Diagnosing Simulation and Hardware Barriers to Cross-Size Transfer in Equivariant Quantum Reinforcement Learning

यहाँ एक विस्तृत तकनीकी सारांश दिया गया है, जो लेखकों की आवाज़, दायरे और विशिष्ट दावों का पालन करता है।

समस्या विवरण (Problem Statement)

कॉम्बिनेटोरियल ऑप्टिमाइज़ेशन (CO) समस्याएँ, जैसे कि ट्रैवलिंग सेल्समैन प्रॉब्लम (TSP), लॉजिस्टिक्स और नेटवर्क डिज़ाइन के केंद्र में हैं, लेकिन ये NP-hard हैं, जिससे बड़े इनपुट के लिए सटीक समाधान प्राप्त करना कठिन हो जाता है। जबकि रिइन्फोर्समेंट लर्निंग (RL) और क्वांटम रिइन्फोर्समेंट लर्निंग (QRL) हीयुरिस्टिक रणनीतियाँ प्रदान करते हैं, एक प्रमुख स्केलेबिलिटी बाधा बनी हुई है: अधिकांश QRL विधियों को प्रत्येक नई समस्या इंस्टेंस या आकार के लिए शून्य से पुन: प्रशिक्षण (retraining) की आवश्यकता होती है।

यह शोध जाँचता है कि क्या इक्विवेरिएंट क्वांटम सर्किट्स (EQCs)—जो क्रमपरिवर्तन समरूपता (permutation symmetry) को एनकोड करते हैं ताकि पैरामीटरों की संख्या समस्या के आकार से स्वतंत्र रहे—जीरो-शॉट क्रॉस-साइज़ ट्रांसफर की सुविधा प्रदान कर सकते हैं। विशेष रूप से, लेखक यह देखते हैं कि क्या छोटे $n$-सिटी TSP इंस्टेंस पर प्रशिक्षित पैरामीटर्स $\theta_n$ को बिना पुन: प्रशिक्षण के बड़े $m$-सिटी इंस्टेंस ($m > n$) पर सीधे स्थानांतरित किया जा सकता है, और क्या यह ट्रांसफर वास्तविक क्वांटम हार्डवेयर पर निष्पादन के दौरान भी बना रहता है।

कार्यप्रणाली (Methodology)

लेखक एक पाँच-चरणीय, प्रोटोकॉल-मैच्ड मूल्यांकन पाइपलाइन का उपयोग करते हैं ताकि सिमुलेशन सन्निकटन (approximations), शोर (noise), और फाइनाइट-शॉट सैंपलिंग के प्रभावों को वास्तविक ट्रांसफर व्यवहार से अलग किया जा सके। यह अध्ययन Skolik et al. [11] के EQC आर्किटेक्चर (गहराई $L=1$, दो ट्रेन करने योग्य स्केलर $\beta, \gamma$) का उपयोग करता है, जिसे यूक्लिडियन TSP इंस्टेंस पर लागू किया गया है।

पाइपलाइन इस प्रकार आगे बढ़ती है:

1. बेस स्टेज (Base Stage): एक 12-नोड वैलिडेशन लेन पर एक स्थिर ट्रेनिंग रेसिपी (फ्रोजन ऑब्जर्वेशन रीस्केलिंग, बेस्ट-चेकपॉइंट रिपोर्टिंग) का चयन।
2. N1 (सोर्स पॉलिसीज़): सटीक स्टेटवेक्टर सिमुलेशन का उपयोग करके $n \in \{5, 10, 15, 20\}$ शहरों पर शून्य से प्रशिक्षण।
3. N2 (एक्ज़ैक्ट ट्रांसफर): सटीक स्टेटवेक्टर सिमुलेशन का उपयोग करके विभिन्न आकारों के बीच जीरो-शॉट ट्रांसफर और फाइन-ट्यूनिंग का मूल्यांकन (जैसे, $5 \to 10$, $10 \to 15$)।
4. N3 (स्केलिंग फ्रंटियर): सिमुलेशन फिडेलिटी सीमाओं को समझने के लिए मैट्रिक्स प्रोडक्ट स्टेट (MPS) सिमुलेशन, नॉइज़ी MPS (IBM नॉइज़ मॉडल), और हाई-बॉन्ड-डायमेंशन स्वीप्स का उपयोग करके बड़े आकारों ($n$ अप टू 100) तक विस्तार।
5. N4 (हार्डवेयर निष्पादन): क्वांटिनियम ट्रैप्ड-आयन हार्डवेयर (H2-2, Helios-1) और एम्युलेटर्स पर उन्हीं ट्रांसफ़र्ड पॉलिसीज़ का निष्पादन, जिसके बाद दो क्यूबिट प्रौद्योगिकियों और चार वेंडरों वाले पाँच उपकरणों (Quantinuum, IBM, Rigetti, IQM) के माध्यम से एक क्रॉस-प्लेटफॉर्म अभियान चलाया गया।

सैद्धांतिक ढांचा (Theoretical Framework)

यह शोध $n$ आकार पर सोर्स ट्रेनिंग दिए जाने पर लक्ष्य आकार $m$ पर अपेक्षित प्रदर्शन $P_m(\theta^*_n)$ के लिए एक कंडीशनल डायग्नोस्टिक ट्रांसफर बाउंड व्युत्पन्न करता है। यह बाउंड प्रदर्शन में गिरावट को निम्नलिखित में विभाजित करता है:

• सोर्स जनरलाइजेशन: एक टर्म $G^{roll}_n(\delta)$ जो एम्पिरिकल और वास्तविक सोर्स प्रदर्शन के बीच के अंतर को नियंत्रित करता है।
• ट्रांसफर पेनल्टी ($D_{n \to m}$): जिसका योग है:
  • पैरामेट्रिक मिसमैच: जो पैरामीटर $\ell_1$-नॉर्म और सापेक्ष आकार जंप $(m-n)/m$ के साथ रैखिक रूप से स्केल करता है।
  • स्ट्रक्चरल स्मूथनेस: एक टर्म $\Psi(n, m)$ (जिसे Beardwood–Halton–Hammersley स्केलिंग के आधार पर $\sqrt{m} - \sqrt{n}$ के रूप में मॉडल किया गया है) जो ग्राफ आकारों के बीच पॉलिसी की स्मूथनेस को दर्शाता है।

लेखक स्पष्ट रूप से नोट करते हैं कि यह बाउंड डायग्नोस्टिक और वर्स्ट-केस है, जिसका उद्देश्य संख्यात्मक अंतराल की उच्च सटीकता के साथ भविष्यवाणी करने के बजाय स्केलिंग संरचनाओं की पहचान करना है। वे यह भी स्पष्ट करते हैं कि अध्ययन किया गया विशिष्ट EQC आर्किटेक्चर (मॉडल B) लाइ-अलजेब्रिक विधियों (मॉडल A) के माध्यम से क्लासिकली सिमुलेबल है, और वे इस सिमुलेबिलिटी का उपयोग एक "मेज़रमेंट इंस्ट्रूमेंट" (ग्राउंड ट्रुथ) के रूप में करते हैं, न कि क्वांटम एडवांटेज का दावा करने के लिए।

मुख्य परिणाम (Key Results)

1. वैलिडेटेड इन-रिजीम ट्रांसफर (Validated In-Regime Transfer)

एक वैलिडेटेड रिजीम के भीतर (छोटे आकार के जंप, जैसे, $5 \to 10$), जीरो-शॉट ट्रांसफर सभी छह पूर्ण मूल्यांकनों में टारगेट-साइज़ ट्रेनिंग से बेहतर रहा। $5 \to 10$ ट्रांसफर ने 5.07% का औसत ऑप्टिमलिटी गैप प्राप्त किया, जो स्क्रैच-ट्रेन्ड बेसलाइन से बेहतर था। यह सुझाव देता है कि EQCs संरचनात्मक अंतर्दृष्टि को एनकोड करते हैं जो मध्यम आकार के जंप होने पर विभिन्न पैमानों पर सामान्यीकृत (generalize) होती है।

2. स्केलेबिलिटी के तीन स्वतंत्र अवरोध (Three Independent Barriers to Scalability)

वैलिडेटेड रिजीम के परे, तीन अलग-अलग अवरोध इस घने, ऑल-टू-ऑल EQC आर्किटेक्चर को स्केल करने से रोकते हैं:

• अवरोध B1: बैकएंड-प्रेरित सिग्नल लॉस (सिमुलेशन/ट्रंकेशन)

  • अवलोकन: MPS सिमुलेशन में, एक बॉन्ड डायमेंशन $\chi=64$ (कई अध्ययनों के लिए मानक) $n=20$ के लिए विनाशकारी विफलता का कारण बनता है (औसत गैप 85.22%), यहाँ तक कि समान-आकार के ट्रांसफर के लिए भी।
  • कारण: ऑल-टू-ऑल एंटैंगलमेंट संरचना एंटैंगलमेंट ग्रोथ उत्पन्न करती है जो लो-बॉन्ड-डायमेंशन सन्निकटन को अमान्य कर देती है। ट्रंकेशन एरर सिग्नल मैग्नीट्यूड ($\langle Z_i Z_j \rangle$) से अधिक हो जाता है, जिससे ग्रीडी एक्शन रैंकिंग खराब हो जाती है।
  • थ्रेशोल्ड: विश्वसनीय पॉलिसी-लेवल सटीकता के लिए $\chi \ge 256$ की आवश्यकता है, जो बड़े $n$ के लिए कम्प्यूटेशनल रूप से अत्यधिक कठिन है।

• अवरोध B2: क्रॉस-साइज़ ट्रांसफर डिग्रेडेशन (बड़े जंप)

  • अवलोकन: जैसे-जैसे आकार का जंप $|m-n|$ बढ़ता है, प्रदर्शन सुचारू रूप से लेकिन काफी हद तक गिरता है (उदाहरण के लिए, $5 \to 20$ गैप बढ़कर ~12–18% हो जाता है)।
  • कारण: यह थ्योरिटिकल ट्रांसफर बाउंड के अनुरूप है, जो पैरामेट्रिक मिसमैच और स्ट्रक्चरल शिफ्ट द्वारा संचालित है। हालांकि फाइन-ट्यूनिंग कुछ प्रदर्शन को वापस ला सकती है (जैसे, $15 \to 20$ गैप फाइन-ट्यूनिंग के साथ 13.9% से गिरकर 10.6% हो जाता है), केवल जीरो-शॉट ट्रांसफर बड़े जंप के लिए पर्याप्त नहीं है।

• अवरोध B3: फाइनाइट-शॉट निष्पादन पेनल्टी (हार्डवेयर)

  • अवलोकन: हार्डवेयर पर, गैप स्टेटवेक्टर (~5%) से बढ़कर 31.3% (नॉइलेस एम्युलेटर, 4096 शॉट्स के साथ) और 45.3% (वास्तविक हार्डवेयर) हो जाता है।
  • कारण: एक्शन मार्जिन (उम्मीदवार Q-वैल्यू के बीच का अंतर) शॉट-नॉइज़ फ्लोर ($1/\sqrt{N_s}$) से नीचे है। 4096 शॉट्स पर, नॉइज़ फ्लोर ~0.016 है, जबकि औसत एक्शन मार्जिन ~0.006 है। परिणामस्वरूप, ग्रीडी निर्णय सांख्यिकीय रूप से अनसुलझे (unresolved) हो जाते हैं (37 में से 40 निर्णयों में $z < 2$ था)।
  • क्रॉस-प्लेटफॉर्म पुष्टि: पाँच उपकरणों (Quantinuum, IBM, Rigetti, IQM) के अभियान ने पुष्टि की कि पेनल्टी नेटिव टू-क्विबिट गेट काउंट और एरर मिटिगेशन द्वारा निर्धारित होती है, न कि शॉट बजट द्वारा।
    • ट्रैप्ड-आयन (ऑल-टू-ऑल, 45 गेट्स): 45.3% गैप।
    • सुपरकंडक्टिंग (रूयटेड, 153–172 गेट्स, अनमिटिगेटेड): 108–125% गैप (प्रभावी रूप से रैंडम टूर्स)।
    • सुपरकंडक्टिंग (मिटिगेटेड, 172 गेट्स): 67.8% गैप।
  • निष्कर्ष: केवल शॉट्स बढ़ाने से समस्या हल नहीं होगी क्योंकि सिग्नल-टू-नॉइज़ रेशियो मौलिक रूप से गेट-प्रेरित बायस और डेंस ऑब्जर्वेबल फैमिली के लो-पर-एज कंट्रास्ट द्वारा सीमित है।

महत्व और दावे (Significance and Claims)

लेखक स्पष्ट रूप से कंप्यूटेशनल क्वांटम एडवांटेज का कोई दावा नहीं करते हैं। अध्ययन किया गया EQC आर्किटेक्चर क्लासिकली सिमुलेबल है। इसके बजाय, इस शोध का महत्व निम्नलिखित में निहित है:

1. एक डायग्नोस्टिक स्टैंडर्ड स्थापित करना: क्रॉस-साइज़ ट्रांसफर का मूल्यांकन करने के लिए एक पुनरुत्पादक, प्रोटोकॉल-मैच्ड कार्यप्रणाली प्रदान करना, जो ट्रांसफर व्यवहार को सिम्युलेटर या हार्डवेयर आर्टिफैक्ट्स से अलग करती है।
2. आर्किटेक्चरल बाधाओं की पहचान करना: यह प्रदर्शित करना कि कैनोनिकल डेंस, ऑल-टू-ऑल EQC एंसेट (ansatz) अपनी कनेक्टिविटी के कारण मौलिक बाधाओं (B1, B2, B3) का सामना करता है। ऑल-टू-ऑल टोपोलॉजी कुशल टेंसर-नेटवर्क सिमुलेशन (B1) को अमान्य करती है, ट्रांसफर पेनल्टी को बढ़ाती है (B2), और ऐसे एक्शन मार्जिन बनाती है जिन्हें वर्तमान हार्डवेयर पर हल करना कठिन है (B3)।
3. आगे का मार्ग प्रस्तावित करना: ये परिणाम प्रेरित करते हैं कि केवल बढ़े हुए शॉट बजट या एरर मिटिगेशन पर निर्भर रहने के बजाय, तीनों बाधाओं को एक साथ कम करने के लिए स्पार्स इक्विवेरिएंट सर्किट डिज़ाइन आवश्यक है।

शोध यह निष्कर्ष निकालता है कि हालांकि EQCs ट्रांसफर के लिए एक आशाजनक इंडक्टिव बायस प्रदान करते हैं, लेकिन उनका वर्तमान डेंस कार्यान्वयन मौजूदा हार्डवेयर पर मौजूदा आर्किटेक्चरल संशोधन के बिना औद्योगिक रूप से प्रासंगिक आकारों तक स्केल करने योग्य नहीं है।