← नवीनतम पेपर
⚛️ क्वांटम भौतिकी

General Noise Channels and Mid-Circuit Measurements for Pre-Trajectory Sampling with Batched Execution

यह शोध पत्र एक सामान्यीकृत प्री-ट्रैजेक्टरी सैंपलिंग विद बैचड एक्जीक्यूशन (PTSBE) विधि प्रस्तुत करता है जो जीपीयू (GPU) पर मिड-सर्किट मेजरमेंट्स और सामान्य क्रौस चैनल्स (Kraus channels) वाले नॉइज़ी क्वांटम सर्किट्स के तेज़, सटीक सिमुलेशन को सक्षम बनाता है, जो पारंपरिक तरीकों की तुलना में 83 गुना तक की गति वृद्धि प्राप्त करता है और पॉली-ट्वर्ल्ड नॉइज़ एप्रोक्सिमेशन (Pauli-twirled noise approximations) में महत्वपूर्ण अशुद्धियों को उजागर करता है।

मूल लेखक: Louis Follet, Paavai Pari, Isidor Schoch, Thien Nguyen, Justin G. Lietz, Daniel Lowell, Brucek Khailany, Krysta M. Svore, Dirk R. Englund, Taylor L. Patti

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

मूल लेखक: Louis Follet, Paavai Pari, Isidor Schoch, Thien Nguyen, Justin G. Lietz, Daniel Lowell, Brucek Khailany, Krysta M. Svore, Dirk R. Englund, Taylor L. Patti

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

आज की मशीनों की पहुंच से परे समस्याओं को हल करने वाला कंप्यूटर बनाने के लिए, वैज्ञानिक क्वांटम भौतिकी के विचित्र नियमों की ओर मुड़ रहे हैं। ये क्वांटम कंप्यूटर सूक्ष्म कणों, जैसे कि परमाणुओं या इलेक्ट्रॉनों का उपयोग करते हैं, जो एक साथ कई अवस्थाओं में मौजूद हो सकते हैं, जिससे वे सूचना को उन तरीकों से संसाधित कर सकते हैं जो क्लासिकल कंप्यूटर नहीं कर सकते। हालाँकि, ये नाजुक प्रणालियाँ अपने वातावरण से आसानी से विचलित हो जाती हैं, जिससे त्रुटियां होती हैं जो गणना को खराब कर देती हैं। इसे ठीक करने के लिए, शोधकर्ता क्वांटम एरर करेक्शन (क्वांटम त्रुटि सुधार) नामक तकनीक का उपयोग करते हैं, जो लगातार सिस्टम की गलतियों की जाँच करता है और सूचना को नष्ट किए बिना उन्हें ठीक करता है। इस प्रक्रिया के लिए मशीन के भीतर क्या हो रहा है, इसका पता लगाने के लिए हजारों माप लेने की आवश्यकता होती है। इन प्रणालियों को डिजाइन करने और उस सॉफ्टवेयर को प्रशिक्षित करने के लिए जो अंततः उन्हें चलाएगा, वैज्ञानिकों को यह सिम्युलेट करने की आवश्यकता है कि ये कंप्यूटर वास्तविक परिस्थितियों में कैसे व्यवहार करते हैं। चुनौती यह है कि इन क्वांटम त्रुटियों की सटीक, जटिल वास्तविकता को सिम्युलेट करना अविश्वसनीय रूप से धीमा और गणनात्मक रूप से महंगा है, जबकि उपलब्ध तेज़ तरीके अक्सर सरलीकरण पर निर्भर करते हैं जो परिणामों को सूक्ष्म लेकिन महत्वपूर्ण तरीकों से बदल देते हैं।

NVIDIA, MIT और ऑक्सफोर्ड विश्वविद्यालय के शोधकर्ताओं की एक टीम ने इस अंतर को पाटने के लिए एक नई विधि विकसित की है, जो शोर वाले क्वांटम सर्किट के तेज़ और सटीक सिमुलेशन की अनुमति देती है। उनका कार्य एक विशिष्ट प्रकार के सिमुलेशन पर केंद्रित है जिसे 'ट्रैजेक्टरी सैंपलिंग' कहा जाता है, जो उस पथ को ट्रैक करता है जिस पर एक क्वांटम सिस्टम विकसित होता है। अतीत में, सिम्युलेटरों को गति और सटीकता के बीच चयन करना पड़ता था। सबसे तेज़ उपकरण केवल शोर के सरलीकृत मॉडलों को ही संभाल सकते थे, जो प्रभावी रूप से उन जटिल, वास्तविक दुनिया की अंतःक्रियाओं को अनदेखा कर देते थे जो तब होती हैं जब एक क्वांटम कंप्यूटर अपनी गणना के बीच में ही अपनी अवस्था को मापता है। अधिक सटीक उपकरण इन जटिलताओं को संभाल सकते थे लेकिन वे इतने धीमे थे कि आधुनिक मशीन लर्निंग के लिए आवश्यक विशाल डेटासेट तैयार करना अव्यावहारिक था। शोधकर्ताओं ने 'जनरलाइज्ड प्री-ट्रैजेक्टरी सैंपलिंग विद बैचड एग्जीक्यूशन' नामक एक तकनीक बनाई है। यह दृष्टिकोण उन्हें विस्तृत मॉडलों के लिए पहले असंभव मानी जाने वाली गति से, मध्य-सर्किट मापों और सामान्य प्रकार के शोर वाले क्वांटम सर्किट के सटीक व्यवहार को सिम्युलेट करने की अनुमति देता है।

उनकी नवाचार की मुख्य शक्ति इस बात में निहित है कि वे क्वांटम यांत्रिकी में अंतर्निहित यादृच्छिकता (randomness) को कैसे संभालते हैं। एक क्वांटम सिस्टम में, किसी माप का परिणाम या शोर का प्रभाव पूर्व निर्धारित नहीं होता है; यह संभावना का मामला है। पारंपरिक सिम्युलेटर एक एकल सिमुलेशन चलाएंगे, प्रत्येक घटना के लिए एक यादृच्छिक विकल्प चुनेंगे, और फिर अगले रन के लिए फिर से शुरू करेंगे। इसका मतलब था कि यदि दो रन कुछ समय के लिए एक ही पथ का अनुसरण करते थे, तो कंप्यूटर एक ही चरणों की गणना दोबारा करने में समय बर्बाद करता था। नई विधि इसे पहले से तय किए गए कुछ परिणामों को निर्धारित करके बदल देती है, सिमुलेशन शुरू होने से पहले ही। यह प्रक्रिया के उन हिस्सों की पहचान करती है जहाँ संभावनाएँ निश्चित हैं और सिस्टम की वर्तमान अवस्था से स्वतंत्र हैं, और यह उन परिणामों को पहले ही चुन लेती है। उन हिस्सों के लिए, जो अवस्था पर निर्भर करते हैं, यह निर्णय लेने के लिए सिमुलेशन के उस बिंदु तक प्रतीक्षा करता है।

यह रणनीति शोधकर्ताओं को कई संभावित सिमुलेशन रन को एक साथ समूहबद्ध करने की अनुमति देती है। यदि एक समूह के रन एक ही पूर्व-चयनित परिणामों को साझा करते हैं, तो वे एक एकल इकाई के रूप में सर्किट के माध्यम से एक साथ यात्रा कर सकते हैं। केवल तभी जब वे उस बिंदु पर पहुँचते हैं जहाँ अवस्था-निर्भर निर्णय की आवश्यकता होती है, समूह छोटी शाखाओं में विभाजित हो जाता है, जिनमें से प्रत्येक एक अलग पथ का अनुसरण करता है। महत्वपूर्ण रूप से, क्योंकि शोधकर्ताओं ने समूह के लिए अवस्था की गणना पहले ही कर ली है, उन्हें प्रत्येक शाखा के लिए इसे पुन: गणना करने की आवश्यकता नहीं होती है। वे कैश (cache) की गई अवस्था का पुन: उपयोग कर सकते हैं, जिससे बहुत समय बचता है। एक बार जब सिमुलेशन अंत तक पहुँच जाता है, तो वे उस एकल अंतिम अवस्था से एक ही बैच में हजारों माप रिकॉर्ड उत्पन्न कर सकते हैं, बजाय इसके कि पूरे सर्किट को हजारों बार चलाया जाए। यह विशेष रूप से उन बड़े, लेबल किए गए डेटासेट उत्पन्न करने के लिए शक्तिशाली है जो क्वांटम एरर करेक्शन के लिए डिकोडर के रूप में कार्य करने वाले आर्टिफिशियल इंटेलिजेंस मॉडल को प्रशिक्षित करने के लिए आवश्यक हैं।

टीम ने विभिन्न क्वांटम सर्किटों पर अपने तरीके का परीक्षण किया, जिनमें टोपोलॉजिकल कोड्स में सूचना संग्रहीत करने के लिए डिज़ाइन किए गए सर्किट शामिल हैं, जो दोष-सहिष्णु (fault-tolerant) क्वांटम कंप्यूटर बनाने के प्रमुख दावेदार हैं। जब उन्होंने अपने नए सिम्युलेटर की तुलना वर्तमान में उपयोग किए जाने वाले मानक, उच्च-प्रदर्शन वाले उपकरणों से की, तो परिणाम आश्चर्यजनक थे। उन सर्किटों के लिए जिनमें 'एम्प्लीट्यूड डैम्पिंग' नामक एक विशिष्ट प्रकार का शोर शामिल है, जो यह दर्शाता है कि ऊर्जा क्वांटम सिस्टम से कैसे बाहर निकलती है, उनकी विधि पारंपरिक दृष्टिकोण की तुलना में 24 गुना तक तेज़ थी। अधिक जटिल रैंडम सर्किटों के लिए, जिनमें मध्य-सर्किट माप शामिल थे, गति में वृद्धि और भी नाटकीय थी, जो 83 गुना तक पहुँच गई। एक विशिष्ट मोड में, जो बड़े डेटासेट उत्पन्न करने के लिए डिज़ाइन किया गया है, जहाँ एक ही सिमुलेशन पथ का उपयोग कई अलग-अलग माप रिकॉर्ड बनाने के लिए किया जाता है, उनका तरीका मानक पद्धति की तुलना में लगभग 70,000 गुना तेज़ था। दक्षता में यह उछाल का अर्थ है कि शोधकर्ता अब पहले की तुलना में बहुत कम समय में उन लाखों डेटा बिंदुओं को उत्पन्न कर सकते हैं जिनकी आवश्यकता परिष्कृत मशीन-लर्निंग डिकोडर को प्रशिक्षित करने के लिए होती है।

केवल गति के अलावा, शोधकर्ताओं ने प्रदर्शित किया कि उनका तरीका क्षेत्र में उपयोग किए जाने वाले सामान्य शॉर्टकट की तुलना में अधिक सटीक परिणाम देता है। 'पॉली ट्वर्लिंग' नामक एक व्यापक रूप से उपयोग की जाने वाली तकनीक जटिल शोर को एक सरल रूप में बदल देती है जिसे सिम्युलेट करना आसान होता है, लेकिन टीम ने दिखाया कि यह सरलीकरण महत्वपूर्ण त्रुटियां पैदा करता है। एक क्वांटम मेमोरी सिस्टम पर उनके परीक्षणों में, सरलीकृत मॉडल ने त्रुटियों का पता लगाने की दर को 21 प्रतिशत अधिक बताया। इससे भी महत्वपूर्ण बात यह है कि जब उन्होंने इस सरलीकृत मॉडल के डेटा का उपयोग एक डिकोडर को प्रशिक्षित करने के लिए किया, तो परिणामी सिस्टम ने सटीक, असिम्प्लीफाइड डेटा पर प्रशिक्षित डिकोडर की तुलना में 8 प्रतिशत अधिक लॉजिकल एरर (तार्किक त्रुटियां) कीं। यह खोज अनुमानों पर निर्भर रहने के एक गंभीर दोष को उजागर करती है: हालांकि वे तेज़ हो सकते हैं, लेकिन वे ऐसे त्रुटि-सुधार प्रणालियों के डिजाइन की ओर ले जा सकते हैं जो वास्तव में प्रभावी होने के बजाय कम प्रभावी होते हैं। सटीक शोर को बिना गति से समझौता किए सिम्युलेट करने का तरीका प्रदान करके, यह नया तरीका सुनिश्चित करता है कि भविष्य के क्वांटम कंप्यूटरों के निर्माण के लिए उपयोग किया जाने वाला डेटा वास्तविकता को दर्शाता है।

इस कार्य के निहितार्थ एक व्यावहारिक क्वांटम कंप्यूटर बनाने के व्यापक प्रयास तक विस्तृत हैं। जैसे-जैसे ये मशीनें आकार और जटिलता में बढ़ती हैं, उन्हें सिम्युलेट करने की क्षमता एक बाधा बन जाती है। शोधकर्ताओं की विधि वास्तविक शोर मॉडलों की एक विस्तृत श्रृंखला के लिए इस बाधा को दूर करती है, जिसमें वे मॉडल भी शामिल हैं जिनमें सिस्टम को चलते समय मापना शामिल है। यह क्षमता उन जटिल प्रोटोकॉल के अध्ययन के द्वार खोलती है जो मध्य-सर्किट मापों पर निर्भर करते हैं, जैसे कि विशेष क्वांटम अवस्थाओं को बनाने या वास्तविक समय में त्रुटि सुधार करने के लिए उपयोग किए जाते हैं। टीम ने अपने सॉफ़्टवेयर को एक मौजूदा ओपन-सोर्स प्लेटफॉर्म के विस्तार के रूप में उपलब्ध कराया है, जिससे अन्य वैज्ञानिक तुरंत अपने स्वयं के शोध में इन गति लाभों को लागू कर सकें। सटीक, हाई-थ्रूपुट सिमुलेशन को व्यावहारिक बनाकर, यह कार्य दोष-सहिष्णु क्वांटम कंप्यूटरों के विकास के लिए एक महत्वपूर्ण उपकरण प्रदान करता है, जिससे यह सुनिश्चित होता है कि इन मशीनों की अगली पीढ़ी सटीक, वास्तविक डेटा की नींव पर बनाई जाएगी।

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 →