Quantum amplitude amplification of improbable futures
यह शोध पत्र एक गेट-स्तरीय क्वांटम सर्किट प्रस्तुत करता है जो एक मार्कोव प्रक्रिया में दुर्लभ, असंभव भविष्य की सापेक्ष संभावनाओं को संरक्षित करते हुए उन्हें सुसंगत रूप से चिह्नित करने और उनके सैंपलिंग संभाव्यता को महत्वपूर्ण रूप से बढ़ाने के लिए आदर्श एम्प्लीट्यूड एम्प्लीफिकेशन का उपयोग करता है, जो वर्तमान शोर सीमाओं के बावजूद आईबीएम (IBM) के किंगस्टन प्रोसेसर पर सिमुलेशन और आंशिक हार्डवेयर सत्यापन में सफल प्रवर्धन प्रदर्शित करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
प्रायिकता के विशाल परिदृश्य में, कुछ परिणाम इतने असंभावित होते हैं कि वे संयोग के शोर में विलीन होते प्रतीत होते हैं। कल्पना कीजिए कि आप मौसम की घटनाओं के एक विशिष्ट क्रम की भविष्यवाणी करने का प्रयास कर रहे हैं जो एक दुर्लभ बाढ़ का कारण बनता है, या वित्तीय निर्णयों की एक विशेष श्रृंखला जो बाजार की गिरावट को जन्म देती है। ये "असंभावित भविष्य" अक्सर ऐसी कड़ियों से बने होते हैं जो व्यक्तिगत रूप से साधारण होती हैं, लेकिन जब उन्हें एक विशिष्ट क्रम में जोड़ा जाता है, तो वे सांख्यिकीय आउटलेयर (सांख्यिकीय अपवाद) बन जाती हैं। वैज्ञानिकों और जोखिम विश्लेषकों के लिए, इन दुर्लभ अनुक्रमों को खोजना एक महत्वपूर्ण चुनौती है। पारंपरिक कंप्यूटर सिमुलेशन अक्सर उन्हें पूरी तरह से छोड़ देते हैं क्योंकि वे एक मानक रन में इतनी बार घटित नहीं होते कि ध्यान में आ सकें। इसे हल करने के लिए, शोधकर्ताओं ने लंबे समय से इन दुर्लभ घटनाओं के संकेत को "प्रवर्धित" (एम्प्लीफाई) करने के तरीके खोजे हैं, जिससे वे एक सिमुलेशन में अधिक बार दिखाई दें, बिना सिस्टम के काम करने के मूल नियमों को विकृत किए। यह क्वांटम कंप्यूटिंग का क्षेत्र है, जहाँ भौतिकी के अजीब नियम गणना का एक अलग प्रकार प्रदान करते हैं, जो सैद्धांतिक रूप से इन छिपे हुए पैटर्न को खोजने की संभावनाओं को बढ़ाने में सक्षम है।
पीटर एम. कैट का एक हालिया अध्ययन इस बात की जांच करता है कि क्या इस सैद्धांतिक शक्ति को आज की क्वांटम मशीनों पर एक कामकाजी वास्तविकता में बदला जा सकता है। शोधकर्ता ने एक विशिष्ट प्रकार के गणितीय मॉडल पर ध्यान केंद्रित किया जिसे मार्कोव प्रक्रिया (मार्कोव प्रोसेस) कहा जाता है, जो उन प्रणालियों का वर्णन करता है जो निश्चित प्रायिकताओं के आधार पर एक अवस्था से दूसरी अवस्था में चलती हैं, जैसे कि एक बोर्ड गेम जहाँ अगला कदम केवल वर्तमान स्थिति पर निर्भर करता है। लक्ष्य एक क्वांटम सर्किट बनाना था—एक क्वांटम कंप्यूटर के लिए निर्देशों का एक सेट—जो इस प्रणाली के भीतर "दुर्लभ भविष्यों" की आवृत्ति को पहचान सके और उसे बढ़ा सके। ये दुर्लभ भविष्य इस आधार पर परिभाषित नहीं होते कि वे असंभव हैं, बल्कि इस आधार पर कि वे सिस्टम के औसत व्यवहार की तुलना में आश्चर्यजनक रूप से कम संभावित हैं। अध्ययन का उद्देश्य एक सटीक डिजिटल उपकरण बनाना था जो इन दुर्लभ अनुक्रमों को चिह्नित कर सके और फिर 'एम्प्लीट्यूड एम्प्लीफिकेशन' नामक तकनीक का उपयोग करके उन्हें सिमुलेशन में अधिक बार उत्पन्न होने के लिए प्रेरित कर सके, जबकि उनकी होने की सापेक्ष संभावनाओं को मूल मॉडल के बिल्कुल समान बनाए रखे।
शोधकर्ताओं ने पहले एक पूर्ण, गेट-लेवल सर्किट बनाया जो पांच-अवस्था वाली प्रणाली के माध्यम से छह-चरणीय यात्रा को संभालने के लिए डिज़ाइन किया गया था। एक आदर्श, शोर-मुक्त सिमुलेशन में, यह सर्किट बिल्कुल इच्छानुसार काम करता है। इसने सफलतापूर्वक दुर्लभ अनुक्रमों की पहचान की और केवल चार राउंड के प्रवर्धन के बाद, एक दुर्लभ भविष्य को चुनने की प्रायिकता को मात्र 2.5 प्रतिशत से बढ़ाकर लगभग 98 प्रतिशत कर दिया। महत्वपूर्ण रूप से, सिमुलेशन ने पुष्टि की कि सर्किट ने केवल दुर्लभ घटनाओं को यादृच्छिक रूप से नहीं चुना; इसने प्रत्येक व्यक्तिगत दुर्लभ पथ की विशिष्ट संभावना को सुरक्षित रखा, जिससे परिणाम की सांख्यिकीय अखंडता सुनिश्चित हुई। कार्य का यह हिस्सा एक कठोर 'प्रूफ ऑफ कॉन्सेप्ट' के रूप में कार्य करता है, जो यह प्रदर्शित करता है कि गणितीय निर्माण सुदृढ़ था और सर्किट का तर्क सूक्ष्म से सूक्ष्म विवरण तक सही था।
हालाँकि, वास्तविक परीक्षण तब आया जब शोधकर्ता सिमुलेशन की आदर्श दुनिया से वास्तविक हार्डवेयर की जटिल वास्तविकता की ओर बढ़े। उन्होंने अपने सर्किट के एक सरलीकृत संस्करण को लिया और इसे 'IBM किंगस्टन' नामक एक सुपरकंडक्टिंग क्वांटम प्रोसेसर पर चलाया। प्रयोग को अत्यंत सावधानी से डिज़ाइन किया गया था ताकि क्वांटम प्रभाव को उस बैकग्राउंड शोर से अलग किया जा सके जो वर्तमान के सभी क्वांटम कंप्यूटरों को प्रभावित करता है। उन्होंने अपने "ओरेकल" सर्किट के परिणामों की तुलना एक "कंट्रोल" सर्किट से की, जो लगभग समान था लेकिन जिसमें उन घटनाओं को चिह्नित करने के लिए विशिष्ट तर्क का अभाव था। यह मैचिंग कंट्रोल आवश्यक था क्योंकि शोर अकेले कभी-कभी डेटा को अस्त-व्यस्त करके दुर्लभ घटनाओं को अधिक बार प्रकट कर सकता है।
हार्डवेयर पर परिणामों ने स्पष्ट किया कि आज क्या संभव है और क्या अभी भी पहुंच से बाहर है। जब शोधकर्ताओं ने उनके सर्किट के एक छोटे, दो-चरणीय संस्करण का परीक्षण किया, जिसमें 228 टू-क्विबिट गेट शामिल थे, तो प्रयोग सफल रहा। ओरेकल सर्किट ने कंट्रोल सर्किट की तुलना में दुर्लभ भविष्य को काफी अधिक बार प्रस्तुत किया, जिसमें एक सांख्यिकीय संकेत इतना मजबूत था कि यह पुष्टि की जा सके कि प्रवर्धन तंत्र काम कर रहा था। परिणामों का पैटर्न सैद्धांतिक भविष्यवाणी से मेल खाता था, जो दर्शाता कि क्वांटम कंप्यूटर वास्तव में डिजाइन किए गए अनुसार दुर्लभ घटनाओं को बढ़ा रहा था। फिर भी, जब उन्होंने जटिलता को तीन-चरणीय संस्करण तक बढ़ाया, जिसमें लगभग 1,170 टू-क्विबिट गेट की आवश्यकता थी, तो संकेत गायब हो गया। प्रवर्धन प्रभाव शोर में खो गया, और परिणाम अब अपेक्षित लाभ नहीं दिखा रहे थे। यहाँ तक कि जब शोधकर्ताओं ने त्रुटियों को दबाने के लिए 'डायनामिकल डिकपलिंग' और 'गेट ट्वर्लिंग' जैसी मानक तकनीकों को लागू किया, तब भी वे गहरे (डीपर) सर्किट के लिए संकेत को पुनः प्राप्त करने में सक्षम नहीं हुए।
अध्ययन निष्कर्ष निकालता है कि हालांकि दुर्लभ भविष्य को प्रवर्धित करने का तर्क सुदृढ़ है और सिमुलेशन में सत्यापित किया गया है, वर्तमान क्वांटम हार्डवेयर अभी एल्गोरिदम के पूर्ण, जटिल संस्करण को चलाने के लिए पर्याप्त शक्तिशाली नहीं है। शोधकर्ताओं ने पाया कि प्रवर्धन का संकेत 228 गेट काउंट पर पता लगाने योग्य था लेकिन लगभग 1,170 पर गायब हो गया। इसका मतलब यह नहीं है कि विधि दोषपूर्ण है; बल्कि, यह तकनीक की वर्तमान भौतिक सीमाओं को रेखांकित करता है। यह कार्य एक सत्यापित ब्लूप्रिंट प्रदान करता है कि इस तरह की प्रणाली को कैसे बनाया जाना चाहिए और यह प्रदर्शित करता है कि प्रक्रिया के पहले चरण वास्तविक मशीनों पर काम करते हैं। यह आज के क्षेत्र के स्तर का एक सटीक माप है: सैद्धांतिक मशीनरी तैयार है, लेकिन वास्तविक दुनिया में दुर्लभ-घटना नमूनाकरण (सैंपलिंग) की पूरी जटिलता से निपटने के लिए हार्डवेयर को काफी मजबूत होने की आवश्यकता 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।