← नवीनतम पेपर
⚛️ क्वांटम भौतिकी

Covering the Pauli Observables: Sampling Thresholds and the Design Effect of a Measurement Setting

यह शोध पत्र स्थापित करता है कि यादृच्छिक मापन सेटिंग्स (random measurement settings) एक विशिष्ट घातीय वृद्धि दर (exponential growth rate) पर पाउली ऑब्सर्वेबल्स (Pauli observables) के एक तीक्ष्ण सीमा अंश (sharp threshold fraction) को कवर करती हैं, एक अवस्था-निर्भर "डिज़ाइन प्रभाव" (design effect) के माध्यम से परिणामी सहसंबंधों को परिमाणित करती हैं, और यह प्रदर्शित करता है कि इन सहसंबंधों का हिस्टोग्राम फिटिंग के माध्यम से लाभ उठाने से स्वतंत्र मापों की तुलना में क्वांटम स्टेट टोमोग्राफी के लिए आवश्यक सर्किट रन और पुनर्निर्माण त्रुटि (reconstruction error) में महत्वपूर्ण रूप से कमी आती है।

मूल लेखक: Kausthubh Chandramouli, Noah Siekierski, Bojko N. Bakalov, Dror Baron

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

मूल लेखक: Kausthubh Chandramouli, Noah Siekierski, Bojko N. Bakalov, Dror Baron

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

इन शोधकर्ताओं के कार्य को समझने के लिए, सबसे पहले यह समझना आवश्यक है कि क्वांटम कंप्यूटर के भीतर झाँकने की चुनौती क्या है। एक क्वांटम कंप्यूटर जानकारी को साधारण बिट्स में संग्रहीत नहीं करता है जो या तो शून्य या एक होते हैं; इसके बजाय, यह क्वांटम बिट्स, या क्यूबिट्स (qubits) का उपयोग करता है, जो एक ही समय में दोनों अवस्थाओं के जटिल संयोजनों में मौजूद हो सकते हैं। यह जानने के लिए कि एक क्वांटम कंप्यूटर वास्तव में क्या कर रहा है, वैज्ञानिकों को 'क्वांटम स्टेट टोमोग्राफी' नामक एक प्रक्रिया करनी पड़ती है, जो अनिवार्य रूप से मशीन की आंतरिक स्थिति की एक पूर्ण तस्वीर लेने जैसा है। इसके लिए क्यूबिट्स के विशिष्ट गुणों को मापना आवश्यक है, जिन्हें 'ऑब्जर्वेबल्स' (observables) कहा जाता है। क्वांटम दुनिया में, ये गुण एक दिशा-सूचक यंत्र (कंपास) की दिशाओं की तरह व्यवहार करते, और प्रत्येक एकल क्यूबिट के लिए चुनने के लिए चार मौलिक दिशाएँ होती हैं।

समस्या यह है कि इन दिशाओं की संख्या इतनी अधिक है कि उन्हें एक-एक करके मापना असंभव रूप से लंबा समय ले लेगा। यदि किसी वैज्ञानिक के पास केवल कुछ दर्जन क्यूबिट्स वाली मशीन है, तो दिशाओं के संभावित संयोजनों की संख्या इतनी तेजी से बढ़ती है कि वह ब्रह्मांड में परमाणुओं की संख्या से भी अधिक हो जाती है। इस कार्य को व्यवहार्य बनाने के लिए, प्रयोगात्मक विशेषज्ञ इन गुणों को व्यक्तिगत रूप से नहीं मापते हैं। इसके बजाय, वे एक बार में पूरी मशीन के लिए एक एकल "सेटिंग" (setting) चुनते हैं। एक सेटिंग पूरी मशीन के लिए तीन विशिष्ट अक्षों (axes) में से एक के साथ प्रत्येक क्यूबिट को मापने का निर्णय है। जब मशीन इस सेटिंग के तहत चलती है, तो यह डेटा की एक एकल स्ट्रिंग (string) उत्पन्न करती है जिसमें वास्तव में कई अलग-अलग गुणों के बारे में जानकारी समाहित होती है। इस अध्ययन के शोधकर्ताओं ने एक मौलिक प्रश्न पूछा: यदि हम इन सेटिंग्स को यादृच्छिक (random) रूप से चुनते हैं, तो हमें कितने सेटिंग्स एकत्र करने की आवश्यकता है ताकि हम संपूर्ण क्वांटम अवस्था को पुनर्गठित करने के लिए पर्याप्त जानकारी प्राप्त कर सकें?

नॉर्थ कैरोलिना स्टेट यूनिवर्सिटी और शिकागो विश्वविद्यालय के शोधकर्ताओं के नेतृत्व वाली टीम ने पाया कि इसका उत्तर केवल तब तक अधिक डेटा एकत्र करने का मामला नहीं है जब तक कि वह पर्याप्त न लगे। इसके बजाय, यहाँ एक तीव्र, अचानक आने वाला टिपिंग पॉइंट (tipping point) है। उन्होंने पाया कि जैसे-जैसे यादृच्छिक सेटिंग्स की संख्या बढ़ती है, कैप्चर की गई जानकारी का अंश लंबे समय तक कम रहता है, और फिर जैसे ही सेटिंग्स की संख्या क्यूबिट्स के सापेक्ष एक विशिष्ट विकास दर तक पहुँचती है, यह अचानक लगभग पूर्ण कवरेज तक उछल जाता है। यह दर मापे जा रहे गुणों की औसत जटिलता द्वारा निर्धारित होती है। इस सीमा से नीचे, सेटिंग्स सिस्टम का वर्णन करने के लिए अपर्याप्त हैं; इसके ऊपर, सेटिंग्स पर्याप्त से भी अधिक हैं। शोधकर्ताओं ने वांछित स्तर का कवरेज प्राप्त करने के लिए आवश्यक सेटिंग्स की सटीक संख्या की गणना की, जिससे एक सटीक सूत्र प्राप्त हुआ जो एक प्रयोगात्मक विशेषज्ञ को बताता है कि कितने रन शेड्यूल करने हैं। उन्होंने यह भी सिद्ध किया कि हालांकि सेटिंग्स का एक चतुर, पूर्व-नियोजित चयन सैद्धांतिक रूप से थोड़ा अधिक कुशल हो सकता है, लेकिन यादृच्छिक चयन लगभग सर्वोत्तम संभव रणनीति के समान ही अच्छा है, जिसमें समान परिणाम प्राप्त करने के लिए दोगुने से कम सेटिंग्स की आवश्यकता होती है।

हालाँकि, यह अध्ययन केवल यह गिनने से आगे निकल गया कि कितने सेटिंग्स की आवश्यकता है। शोधकर्ताओं ने महसूस किया कि डेटा की गुणवत्ता के मामले में सभी सेटिंग्स समान नहीं होती हैं। जब एक सेटिंग चुनी जाती है, तो यह एक ही अंतर्निहित डेटा का उपयोग करके गुणों के एक समूह को एक साथ मापती है। क्योंकि ये गुण एक ही माप घटना से प्राप्त होते हैं, इसलिए उनके अनुमान आपस में जुड़े हुए, या सह-संबंधित (correlated) होते हैं। यदि मापी जा रही क्वांटम अवस्था अत्यधिक संरचित है, जैसे कि एक विशिष्ट एंटैंगल्ड (entangled) अवस्था जहाँ सभी क्यूबिट्स एक साथ मिलकर कार्य करते हैं, तो यह सहसंबंध बहुत मजबूत हो जाता है। टीम ने इस शक्ति को मापने का एक तरीका विकसित किया, जिसे उन्होंने "डिज़ाइन इफेक्ट" (design effect) कहा। यह संख्या वैज्ञानिकों को बताती है कि एक एकल सेटिंग से प्राप्त डेटा कितना रेडंडेंट (redundant) या दोहराव वाला है। कुछ जटिल क्वांटम अवस्थाओं के लिए, एक सेटिंग से प्राप्त डेटा इतना केंद्रित होता है कि यह कई स्वतंत्र मापों के बराबर होता है, जबकि अन्य के लिए, डेटा अधिक समान रूप से फैला होता है।

शोधकर्ताओं ने छह-क्यूबिट सिस्टम पर विस्तृत कंप्यूटर सिमुलेशन के माध्यम से इन विचारों का परीक्षण किया। उन्होंने दो दृष्टिकोणों की तुलना की: एक जहाँ उन्होंने प्रत्येक गुण को व्यक्तिगत रूप से मापा, और दूसरा जहाँ उन्होंने एक साथ कई गुणों को कैप्चर करने के लिए यादृच्छिक सेटिंग्स का उपयोग किया। परिणाम चौंकाने वाले थे। यादृच्छिक सेटिंग्स का उपयोग करके और फिर केवल परिणामों के औसत निकालने के बजाय कच्चे डेटा हिस्टोग्राम (histograms) को फिट करने के लिए एक परिष्कृत गणितीय तकनीक लागू करके, वे पारंपरिक विधि की तुलना में बहुत कम सर्किट रन के साथ क्वांटम अवस्था को पुनर्गठित कर सके। उनके सिमुलेशन में, नए दृष्टिकोण को समान सटीकता प्राप्त करने के लिए पारंपरिक पद्धति की तुलना में सात से अड़तीस गुना कम रन की आवश्यकता थी। सुधार और भी अधिक था जब शोधकर्ताओं ने मापों के बीच के सहसंबंधों को ध्यान में रखा। उन्होंने पाया कि कुछ संरचित अवस्थाओं के लिए, मापों के बीच के सहसंबंधों को अनदेखा करने से उनकी सटीकता में दो गुना की कमी आई, लेकिन उन्हें मॉडल करके, वे उस खोई हुई सटीकता को वापस पा सके।

यह कार्य उन प्रयोगात्मक विशेषज्ञों के लिए एक स्पष्ट रोडमैप प्रदान करता है जो क्वांटम कंप्यूटरों का लक्षण वर्णन करने का प्रयास कर रहे हैं। यह दर्शाता है कि उन्हें मापन के सही क्रम को खोजने के लिए वर्षों बिताने की आवश्यकता नहीं है। इसके बजाय, वे यादृच्छिक चयन पर भरोसा कर सकते हैं, यह जानते हुए कि एक बार जब वे एक विशिष्ट सीमा को पार कर लेते हैं, तो उनके पास आवश्यक जानकारी उपलब्ध होगी। इसके अलावा, यह समझकर कि एक एकल सेटिंग से प्राप्त डेटा कैसे सह-संबंधित है, वे हर रन से अधिकतम मूल्य निकालने के लिए अधिक शक्तिशाली पुनर्निर्माण विधियों का उपयोग कर सकते हैं। यह अध्ययन पुष्टि करता है कि जटिल क्वांटम प्रणालियों को समझने का मार्ग यादृच्छिकता से बचने में नहीं, बल्कि इसे नियंत्रित करने में निहित है, जिससे मापों के एक अराजक संग्रह को क्वांटम दुनिया की एक सटीक तस्वीर में बदला जा सके।

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 →