Pixel-Translation-Equivariant Quantum Convolutional Neural Networks via Fourier Multiplexers

कल्पना कीजिए कि आप एक रोबोट को फोटो में बिल्ली पहचानना सिखाने की कोशिश कर रहे हैं। यदि आप रोबोट को बाईं ओर एक बिल्ली की तस्वीर दिखाते हैं, और फिर उसे दाईं ओर ठीक वही बिल्ली दिखाते हैं, तो एक स्मार्ट रोबोट को यह एहसास होना चाहिए, "अरे, यह अभी भी एक बिल्ली ही है!" किसी वस्तु को समझने की यह क्षमता कि वह तब भी वही रहती है जब वह इधर-उधर घूमती है, जिसे ट्रांसलेशन सिमिट्री (translation symmetry) कहा जाता है। क्लासिकल कंप्यूटरों की दुनिया में, हमने विशेष उपकरण बनाए हैं जिन्हें कन्वोल्यूशनल न्यूरल नेटवर्क (CNNs) कहा जाता है, जो इस नियम का सम्मान करने के लिए हार्ड-वायर्ड हैं, जिससे वे छवियों को पहचानने में अविश्वसनीय रूप से कुशल होते हैं।

अब, कल्पना कीजिए कि हम इन स्मार्ट उपकरणों को क्वांटम कंप्यूटरों का उपयोग करके बनाना चाहते हैं। क्वांटम कंप्यूटर जादुई पासे की तरह हैं जो एक साथ कई अवस्थाओं में हो सकते हैं, जो अपार क्षमता प्रदान करते हैं। लेकिन, इसमें एक पेच है: क्वांटम दुनिया में, आप चित्र को कंप्यूटर में कैसे डालते हैं (जिसे एन्कोडिंग/encoding कहा जाता है), वही खेल के नियम बदल देता है। यदि आप एक चित्र को एन्कोड करने के लिए प्रत्येक पिक्सेल को एक विशिष्ट "स्लॉट" (जैसे थिएटर में सीटें) आवंटित करते हैं, तो चित्र को हिलाने का अर्थ है सीटों को बदलना। लेकिन यदि आप एक चित्र को "पतों की सूची" (जैसे लाइब्रेरी कैटलॉग) के रूप में आवंटित करते हैं, तो चित्र को हिलाने का अर्थ है कैटलॉग कार्ड पर नंबरों को बदलना। आज हम जिस शोध पत्र की पड़ताल कर रहे हैं, वह एक जटिल पहेली को सुलझाता है: कई मौजूदा क्वांटम डिजाइनों को इस नियम का पालन करने के लिए बनाया गया था कि चीज़ें कैसे हिलती हैं, लेकिन "कैटलॉग-कार्ड" पद्धति के लिए, वह नियम काम नहीं करता है। लेखकों ने महसूस किया कि यदि आप चाहते हैं कि आपका क्वांटम कंप्यूटर वास्तव में चलती हुई वस्तुओं को पहचानने में सक्षम हो, तो आपको इसे केवल क्वांटम यांत्रिकी के सामान्य नियमों के बजाय, आपके डेटा के एन्कोडिंग के विशिष्ट तरीके के अनुरूप बनाना होगा।

---

महान क्वांटम बेमेल (The Great Quantum Mismatch)

लेखक, आईटीएमओ यूनिवर्सिटी (ITMO University) के दिमित्री चिरकोव और इगोर लोबानोव ने देखा कि क्वांटम कंप्यूटर छवियों को कैसे संभालते हैं, इसमें एक अजीब सा अंतर है। वे इसे "पिक्सेल बनाम क्यूबिट" (Pixel vs. Qubit) बेमेल कहते हैं।

कल्पना कीजिए कि आपके पास प्रकाश के स्विचों की एक पंक्ति है (ये क्यूबिट्स हैं, जो क्वांटम सूचना की बुनियादी इकाइयाँ हैं)। कई क्वांटम डिजाइनों में, इंजीनियरों ने यह माना कि यदि आप स्विचों की पूरी पंक्ति को एक स्थान दाईं ओर खिसकाते हैं, तो कंप्यूटर को उस नई व्यवस्था को एक ही छवि के रूप में मानना चाहिए, बस वह थोड़ी खिसकी हुई है। यह डोमिनोज़ की एक पंक्ति को खिसकाने जैसा है; यदि पैटर्न हिलता है, तो पैटर्न अभी भी वहीं रहता है। इसे क्यूबिट साइक्लिक शिफ्ट (QCS) कहा जाता है।

हालाँकि, लेखकों ने क्वांटम कंप्यूटरों में छवियों को डालने का एक लोकप्रिय तरीका देखा जिसे FRQI (फ्लेक्सिबल रिप्रेजेंटेशन ऑफ क्वांटम इमेजेस) कहा जाता है। इस पद्धति में, छवि स्विचों में संग्रहीत नहीं होती है, बल्कि स्विचों के पतों (addresses) में होती है। इसे एक लाइब्रेरी की तरह सोचें जहाँ किताबें (पिक्सेल) अलमारियों (क्यूबिट्स) में क्रम से नहीं रखी हैं; इसके बजाय, अलमारियों पर लेबल (पते) हैं, और किताबें एक कार्ड कैटलॉग में सूचीबद्ध हैं। यदि आप एक किताब को शेल्फ 1 से शेल्फ 2 पर ले जाते हैं, तो आप केवल शेल्फ को नहीं खिसका रहे हैं; आप कार्ड पर नंबर बदल रहे हैं।

लेखक सिद्ध करते हैं कि "स्विच खिसकाने" का नियम (QCS), FRQI द्वारा उपयोग किए जाने वाले "पिक्सेल साइक्लिक शिफ्ट" (यानी PCS) के नियम से मेल नहीं खाता है। यह एक ऐसे ताले को खोलने की कोशिश करने जैसा है जिसमें चाबी तो फिट बैठती है लेकिन हैंडल के लिए गलत आकार की है। यदि आप एक क्वांटम नेटवर्क बनाते हैं जो केवल "स्विच खिसकाने" के नियम का सम्मान करता है, तो यह उस शिफ्ट की गई छवि को पहचानने में विफल हो जाएगा जब इस विशिष्ट एन्कोडिंग का उपयोग किया जाता है। लेखक तर्क देते हैं कि इन छवियों के लिए एक सच्चा "क्वांटम कन्वोल्यूशनल न्यूरल नेटवर्क" (QCNN) बनाने के लिए, आपको इसे "स्विच" नियम के बजाय "पते" के नियम का सम्मान करने के लिए बनाना होगा।

फूरियर का जादू (The Fourier Magic Trick)

तो, एक ऐसे नेटवर्क को कैसे ठीक किया जाए जो गलत नियम देख रहा है? लेखकों ने फूरियर ट्रांसफॉर्म (Fourier Transform) नामक एक गणितीय उपकरण का उपयोग करके एक चतुर समाधान निकाला।

क्लासिकल दुनिया में, यदि आप ध्वनि तरंग का विश्लेषण करना चाहते हैं, तो आप इसे विभिन्न संगीत नोट्स (आवृत्तियों/frequencies) में तोड़ सकते हैं। क्वांटम दुनिया में, लेखकों ने महसूस किया कि "पते-खिसकाने" का नियम बहुत सरल हो जाता है जब आप छवि को इन "नोट्स" के लेंस के माध्यम से देखते हैं। वे इसे फूरियर बेसिस (Fourier basis) कहते हैं।

उन्होंने एक नए प्रकार का क्वांटम लेयर डिजाइन किया जो तीन-चरणीय जादू की तरह काम करता है:

1. नोट्स में अनुवाद: सबसे पहले, क्वांटम कंप्यूटर एक विशेष गेट (क्वांटम फूरियर ट्रांसफॉर्म) का उपयोग करके छवि को "पिक्सेल पतों" से "फूरियर नोट्स" में बदल देता है।
2. मल्टीप्लेक्सर (The Multiplexer): इसके बाद, यह एक विशेष फिल्टर लागू करता है जिसे फूरियर मल्टीप्लेक्सर कहा जाता है। यह मुख्य आकर्षण है। एक विशाल मिक्सिंग बोर्ड की कल्पना करें जहाँ प्रत्येक "नोट" (आवृत्ति) को अपना अनूठा वॉल्यूम नॉब और प्रभाव मिलता है। कंप्यूटर अन्य चीजों को खराब किए बिना प्रत्येक नोट को स्वतंत्र रूप से ट्यून कर सकता है। क्योंकि "शिफ्टिंग" का नियम इन नोट्स में एक सरल परिवर्तन है, इस तरह से ट्यून करना यह गारंटी देता है कि कंप्यूटर ट्रांसलेशन सिमिट्री का सम्मान करता है।
3. वापस अनुवाद: अंत में, यह नोट्स को वापस पिक्सेल पतों में बदल देता है ताकि कंप्यूटर परिणाम पढ़ सके।

इस तरह से नेटवर्क बनाकर, लेखकों ने एक पिक्सेल-ट्रांसलेशन-इक्विवेरिएंट QCNN (PCS-QCNN) बनाया। इसका अर्थ है कि नेटवर्क गणितीय रूप से गारंटी देता है कि एक शिफ्ट की गई छवि वही छवि है, विशेष रूप से FRQI एन्कोडिंग पद्धति के लिए।

सिद्धांत का परीक्षण: शिफ्टेड MNIST गेम

यह देखने के लिए कि क्या उनका नया डिज़ाइन वास्तव में काम करता है, लेखकों ने प्रसिद्ध MNIST डेटासेट का उपयोग करके प्रयोगों की एक श्रृंखला चलाई, जिसमें हस्तलिखित अंक (0 से 9 तक) शामिल हैं।

उन्होंने ट्रांसलेटेड MNIST (Translated MNIST) बेंचमार्क नामक एक विशेष चुनौती बनाई। अंकों को पेज के केंद्र में रखने के बजाय, उन्होंने उन्हें बेतरतीब ढंग से (8 पिक्सेल तक) इधर-उधर खिसका दिया। यह उन कंप्यूटरों के लिए कार्य को बहुत कठिन बना देता है जो मूवमेंट (गति) को नहीं समझते।

उन्होंने चार अलग-अलग "खिलाड़ियों" की तुलना की:

1. क्लासिकल CNN: क्लासिकल कंप्यूटरों के लिए स्वर्ण मानक, जो शिफ्ट को संभालने के लिए डिज़ाइन किया गया है।
2. क्लासिकल MLP: एक मानक, "डेंस" न्यूरल नेटवर्क जो शिफ्ट के बारे में नहीं जानता (जैसे एक छात्र जिसने उत्तर कुंजी रट ली है लेकिन अवधारणा को नहीं समझा है)।
3. PCS-QCNN: लेखकों द्वारा बनाया गया नया क्वांटम मॉडल, जो पते-शिफ्टिंग नियम का सम्मान करता है।
4. RBC-QCNN: एक "रैंडम बेसिस कंट्रोल" क्वांटम मॉडल। यह एक ऐसा क्वांटम मॉडल है जो लेखकों के नए मॉडल जैसा ही दिखता है लेकिन लेखकों के फूरियर मल्टीप्लेक्सर के बजाय रैंडम, गैर-सिमिट्री-सम्मानित नियमों का उपयोग करता है। यह "कंट्रोल ग्रुप" है ताकि यह साबित किया जा सके कि सिमिट्री ही महत्वपूर्ण है।

परिणाम:

• क्लासिकल मुकाबला: जैसा कि अपेक्षित था, क्लासिकल CNN ने 97.68% सटीकता के साथ कार्य को कुचल दिया, जबकि डेंस MLP 48.93% पर लड़खड़ा गया। इसने साबित कर दिया कि कार्य वास्तव में ट्रांसलेशन सिमिट्री के प्रति संवेदनशील था।
• क्वांटम मुकाबला: लेखकों के नए PCS-QCNN ने 75.89% स्कोर किया। रैंडम RBC-QCNN (जिसने सिमिट्री को अनदेखा कर दिया) ने केवल 40.82% स्कोर किया।
• अंतर: नया डिज़ाइन रैंडम संस्करण की तुलना में 35.08 प्रतिशत अंक बेहतर था। यह एक बड़ी जीत है, जो बताती है कि डेटा एन्कोडिंग की विशिष्ट सिमिट्री का सम्मान करना क्वांटम इमेज रिकग्निशन के लिए महत्वपूर्ण है।

हालाँकि, क्वांटम मॉडल क्लासिकल CNN (जो लगभग पूर्ण था) के स्तर तक नहीं पहुँच पाए। लेखक नोट करते हैं कि ऐसा इसलिए है क्योंकि उनका क्वांटम मॉडल अभी भी एक "आदर्शित" (idealized) सिमुलेशन है और इसे अभी तक वास्तविक क्वांटम कंप्यूटरों की हार्डवेयर सीमाओं के लिए अनुकूलित नहीं किया गया है।

"शॉट" की समस्या: जब वास्तविकता सामने आती है

एक और मोड़ है। क्वांटम कंप्यूटर आपको केवल उत्तर नहीं देते; वे आपको एक संभावना (probability) देते हैं। एक स्पष्ट उत्तर प्राप्त करने के लिए, आपको कंप्यूटर से एक ही प्रश्न कई बार पूछना पड़ता है (जिसे शॉट्स/shots कहा जाता है)।

लेखकों ने सिम्युलेट किया कि क्या होता है जब आपके पास सवाल पूछने के लिए अनंत समय नहीं होता। उन्होंने पाया कि यदि आप केवल शॉट्स की कम संख्या (जैसे 128 या 256) का उपयोग करते हैं, तो सटीकता गिर जाती है। इससे भी बुरा, उन्होंने एक "ट्रेन-डिप्लॉय मिसमैच" (train-deploy mismatch) की खोज की। एक मॉडल जो अनंत शॉट्स (पूर्ण जानकारी) के साथ प्रशिक्षित होने पर एकदम सही दिखता है, वह सीमित शॉट्स के साथ परीक्षण किए जाने पर वास्तव में बदतर प्रदर्शन कर सकता है। यह एक ऐसे छात्र की तरह है जो एक आदर्श पाठ्यपुस्तक के साथ पढ़ता है लेकिन धुंधली फोटोकॉपी के साथ टेस्ट देने पर भ्रमित हो जाता है।

यह सुझाव देता है कि जब हम अंततः इन क्वांटम मॉडलों को वास्तविक उपयोग के लिए बनाएंगे, तो हम केवल यह नहीं देख सकते कि वे कितनी अच्छी तरह सीखते हैं; हमें उन्हें इतना मजबूत बनाना होगा कि वे तब भी काम करें जब हम लाखों माप लेने का खर्च नहीं उठा सकते।

निष्कर्ष (The Takeaway)

यह पेपर यह दावा नहीं करता है कि इसने क्वांटम इमेज रिकग्निशन को हल कर दिया है या सबसे अच्छे क्लासिकल कंप्यूटरों को हराने वाला वर्किंग क्वांटम कंप्यूटर बना दिया है। इसके बजाय, इसने एक मौलिक तर्क पहेली को हल किया है। इसने दिखाया कि सिमिट्री (Symmetry) "वन-साइज़-फिट्स-ऑल" नहीं है। आप क्लासिकल कन्वल्यूशन के नियमों या जेनेरिक क्वांटम सिमिट्री को सीधे क्वांटम इमेज एनकोडर पर कॉपी-पेस्ट नहीं कर सकते।

लेखकों ने सिद्ध किया कि लोकप्रिय FRQI एन्कोडिंग पद्धति के लिए, आपको अपने क्वांटम नेटवर्क को "पते-शिफ्टिंग" (PCS) नियम का सम्मान करने के लिए बनाना होगा, जिसके लिए उनके नए फूरियर मल्टीप्लेक्सर तकनीक का उपयोग किया गया है। उनके प्रयोगों ने दिखाया कि ऐसा करने से सटीकता में 35% से अधिक की वृद्धि होती है, जो कि उस मॉडल की तुलना में है जो इस नियम को अनदेखा करता है। हालाँकि "शॉट" लागत और हार्डवेयर सीमाओं जैसी बाधाएं अभी भी मौजूद हैं, यह कार्य क्वांटम नेटवर्क बनाने के लिए एक स्पष्ट और रचनात्मक नुस्खा प्रदान करता है जो वास्तव में यह समझते हैं कि छवियां कैसे चलती हैं। यह क्वांटम कंप्यूटरों को न केवल तेज़, बल्कि दुनिया को देखने के लिए अधिक स्मार्ट बनाने की दिशा में एक महत्वपूर्ण कदम है।