प्रकाशित 2026-11-19
📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

मूल लेखक: Maxime Dupont, Bhuvanesh Sundar

मूल पेपर CC0 1.0 (http://creativecommons.org/publicdomain/zero/1.0/) के तहत सार्वजनिक डोमेन को समर्पित 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

आधुनिक भौतिकी के विशाल परिदृश्य में, समस्याओं का एक वर्ग मौजूद है जिसे 'स्पिन ग्लास' (spin glass) के रूप में जाना जाता है, जो यह परीक्षण करने के लिए एक कठोर पैमाना है कि कंप्यूटर और एल्गोरिदम समाधान खोजने में कितने सक्षम हैं। कल्पना कीजिए कि छोटे चुंबकों की एक प्रणाली है, जिनमें से प्रत्येक अपने पड़ोसियों के साथ संरेखित होने की कोशिश कर रहा है, लेकिन पड़ोसी विपरीत दिशाओं में खींच रहे हैं। यह हताशा (frustration) संभावित अवस्थाओं का एक ऊबड़-खाबड़ भूभाग बनाती है, जहाँ सबसे अच्छा समाधान स्थानीय बाधाओं (local traps) के गहरे भूलभुलैया में छिपा होता है। दशकों से, वैज्ञानिकों ने समझा है कि ऐसी प्रणाली में पूर्णतः न्यूनतम ऊर्जा अवस्था खोजने के लिए एक जटिल, खंडित ज्यामिति के माध्यम से नेविगेट करना आवश्यक है। क्लासिकल कंप्यूटर यहाँ संघर्ष करते हैं, अक्सर स्थानीय घाटियों में फंस जाते हैं, जबकि क्वांटम कंप्यूटर एक अलग दृष्टिकोण प्रदान करते हैं: परिदृश्य के माध्यम से एक एकल पथ पर चलने के बजाय, वे एक क्वांटम अवस्था तैयार करते हैं जो, जब मापी जाती है, तो संभावित उत्तरों का एक बादल उत्पन्न करती है। केंद्रीय रहस्य यह रहा है कि जैसे-जैसे कंप्यूटर अधिक शक्तिशाली होता जाता है, यह क्वांटम बादल खुद को कैसे व्यवस्थित करता है, और क्या यह वास्तव में उन सबसे गहरे, सबसे इष्टतम समाधानों तक पहुँच सकता है जिन्हें क्लासिकल विधियाँ चूक देती हैं।

रिगेटी कंप्यूटिंग (Rigetti Computing) के शोधकर्ताओं की एक टीम ने अब इस प्रश्न का सीधे तौर पर पता लगाया है, जिसमें उन्होंने शेरिंगटन-किर्कपैट्रिक मॉडल (Sherrington-Kirkpatrick model), जो स्पिन ग्लास का एक प्रसिद्ध गणितीय प्रतिनिधित्व है, से निपटने के लिए क्वांटम एप्रोक्सिमेट ऑप्टिमाइज़ेशन एल्गोरिदम (QAOA) नामक एक विशिष्ट क्वांटम एल्गोरिदम का उपयोग किया है। उन्होंने केवल एल्गोरिदम द्वारा उत्पादित समाधानों की ऊर्जा को नहीं देखा; इसके बजाय, उन्होंने समाधान के बादल के आकार का परीक्षण किया। एक ही क्वांटम रन से दो स्वतंत्र उत्तरों को खींचकर और यह मापकर कि वे कितने समान थे, शोधकर्ता एल्गोरिदम के आउटपुट की अंतर्निहित ज्यामिति का मानचित्रण कर सके। उनके निष्कर्ष एक आश्चर्यजनक घटनाओं के क्रम को प्रकट करते हैं: क्वांटम एल्गोरिदम सैद्धांतिक न्यूनतम ऊर्जा मान तक बहुत पहले ही पहुँच जाता है, इससे पहले कि उसके द्वारा उत्पादित समाधान उस जटिल, परस्पर जुड़े ढांचे की तरह दिखने लगें जो इस प्रणाली की वास्तविक 'ग्राउंड स्टेट' की विशेषता है।

अध्ययन इस बात पर केंद्रित था कि क्या होता है जब क्वांटम सर्किट गहरा होता है, जिसका अर्थ है कि एल्गोरिदम में ऑपरेशन्स की अधिक परतें जोड़ी जाती हैं। शुरुआती चरणों में, एल्गोरिदम द्वारा उत्पन्न विशिष्ट समाधान पूरी तरह से असंबद्ध (uncorrelated) होते हैं; यदि आप दो यादृच्छिक उत्तर चुनते हैं, तो वे एक-दूसरे से बिल्कुल अलग दिखते हैं, ठीक वैसे ही जैसे दो लोग स्वतंत्र रूप से सिक्के उछाल रहे हों। हालाँकि, जैसे-जैसे सर्किट गहरा होता है, कम ऊर्जा वाली अवस्थाओं को खोजने की एल्गोरिदम की क्षमता में सुधार होता है, जो ज्ञात सैद्धांतिक सीमा जिसे 'पेरिस ऊर्जा' (Parisi energy) कहा जाता है, के करीब पहुँचती है। शोधकर्ताओं ने पाया कि भले ही एल्गोरिदम इन कम-ऊर्जा वाली अवस्थाओं को खोजने में बेहतर हो रहा है, फिर भी विशिष्ट, सबसे सामान्य समाधान असंबद्ध रहते हैं। वे अभी तक उस जटिल, ओवरलैपिंग संरचना को प्रदर्शित नहीं करते हैं जो इस प्रणाली के वास्तविक 'ग्लासी फेज' को परिभाषित करती है।

मुख्य खोज वितरण के 'लो-एनर्जी टेल' (low-energy tail) में निहित है। जबकि औसत आउटपुट अव्यवस्थित रहता है, एल्गोरिदम द्वारा पाए गए दुर्लभ, असाधारण रूप से अच्छे समाधान एक-दूसरे के साथ ओवरलैप होने की मजबूत प्रवृत्ति दिखाने लगते हैं। ये उच्च-गुणवत्ता वाले नमूने उस जटिल, पदानुक्रमित (hierarchical) संरचना में व्यवस्थित होने लगते हैं जिसकी भविष्यवाणी पेरिस समाधान (Parisi solution) करता है, जो यह बताता है कि एक वास्तविक स्पिन ग्लास में स्पिन कैसे व्यवस्थित होते हैं। यह संगठन सबसे पहले वितरण के सबसे गहरे, सबसे ऊर्जावान हिस्से में दिखाई देता है, इससे बहुत पहले कि यह विशिष्ट आउटपुट का सामान्य हिस्सा बने। शोधकर्ताओं ने देखा कि जैसे-जैसे सर्किट की गहराई बढ़ती है, यह व्यवस्थित, लो-एनर्जी टेल बढ़ती है और विशिष्ट समाधानों के करीब आती है, लेकिन दोनों अलग रहते हैं। विशिष्ट, असंबद्ध आउटपुट और अत्यधिक व्यवस्थित, लो-एनर्जी टेल के बीच का अंतर कम होता जाता है, जिससे पता चलता है कि एल्गोरिदम पूर्ण ऊर्जा मान तक पहुँच जाता है इससे पहले कि पूर्ण ज्यामितीय संरचना विशिष्ट बन जाए।

यह व्यवहार क्वांटम दृष्टिकोण को दोनों क्लासिकल थर्मल विधियों और उन क्लासिकल एल्गोरिदम से अलग करता है जो समस्या की गणितीय संरचना का स्पष्ट रूप से लाभ उठाते हैं। क्लासिकल थर्मल विधियाँ, जैसे सिम्युलेटेड एनीलिंग (simulated annealing), परिदृश्य का अन्वेषण करने के लिए तापमान पर निर्भर करती हैं, लेकिन कम तापमान पर, वे स्पिन ग्लास चरण की खंडित ज्यामिति में फंस जाती हैं। वे क्लासिकल एल्गोरिदम जो समस्या की विशिष्ट विश्लेषणात्मक संरचना का उपयोग करते हैं, निकट-इष्टतम समाधान पा सकते हैं, लेकिन वे ऐसा ज्ञात ओवरलैप संरचना पर सीधे निर्माण करके करते हैं। इसके विपरीत, QAOA एक अलग मार्ग से इष्टतम ऊर्जा तक पहुँचता प्रतीत होता है। यह सही ऊर्जा मान पहले पाता है, और समाधानों की जटिल ज्यामितीय व्यवस्था उसके बाद आती है, और केवल अनंत सर्किट गहराई की सीमा में ही विशिष्ट होती है।

शोधकर्ताओं ने थर्मोडायनामिक लिमिट (thermodynamic limit) में सैद्धांतिक गणनाओं और परिमित प्रणालियों (finite systems) पर सटीक सिमुलेशन के संयोजन के माध्यम से इन निष्कर्षों की पुष्टि की। उन्होंने यह मापने के लिए कि ऊर्जा को कम करने के लिए एल्गोरिदम को ट्यून करने पर ओवरलैप कैसे बदलता है, समाधानों के बीच के ओवरलैप का अध्ययन किया। उनके डेटा ने दिखाया कि सर्किट की गहराई के साथ ओवरलैप बायस (overlap bias) के प्रति संवेदनशीलता बढ़ती है, जो यह दर्शाता है कि समाधान अपने आपसी संगठन के प्रति अधिक संवेदनशील होते जा रहे हैं। हालाँकि, विशिष्ट नमूने मैक्रोस्कोपिक रूप से असंबद्ध रहे, जबकि लो-एनर्जी टेल ने एक चरण संक्रमण (phase transition) के महत्वपूर्ण व्यवहार को प्रदर्शित किया, जो संतुलन स्पिन-ग्लास चरण में देखे गए व्यवहार की नकल करता है।

अध्ययन सुझाव देता है कि क्वांटम एल्गोरिदम न तो कम तापमान पर एक क्लासिकल सिस्टम के थर्मल व्यवहार की नकल करता है, और न ही क्लासिकल ऑप्टिमाइज़ेशन विधियों के स्पष्ट संरचनात्मक पथ का अनुसरण करता है। इसके बजाय, यह एक अद्वितीय प्रक्षेपवक्र (trajectory) का अनुसरण करता है जहाँ ऊर्जा और ज्यामिति अलग हो जाते हैं। एल्गोरिदम लक्ष्य ऊर्जा तक पहुँच जाता है इससे पहले कि समाधानों की ज्यामिति विशिष्ट हो जाए। इसका तात्पर्य यह है कि इन जटिल अनुकूलन समस्याओं में क्वांटम लाभ तुरंत समाधान स्थान की जटिल संरचना को दोहराने से नहीं आता है, बल्कि एक अधिक सूक्ष्म प्रक्रिया से आता है जहाँ ऊर्जा पहले कम होती है, और संरचनात्मक संगठन केवल तभी उभरता है जब एल्गोरिदम को उसकी सबसे गहरी सीमाओं तक धकेला जाता है। ये निष्कर्ष एक स्पष्ट तस्वीर प्रदान करते हैं कि कैसे क्वांटम एल्गोरिदम स्पिन ग्लास के ऊबड़-खाबड़ भूभाग में नेविगेट करते हैं, जो एक अलग पथ प्रदान करते हैं जो इष्टतम ऊर्जा की उपलब्धि को समाधान की ज्यामितीय संरचना की विशिष्टता से अलग 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।

Digest आज़माएँ →