क्वांटम त्रुटि-सुधार और लॉजिकल क्यूबिट्स, समझिए

क्वांटम त्रुटि-सुधार कैसे कई शोरयुक्त भौतिक क्यूबिट्स को अधिक विश्वसनीय लॉजिकल क्यूबिट्स में बदलता है, और कोड दूरी, थ्रेशहोल्ड तथा सरफेस कोड्स क्यों महत्वपूर्ण हैं।

इस पेज का अंग्रेज़ी से अनुवाद किया गया है। कंपनी और उत्पादों के नाम तथा स्रोत लिंक यथावत हैं। मूल अंग्रेज़ी में पढ़ें

क्वांटम त्रुटि-सुधार उन विधियों का समूह है, जिनका उपयोग शोर, डिकोहेरेंस और अपूर्ण परिचालनों के बावजूद नाजुक क्वांटम जानकारी को उपयोग योग्य बनाए रखने के लिए किया जाता है। इसका मूल विचार यह है कि एक या अधिक लॉजिकल क्यूबिट्स को भौतिक क्यूबिट्स के बड़े समूह में एन्कोड किया जाए, बार-बार सावधानी से चुनी गई जाँचों को मापा जाए जो त्रुटि की जानकारी तो बताएं लेकिन संरक्षित क्वांटम अवस्था को प्रकट न करें, और फिर देखे गए सिंड्रोम के आधार पर रिकवरी चरण लागू किए जाएं।

क्वांटम कंप्यूटरों को त्रुटि-सुधार की ज़रूरत क्यों होती है

क्वांटम जानकारी असाधारण रूप से नाजुक होती है। त्रुटियां डिकोहेरेंस और क्वांटम शोर के अन्य स्रोतों से आ सकती हैं, और व्यावहारिक क्वांटम कंप्यूटिंग में दोषपूर्ण गेट्स, अपूर्ण स्टेट प्रिपरेशन और मापन त्रुटियों से भी जूझना पड़ता है। यही कारण है कि त्रुटि-सुधार केवल क्वांटम अवस्थाओं को संग्रहीत करने के लिए ही नहीं, बल्कि लंबे संगणनों को चलाने के लिए भी केंद्रीय है।

शास्त्रीय त्रुटि-सुधार बिट्स में अतिरेक जोड़कर काम करता है। क्वांटम त्रुटि-सुधार का लक्ष्य भी कुछ वैसा ही है, लेकिन एक बड़ी बाधा के साथ: किसी क्यूबिट का प्रत्यक्ष मापन सामान्यतः उसकी अवस्था को विचलित कर देता है। इसलिए एक क्वांटम कोड को क्या गलत हुआ इसकी जानकारी तो निकालनी होती है, लेकिन स्वयं लॉजिकल जानकारी को उजागर किए बिना। कई कोड्स में यह काम कम्यूटिंग ऑपरेटरों के मापन से किया जाता है, जिन्हें स्टैबिलाइज़र कहा जाता है।

क्वांटम त्रुटि-सुधार के वादे को समझने का एक उपयोगी तरीका इसे एक सिमुलेशन परत के रूप में देखना है: यदि कोई शोरयुक्त भौतिक चैनल किसी त्रुटि मॉडल में फिट बैठता है, तो क्वांटम त्रुटि-सुधार कोड का उपयोग करके उसे पर्याप्त रूप से शोर-रहित लॉजिकल चैनल के करीब लाया जा सकता है, ताकि संचार या संगणना व्यावहारिक बन सके।

भौतिक क्यूबिट्स, लॉजिकल क्यूबिट्स और कोड दूरी

किसी क्वांटम कोड के लिए मानक संकेतन [[n,k,d]] है, जिसका अर्थ है कि कोड k लॉजिकल क्यूबिट्स को n भौतिक क्यूबिट्स में एन्कोड करता है, और उसकी कोड दूरी d होती है।

ये तीन पैरामीटर अधिकांश संतुलनों को समेट लेते हैं:

n: कोड कितने भौतिक क्यूबिट्स का उपयोग करता है
k: कितने लॉजिकल क्यूबिट्स संरक्षित हैं
d: कोड दूरी, जो इस बात से जुड़ा माप है कि त्रुटियों के लिए लॉजिकल ऑपरेशन की तरह व्यवहार करना कितना कठिन है

कोड दर, k/n, दक्षता का एक मूलभूत मापदंड है। अधिक दर का अर्थ है प्रति लॉजिकल क्यूबिट कम ओवरहेड। लेकिन अधिक दूरी और अधिक दर सामान्यतः एक-दूसरे के विपरीत दिशाओं में खींचते हैं, इसलिए कोड डिज़ाइन का काम विश्वसनीयता और हार्डवेयर लागत के बीच संतुलन बनाना है।

व्यापक रूप से देखें तो एक क्वांटम त्रुटि-सुधार चक्र के तीन चरण होते हैं:

एन्कोडिंग: लॉजिकल जानकारी को बड़े भौतिक तंत्र में एन्कोड करना
भंडारण या प्रेषण: शोरयुक्त चैनल के माध्यम से
सिंड्रोम निष्कर्षण और रिकवरी: संभावित त्रुटियों की पहचान करना और उनका सुधार करना

सिंड्रोम यहां अत्यंत महत्वपूर्ण है। स्टैबिलाइज़र माप इस तरह चुने जाते हैं कि वे केवल त्रुटि की जानकारी दें, एन्कोड की गई क्वांटम अवस्था की नहीं। अन्यथा सुधार की प्रक्रिया उसी सुपरपोज़िशन को नष्ट कर देगी, जिसे कंप्यूटर बचाए रखने की कोशिश कर रहा है।

कोड किस प्रकार की त्रुटियों को लक्ष्य बनाते हैं?

कौन-सी त्रुटियां प्रमुख होंगी, यह हार्डवेयर प्लेटफ़ॉर्म पर बहुत निर्भर करता है। महत्वपूर्ण उदाहरण हैं:

Amplitude damping, या उत्तेजना-हानि, जो संतुलन-अवस्था की ओर शिथिलन से जुड़ी होती है
Coherent errors, जो तंत्र की आंतरिक गतिकी से उत्पन्न होती हैं
Dephasing, जो कई क्यूबिट इम्प्लीमेंटेशनों में प्रमुख शोर प्रक्रियाओं में से एक है

फिर भी, कई क्वांटम कोड एक सरल मॉडल के साथ काम करते हैं, जिसमें त्रुटियों को Pauli ऑपरेशनों के संयोजन के रूप में माना जाता है:

बिट-फ्लिप जैसी त्रुटियों के लिए X
फेज-फ्लिप जैसी त्रुटियों के लिए Z
संयुक्त बिट-और-फेज त्रुटियों के लिए Y

Pauli-आधारित यह चित्रण हर यथार्थवादी शोर प्रक्रिया को नहीं पकड़ता, लेकिन इसका व्यापक उपयोग होता है क्योंकि इससे विश्लेषण और कोड निर्माण अधिक सुगम हो जाता है। उस मॉडल के तहत, सिंड्रोम निष्कर्षण और डिकोडिंग को अक्सर ऐसे रूप में प्रस्तुत किया जा सकता है, जो शास्त्रीय कोडिंग सिद्धांत से विचार उधार लेते हैं।

इस सरलीकरण के साथ एक सावधानी भी जुड़ी है: डिकोडिंग फिर भी कठिन हो सकती है। [[n,k,d]] पैरामीटर वाले किसी कोड के लिए 2^(n-k) संभावित सिंड्रोम होते हैं, जो बहुत जल्दी साधारण लुकअप टेबल के लिए अत्यधिक बड़े हो जाते हैं। व्यवहार में, आम तौर पर कुशल शास्त्रीय डिकोडिंग एल्गोरिद्म आवश्यक होते हैं।

फॉल्ट टॉलरेंस: त्रुटियों को बिना और बदतर बनाए सुधारना

स्केलेबल संगणना के लिए केवल त्रुटि-सुधार पर्याप्त नहीं है। किसी कंप्यूटर में सुधार की मशीनरी स्वयं गेट्स, मापों और तैयार किए गए ancillas का उपयोग करती है, और ये सब विफल हो सकते हैं। यहीं fault tolerance का प्रवेश होता है।

मुख्य विचार यह है कि एन्कोडिंग, सिंड्रोम मापन और रिकवरी को इस तरह डिज़ाइन किया जाए कि थोड़ी-सी भौतिक विफलताएं फैलकर असुधार्य लॉजिकल विफलता में न बदल जाएं। क्वांटम त्रुटि-सुधार के अनुसार यह quantum threshold theorem से जुड़ा है: यदि अलग-अलग क्वांटम गेट्स की त्रुटि-दर एक सीमा से नीचे बनी रहे, तो कोड्स को पुनरावर्ती रूप से concatenating करके मनचाही लंबाई की क्वांटम संगणनाएं संभव हैं।

क्वांटम त्रुटि-सुधार 2004 का एक ऐतिहासिक अनुमान भी देता है कि पर्याप्त क्यूबिट्स उपलब्ध होने की स्थिति में यह सीमा 1–3% तक ऊंची हो सकती है। यह यह सहज बोध भी देता है कि थ्रेशहोल्ड क्यों मायने रखता है: इसके नीचे सुधार जितनी त्रुटियां लाता है उससे अधिक हटाता है; इसके ऊपर सुधार की प्रक्रिया कुल मिलाकर हानिकारक हो सकती है।

थ्रेशहोल्ड की यही अवधारणा लॉजिकल क्यूबिट्स को इतना उपयोगी अमूर्तन बनाती है। लॉजिकल क्यूबिट कोई एकल डिवाइस अवयव नहीं, बल्कि एक एन्कोड किया गया ऑब्जेक्ट है, जिसकी प्रभावी त्रुटि-दर को सिद्धांततः अधिक भौतिक संसाधन जोड़कर और बेहतर fault-tolerant प्रक्रियाएं अपनाकर कम किया जा सकता है।

प्रमुख कोड परिवार और वे क्या अनुकूलित करते हैं

अलग-अलग कोड परिवार ओवरहेड, दूरी, संरचना और इम्प्लीमेंटेशन की सहजता के बीच अलग-अलग संतुलन बनाते हैं।

Code family	मुख्य विचार	Notable trade-off or feature
Shor code	`[[d^2,1,d]]` तक सामान्यीकृत होता है; बिट-फ्लिप और फेज-फ्लिप त्रुटियों को अलग-अलग संभालने के लिए आंतरिक और बाहरी repetition codes का उपयोग करता है	दूरी बढ़ती है, लेकिन कोड दर कम होती है
Steane / quantum Hamming codes	repetition संरचना की जगह शास्त्रीय `[7,4]` Hamming code का उपयोग करता है और `X` तथा `Z` त्रुटियों को सममित रूप से मानता है	Shor-शैली repetition की तुलना में बेहतर कोड दर
CSS codes	Calderbank, Shor, और Steane की संबंधित संरचनाओं से निकला एक सामान्य ढांचा	`X` और `Z` स्टैबिलाइज़र्स को अलग करता है, जो fault-tolerant सिंड्रोम मापन के लिए उपयोगी है
Five-qubit code	`X` और `Z` को मिलाने वाले चार स्टैबिलाइज़र्स का उपयोग करता है; यह CSS code नहीं है	एकल लॉजिकल क्यूबिट को मनमानी single-qubit त्रुटियों से बचाने वाला सबसे छोटा संभव कोड
Surface code	2D lattice पर टोपोलॉजिकल स्टैबिलाइज़र कोड	स्थानीय जाँचें और समतलीय लेआउट प्रयोगात्मक रूप से आकर्षक हैं

Five-qubit code वैचारिक रूप से विशेष महत्व रखता है। यह सबसे छोटा संभव कोड है जो एक लॉजिकल क्यूबिट को मनमानी single-qubit त्रुटियों से बचा सकता है; यह तथ्य quantum Hamming bound से संबंधित है।

क्वांटम त्रुटि-सुधार non-additive codes का भी उल्लेख करता है, जो [[n,k,d]] additive codes में प्रयुक्त stabilizer formalism से आगे जाते हैं। कुछ मामलों में ये अधिक कोड दर हासिल कर सकते हैं, लेकिन इनका निर्माण और विश्लेषण काफी कठिन होता है, इसलिए इनका अध्ययन अपेक्षाकृत कम हुआ है।

सरफेस कोड्स इतने महत्वपूर्ण क्यों बन गए

आधुनिक कोड परिवारों में surface codes 2025 में स्केलेबल क्वांटम त्रुटि-सुधार के लिए निर्णायक हैं। मुख्य कारण स्थापत्यगत है: इन्हें द्वि-आयामी lattice पर स्थानीय stabilizer मापों का उपयोग करके परिभाषित किया जाता है, जो उन कोड्स की तुलना में कई हार्डवेयर प्लेटफ़ॉर्म के लिए अधिक अनुकूल हैं, जिन्हें दूर-दराज़ अंतःक्रियाएं चाहिए।

Surface code एक topological stabilizer code है। Alexei Kitaev in 1997 द्वारा प्रस्तुत toric संस्करण में क्यूबिट्स 2D lattice के किनारों पर स्थित होते हैं, और stabilizers शीर्षों तथा plaquettes से जुड़े होते हैं। त्रुटियां इन stabilizers के उल्लंघन के रूप में दिखाई देती हैं।

एक उपयोगी चित्र यह है कि कोई त्रुटि स्थानीयकृत दोषों को पैदा करती है या उन्हें स्थानांतरित करती है, जिन्हें anyons के रूप में वर्णित किया जाता है:

Z त्रुटि पड़ोसी vertex stabilizers को पलट देती है
X त्रुटि पड़ोसी plaquette stabilizers को पलट देती है

सुधार का अर्थ इन दोषों को जोड़ना और फिर से विनष्ट करना है। यदि परिणामी पथ टोपोलॉजिकल रूप से तुच्छ हैं, तो शुद्ध प्रभाव केवल एक stabilizer होता है और लॉजिकल जानकारी अपरिवर्तित रहती है। यदि कोई पथ टोपोलॉजिकल रूप से अतुच्छ है, तो यह प्रक्रिया लॉजिकल ऑपरेटर की तरह काम करती है और एन्कोड की गई जानकारी बदल जाती है।

यह ज्यामितीय व्याख्या ही उन कारणों में से एक है जिनसे surface codes इतने सहज लगते हैं। कोड दूरी उस अतुच्छ पथ या लूप की न्यूनतम लंबाई बन जाती है, जो लॉजिकल त्रुटि को इम्प्लीमेंट करता है।

Toric, planar, और rotated planar surface codes

कई संबंधित ज्यामितियां महत्वपूर्ण हैं।

toric code periodic boundary conditions का उपयोग करता है, जो टोपोलॉजिकल रूप से टोरस के समतुल्य हैं। d × d lattice के लिए इसमें 2d^2 क्यूबिट्स होते हैं, और इसका कोड स्पेस चार-आयामी होता है, इसलिए यह दो लॉजिकल क्यूबिट्स संग्रहीत करता है।

हार्डवेयर के लिए open boundaries अक्सर अधिक व्यावहारिक होती हैं, जिससे planar code मिलता है। लेकिन boundary डिज़ाइन महत्वपूर्ण है। केवल एक boundary प्रकार वाला surface code किसी लॉजिकल क्यूबिट को एन्कोड नहीं करता। अतुच्छ कोड स्पेस बनाने के लिए smooth और rough boundaries का वैकल्पिक होना आवश्यक है। ऊपर और नीचे smooth boundaries तथा बाएं और दाएं rough boundaries होने पर planar code एक लॉजिकल क्यूबिट संग्रहीत करता है, और न्यूनतम टोपोलॉजिकल रूप से अतुच्छ पथों की लंबाई d होती है, जिससे code distance d मिलती है।

rotated planar code दक्षता में सुधार है। Surface code के अनुसार distance-d rotated planar code d^2 physical qubits का उपयोग करता है, जबकि unrotated planar संस्करण में d^2 + (d − 1)^2 लगते हैं, और कोड दूरी समान रहती है।

थ्रेशहोल्ड, डिकोडिंग, और “below threshold” का अर्थ

Surface codes मानक शोर मॉडलों के तहत अपेक्षाकृत ऊंचे थ्रेशहोल्ड के लिए भी उल्लेखनीय हैं। उस मॉडल के लिए, जिसमें हर क्यूबिट पर बिट और फेज त्रुटियां स्वतंत्र रूप से p प्रायिकता के साथ होती हैं, Surface code यह रिपोर्ट करता है:

सांख्यिकीय-भौतिकी मैपिंग से लगभग 11% की critical probability
व्यापक रूप से उपयोग किए जाने वाले minimum weight perfect matching decoder के साथ लगभग 10.5%

ये संख्याएं महत्वपूर्ण हैं, लेकिन इनकी व्याख्या आवश्यक है। पहला, ये माने गए त्रुटि मॉडल पर निर्भर करती हैं। दूसरा, सैद्धांतिक सीमा तभी उपयोगी है जब कोई व्यावहारिक decoder उसके क़रीब पहुंच सके। तीसरा, कुछ decoders तब खराब प्रदर्शन करते हैं जब बिट और फेज त्रुटियां सहसंबद्ध हों, जैसे depolarizing noise के तहत।

इसलिए “below threshold” का अर्थ यह नहीं है कि कोई तंत्र त्रुटि-मुक्त है। इसका अर्थ यह है कि सिद्धांततः कोड का आकार बढ़ाने से लॉजिकल त्रुटि-दर घट सकती है, बजाय इसके कि स्थिति और खराब हो।

क्यूबिट ब्लॉक कोड्स से आगे

क्वांटम त्रुटि-सुधार केवल qubit-to-qubit block codes तक सीमित नहीं है। क्वांटम जानकारी को qudits में या oscillators में भी एन्कोड किया जा सकता है, जिनमें अनंत ऊर्जा-स्तर होते हैं। cat, GKP, और binomial-शैली जैसे bosonic दृष्टिकोण एक लॉजिकल क्यूबिट को कई two-level systems में फैलाने के बजाय एक ही oscillator के भीतर अतिरेक का उपयोग करते हैं।

यह इस क्षेत्र के लिए एक महत्वपूर्ण खुले डिज़ाइन प्रश्न को रेखांकित करता है: क्या अतिरेक कई भौतिक क्यूबिट्स में होना चाहिए, उच्च-आयामी तंत्रों के भीतर, या दोनों के संकर रूपों में?

2025 में यह क्षेत्र कहाँ खड़ा है

2025 में surface codes विशेष रूप से परिणामकारी हैं। क्वांटम त्रुटि-सुधार कहता है कि वे superconducting systems में बेहतर fidelity के साथ below-threshold लॉजिकल क्यूबिट्स सक्षम बनाते हैं, और अलग से यह भी नोट करता है कि Google Quantum AI ने अपने Willow superconducting processor पर distance-7 planar code इम्प्लीमेंट किया, जिससे below-threshold physical error rate का प्रदर्शन हुआ।

इसका अर्थ यह नहीं है कि व्यापक चुनौती हल हो गई है। लॉजिकल क्यूबिट्स के लिए अभी भी पर्याप्त ओवरहेड चाहिए, डिकोडिंग अब भी वास्तविक तंत्र-स्तरीय समस्या है, और प्रदर्शन इस बात पर निर्भर करता है कि कोड का चुनाव वास्तविक हार्डवेयर शोर से कितना मेल खाता है। लेकिन यह अवश्य दिखाता है कि अब लॉजिकल क्यूबिट्स केवल सैद्धांतिक संरचना नहीं, बल्कि एक व्यावहारिक इंजीनियरिंग लक्ष्य हैं।

मुख्य निष्कर्ष

क्वांटम त्रुटि-सुधार नाजुक क्वांटम जानकारी की रक्षा लॉजिकल क्यूबिट्स को बड़े भौतिक तंत्रों में एन्कोड करके और बार-बार त्रुटि सिंड्रोम निकालकर करता है।
मानक [[n,k,d]] संकेतन मुख्य संतुलन को दर्शाता है: भौतिक ओवरहेड बनाम संरक्षित लॉजिकल क्षमता और कोड दूरी।
सबसे अधिक उपयोग किए जाने वाले कोड हार्डवेयर शोर को X, Y, और Z Pauli त्रुटियों में सरल बनाते हैं, भले ही वास्तविक डिवाइसों में amplitude damping और dephasing जैसे प्रभाव भी दिखते हों।
fault tolerance इसलिए महत्वपूर्ण है क्योंकि सुधार प्रक्रिया स्वयं शोरयुक्त होती है; threshold theorem कहता है कि स्केलेबल संगणना केवल एक निश्चित भौतिक त्रुटि-दर से नीचे ही संभव है।
five-qubit code सबसे छोटा कोड है जो एक लॉजिकल क्यूबिट को मनमानी single-qubit त्रुटियों से बचा सकता है।
CSS codes को महत्व इसलिए दिया जाता है क्योंकि वे X और Z स्टैबिलाइज़र्स को अलग करते हैं, जिससे fault-tolerant सिंड्रोम मापन में मदद मिलती है।
surface codes प्रमुख हैं क्योंकि उनके स्टैबिलाइज़र्स 2D lattice पर स्थानीय होते हैं, जिससे वे प्रयोगात्मक रूप से आकर्षक बनते हैं।
surface codes में लॉजिकल विफलता टोपोलॉजिकल रूप से अतुच्छ त्रुटि-पथों से मेल खाती है; code distance ऐसे पथ के न्यूनतम आकार के बराबर होती है।
rotated planar surface codes, दूरी बनाए रखते हुए, unrotated planar codes की तुलना में क्यूबिट संख्या घटाते हैं।
रिपोर्ट किए गए थ्रेशहोल्ड मान और हालिया प्रदर्शनों से उत्साह बढ़ता है, लेकिन व्यावहारिक प्रदर्शन अब भी हार्डवेयर शोर, decoder की गुणवत्ता और बड़े physical-qubit ओवरहेड पर निर्भर करता है।