⚛️ quantum physics

Faster Quantum Simulation Of Markovian Open Quantum Systems Via Randomisation

यह शोधपत्र नवीन गैर-संभाव्यतावादी (non-probabilistic) रैंडमाइज्ड एल्गोरिदम पेश करता है, जिसमें मार्कोवियन ओपन क्वांटम सिस्टम्स के अनुकरण के लिए प्रथम और द्वितीय-क्रम के रैंडमाइज्ड ट्रोटर-सुजुकी फॉर्मूला और QDRIFT चैनल शामिल हैं, जो भौतिकता को बनाए रखते हुए और पारंपरिक मिक्सिंग लेम्मा आवश्यकताओं को दरकिनार करते हुए बेहतर स्केलेबिलिटी, परिशुद्धता और गेट जटिलता प्रदान करते हैं।

मूल लेखक: I. J. David, I. Sinayskiy, F. Petruccione

प्रकाशित 2026-09-01

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: I. J. David, I. Sinayskiy, F. Petruccione

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 लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

इस अध्ययन में प्रस्तुत कार्य को समझने के लिए, व्यक्ति को सबसे पहले निर्वात (vacuum) के बाहर मौजूद क्वांटम दुनिया की प्रकृति को समझना होगा। जबकि क्वांटम भौतिकी के सबसे प्रसिद्ध प्रयोग अक्सर अलग-थलग कणों से जुड़े होते हैं जो पूर्वानुमानित और प्रतिवर्ती (reversible) तरीकों से व्यवहार करते हैं, वास्तविक दुनिया शायद ही कभी इतनी शांत होती है। अधिकांश क्वांटम सिस्टम "ओपन" (खुले) होते हैं, जिसका अर्थ है कि वे अपने परिवेश के साथ लगातार अंतःक्रिया करते हैं, ऊर्जा और सूचना का आदान-प्रदान करते हैं। यह अंतःक्रिया सिस्टम के नाजुक क्वांटम गुणों को खोने का कारण बनती है, जिसे डिकोहेरेंस (decoherence) कहा जाता है, और इसकी विकास प्रक्रिया को अपरिवर्तनीय बना देती है। इन ओपन सिस्टम्स को कंप्यूटर पर सिम्युलेट करने के लिए, वैज्ञानिकों को न केवल सिस्टम को, बल्कि इस बात को भी मॉडल करना चाहिए कि पर्यावरणीय अंतःक्रियाओं के कारण यह कैसे बदलता और विचलित होता है। इस व्यवहार का वर्णन करने वाले गणितीय ढांचे को गोरिनी-कोसाकौस्की-सुदरशन-लिंडब्लाड (Gorini-Kossakowski-Sudarshan-Lindblad) समीकरण कहा जाता है। इस विकास का सटीक रूप से सिमुलेशन करना भविष्य की क्वांटम तकनीकों, जैसे कि सेंसर और कंप्यूटरों को डिजाइन करने के लिए अत्यंत महत्वपूर्ण है, क्योंकि यह शोधकर्ताओं को यह अनुमान लगाने की अनुमति देता है कि उनके उपकरण एक आदर्श सिद्धांत के बजाय प्रयोगशाला की वास्तविक जटिलताओं में वास्तव में कैसा प्रदर्शन करेंगे।

चुनौती इन सिमुलेशन की अत्यधिक कम्प्यूटेशनल कठिनाई में निहित है। क्वांटम सिस्टम को मॉडल करने के पारंपरिक तरीके समय को छोटे चरणों में तोड़ने और सिस्टम के परिवर्तन का अनुमान लगाने के लिए ऑपरेशन्स (operations) के एक अनुक्रम को लागू करने पर निर्भर करते हैं। ओपन सिस्टम्स के लिए, इन ऑपरेशन्स को सावधानीपूर्वक इस तरह से निर्मित किया जाना चाहिए ताकि यह सुनिश्चित हो सके कि सिमुलेशन कभी भी भौतिक रूप से असंभव परिणाम, जैसे कि नकारात्मक प्रायिकता (negative probabilities), उत्पन्न न करे। ऐतिहासिक रूप से, ऐसा करने का सबसे विश्वसनीय तरीका नियत (deterministic) सूत्रों का उपयोग करना रहा है, जहाँ ऑपरेशन्स का क्रम पूर्व-निर्धारित और ज्ञात होता है। हालाँकि, जैसे-जैसे एक सिस्टम में परस्पर क्रिया करने वाले भागों की संख्या बढ़ती है, ये निश्चित तरीके अविश्वसनीय रूप से धीमे और संसाधन-गहन हो जाते हैं, जिसके लिए कंप्यूटिंग शक्ति में घातीय (exponential) वृद्धि की आवश्यकता होती है। इस बाधा ने उन क्वांटम सिस्टम्स के आकार और जटिलता को सीमित कर दिया है जिनका वैज्ञानिक सिमुलेशन कर सकते हैं, जिससे सिद्धांत और वर्तमान तकनीक के बीच एक अंतर पैदा हो गया है।

इस शोध पत्र में, शोधकर्ता आई. जे. डेविड, आई. सिनायस्की और एफ. पेट्रुकोन पेश करते हैं, जो इन कठोर, निश्चित अनुक्रमों को रैंडमाइजेशन (यादृच्छिकीकरण) पर आधारित एक रणनीति से बदलते हैं। सिमुलेशन चरणों के माध्यम से एक एकल, पूर्व-निर्धारित पथ का अनुसरण करने के बजाय, उनकी विधि कंप्यूटर को विशिष्ट संभावनाओं द्वारा निर्देशित होकर प्रत्येक चरण में ऑपरेशन्स का क्रम यादृच्छिक रूप से चुनने की अनुमति देती है। उन्होंने दो अलग-अलग तकनीकें विकसित कीं: एक जो मानक सिमुलेशन चरणों के क्रम को रैंडमाइज करती है, और दूसरी जो QDRIFT नामक एक विधि से प्रेरणा लेती है, जो सिस्टम के विकास के व्यक्तिगत घटकों को उनकी शक्ति के आधार पर चुनती है। उल्लेखनीय रूप से, लेखकों ने यह सिद्ध किया कि रैंडमनेस (यादृच्छिकता) के बावजूद, ये विधियाँ अभी भी भौतिक रूप से वैध और गणितीय रूप से सटीक परिणाम देती हैं। उन्होंने प्रदर्शित किया कि उनके रैंडमाइज्ड एल्गोरिदम मौजूदा सर्वोत्तम विधियों के समान सटीकता प्राप्त कर सकते हैं, लेकिन बहुत कम कम्प्यूटेशनल चरणों के साथ, विशेष रूप से उन प्रणालियों के मामले में जिनमें कई परस्पर क्रिया करने वाले घटक होते हैं।

शोधकर्ताओं ने दिखाया कि उनकी पहली विधि, जो मानक सिमुलेशन फॉर्मूला का एक रैंडमाइज्ड संस्करण है, सिस्टम के आकार के साथ आवश्यक कंप्यूटिंग शक्ति के स्केलिंग (scaling) को बदलकर गणना की दक्षता में सुधार करती है। पारंपरिक निश्चित दृष्टिकोण में, सिस्टम में परस्पर क्रिया करने वाले भागों की संख्या को दोगुना करने से आवश्यक कंप्यूटिंग प्रयास आसमान छू सकता है। इसके विपरीत, रैंडमाइज्ड विधि इस वृद्धि को कम करती है, जिससे बड़े सिस्टम के लिए यह बहुत अधिक प्रबंधनीय हो जाता है। उनकी दूसरी विधि, QDRIFT-प्रेरित चैनल, एक और भी नाटकीय लाभ प्रदान करती है: आवश्यक चरणों की संख्या पूरी तरह से परस्पर क्रिया करने वाले भागों की संख्या से स्वतंत्र हो जाती है। इसका अर्थ यह है कि सैकड़ों या हजारों घटकों वाले बहुत बड़े, जटिल सिस्टम के लिए, यह विधि सैद्धांतिक रूप से उतनी ही तेज़ चल सकती है जितनी कि एक बहुत छोटे सिस्टम के लिए, बशर्ते सिमुलेशन का समय कम रखा जाए।

इस कार्य का एक महत्वपूर्ण पहलू यह है कि शोधकर्ताओं ने इन परिणामों को प्राप्त करने के लिए 'मिक्सिंग लेम्मा' (mixing lemma) नामक गणितीय उपकरण पर निर्भर नहीं किया, जिसका उपयोग बंद (closed) सिस्टम के समान अध्ययनों में किया जाता है लेकिन यह ओपन सिस्टम पर लागू नहीं होता है। प्रथम सिद्धांतों (first principles) से अपने स्वयं के एरर बाउंड्स (error bounds) को व्युत्पन्न करके, उन्होंने सुनिश्चित किया कि उनके निष्कर्ष कठोर हैं और विशेष रूप से ओपन क्वांटम डायनेमिक्स की जटिल वास्तविकता के अनुरूप हैं। उन्होंने यह भी एक ठोस ब्लूप्रिंट प्रदान किया है कि इन सिमुलेशन को क्वांटम कंप्यूटर पर कैसे चलाया जाए। उनके प्रस्ताव में एक क्लासिकल कंप्यूटर का उपयोग करके निर्देशों का एक रैंडम अनुक्रम उत्पन्न करना शामिल है, जिन्हें फिर क्वांटम प्रोसेसर में फीड किया जाता है। यह हाइब्रिड दृष्टिकोण क्वांटम सर्किट को सरल और कुशल रखता है, जिससे अन्य उन्नत सिमुलेशन तकनीकों में होने वाली जटिल ओवरहेड से बचा जा सकता है।

ये निष्कर्ष क्वांटम सिमुलेशन के लिए एक नया मार्ग सुझाते हैं, विशेष रूप से क्वांटम कंप्यूटिंग के निकट भविष्य के लिए। जबकि अन्य उन्नत विधियाँ मौजूद हैं जो लंबे सिमुलेशन समय के लिए उत्कृष्ट स्केलिंग प्रदान करती हैं, उन्हें अक्सर जटिल, त्रुटि-प्रवण हार्डवेयर सेटअप की आवश्यकता होती है जो अभी तक उपलब्ध नहीं हैं। यहाँ वर्णित रैंडमाइज्ड विधियाँ सिमुलेशन समय की दक्षता के साथ समझौता करते हुए एक बहुत ही सरल, अधिक मजबूत संरचना का उपयोग करती हैं जो वर्तमान और निकट-अवधि के क्वांटम उपकरणों के लिए बेहतर अनुकूल है। लेखक जोर देते हैं कि उनकी तकनीकें उन सिस्टम्स के लिए विशेष रूप से उपयुक्त हैं जहाँ अंतःक्रियाएं प्रचुर मात्रा में हैं लेकिन समग्र परिवर्तन की दर प्रबंधनीय है, जैसे कि प्रकाश-द्रव्य अंतःक्रिया (light-matter interaction) या चुंबकीय सामग्रियों के कुछ मॉडल। यह सिद्ध करके कि रैंडमनेस का उपयोग भौतिक वैधता से समझौता किए बिना सटीकता और गति में सुधार के लिए किया जा सकता है, यह कार्य क्वांटम दुनिया की वास्तविक गतिशीलता को खोजने के लिए एक व्यावहारिक और शक्तिशाली उपकरण प्रदान करता है।

तकनीकी सारांश: रैंडमाइजेशन (यादृच्छिकीकरण) के माध्यम से मार्कोवियन ओपन क्वांटम सिस्टम का तेज़ क्वांटम सिमुलेशन

समस्या विवरण

क्वांटम कंप्यूटरों पर मार्कोवियन ओपन क्वांटम सिस्टम (OQS) के सिमुलेशन के लिए गोरिनी-कोसाक-सुडरशान-लिंडब्लाड (GKSL) मास्टर समीकरण द्वारा नियंत्रित गतिक विकास (dynamical evolution) का सन्निकटन (approximation) आवश्यक है। एक महत्वपूर्ण बाधा यह है कि सिमुलेशन को विकास की भौतिकता (physicality) को बनाए रखना चाहिए, जिसका अर्थ है कि सन्निकट मानचित्र (approximating map) पूर्णतः धनात्मक और ट्रेस-संरक्षण (Completely Positive and Trace Preserving - CPTP) होना चाहिए।

जबकि क्लोज्ड सिस्टम्स के लिए ट्रोटर-सुजुकी (TS) प्रोडक्ट फॉर्मूला मानक हैं, OQS के लिए उनका अनुप्रयोग सीमित है। प्रथम और द्वितीय-क्रम के नियत (deterministic) TS फॉर्मूला CPTP सन्निकटन की गारंटी देते हैं, लेकिन उच्च-क्रम के नियत फॉर्मूला अक्सर इस आवश्यकता में विफल हो जाते हैं क्योंकि वे ऋणात्मक समय चरणों (negative time steps) वाले पुनरावर्ती निर्माणों (recursive constructions) का उपयोग करते हैं, जो लिंडब्लाडियन्स (Lindbladians) के लिए CPTP मानचित्र प्रदान नहीं करते हैं। इसके विपरीत, मौजूदा संभाव्य (probabilistic) एल्गोरिदम, जो बेहतर परिशुद्धता और गेट जटिलता प्रदान करते हैं, विफलता की एक गैर-शून्य संभावना पेश करते हैं। अतः ऐसे गैर-संभाव्य (non-probabilistic) एल्गोरिदम की आवश्यकता है जो CPTP प्रकृति से समझौता किए बिना गेट जटिलता और परिशुद्धता में बेहतर स्केलिंग प्रदान कर सकें, और जटिल सबरूटीन या अत्यधिक ओवरहेड पर निर्भर न हों।

कार्यप्रणाली (Methodology)

लेखक मार्कोवियन OQS को सिमुलेट करने के लिए रैंडमाइजेशन (यादृच्छिकीकरण) का लाभ उठाने वाले नवीन गैर-संभाव्य एल्गोरिदम पेश करते हैं। मुख्य कार्यप्रणाली तीन अलग-अलग दृष्टिकोणों पर आधारित है, जिन्हें सभी असतत वितरणों (discrete distributions) से गेट सेट बनाने के लिए क्लासिकल सैंपलिंग (CS) का उपयोग करके लागू किया गया है:

रैंडमाइज्ड फर्स्ट-ऑर्डर TS फॉर्मूला:
- नियत (deterministic) TS (जैसा कि क्लोज्ड सिस्टम में होता है) के विपरीत, जिसमें घटक चैनलों का एक निश्चित क्रम होता है, यह विधि फॉरवर्ड ( $S_1^\rightarrow$ ) और रिवर्स्ड ( $S_1^\leftarrow$ ) फर्स्ट-ऑर्डर प्रोडक्ट फॉर्मूला के एक कॉनवेक्स कॉम्बिनेशन (convex combination) का निर्माण करती है।
- $S_1^{(ran)}(\tau) = \frac{1}{2}(S_1^\rightarrow(\tau) + S_1^\leftarrow(\tau))$ ।
- इसका कार्यान्वयन प्रत्येक टाइम स्टेप के लिए फॉरवर्ड और रिवर्स्ड ऑर्डरिंग के बीच चयन करने के लिए एक क्लासिकल ऑरेकल (oracle) का उपयोग करता है।
रैंडमाइज्ड सेकंड-ऑर्डर TS फॉर्मूला:
- यह विधि घटक जनरेटरों के सभी परम्यूटेशन (permutations) $\sigma \in \text{Sym}(M)$ के कॉनवेक्स कॉम्बिनेशन को लेकर सेकंड-ऑर्डर तक सामान्यीकरण करती है।
- $S_2^{(ran)}(\tau) = \frac{1}{M!} \sum_{\sigma \in \text{Sym}(M)} S_\sigma^2(\tau)$ ।
- इसका कार्यान्वयन प्रत्येक टाइम स्टेप के लिए एक परम्यूटेशन को समान रूप से (uniformly at random) सैंपल करता है।
OQS के लिए QDRIFT चैनल:
- हैमिल्टोनियन सिमुलेशन के लिए QDRIFT प्रोटोकॉल से प्रेरित होकर, यह विधि घटक चैनलों $e^{\omega L_k}$ को प्रायिकता $p_k = \gamma_k / \Gamma$ के साथ लागू करती है, जहाँ $\Gamma = \sum \gamma_k$ कुल क्षय दर (total decay rate) है।
- चैनल को $\mathcal{E}_\omega^{(QD)}(\rho) = \sum_{k=1}^M p_k e^{\omega L_k}$ के रूप में परिभाषित किया गया है।
- TS फॉर्मूला के विपरीत, इस विधि की गेट जटिलता इसके स्पष्ट सूत्र में घटक पदों की संख्या $M$ से स्वतंत्र है, और यह कुल दर $\Gamma$ पर निर्भर करती है।

मुख्य तकनीकी अंतर:
एक महत्वपूर्ण कार्यप्रणाली योगदान इन रैंडमाइज्ड OQS सिमुलेशन के लिए त्रुटि सीमा (error bounds) का व्युत्पन्न करना है, जो मिक्सिंग लेम्मा (mixing lemma) (कैम्पबेल और हेस्टिंग्स) पर निर्भर नहीं करता है। मिक्सिंग लेम्मा यूनिटरी ऑपरेटर्स (हैमिल्टोनियन सिमुलेशन) की ज्यामिति के लिए विशिष्ट है और CPTP मानचित्रों पर लागू नहीं होता है। इसके बजाय, लेखक डायमंड नॉर्म एरर (diamond norm error) को बाउंड करने के लिए सीधे टेलर एक्सपेंशन और कॉम्बिनेटोरियल तर्कों का उपयोग करते हैं, यह सिद्ध करते हुए कि रैंडमाइज्ड फॉर्मूला गैर-यूनिटरी डायनेमिक्स के बावजूद टाइम स्टेप $\tau$ में उच्च-क्रम सटीकता प्राप्त करते हैं।

मुख्य परिणाम और गेट जटिलता

पेपर लक्षित परिशुद्धता $\epsilon$ और सिमुलेशन समय $t$ के लिए कठोर त्रुटि सीमाएं और स्टेप काउंट सीमाएं ( $N$ ) व्युत्पन्न करता है। गेट जटिलता को आवश्यक "सिंपल चैनल्स" (घटक एक्सपोनेंशियल) की कुल संख्या के रूप में परिभाषित किया गया है।

मान लीजिए $M$ GKSL जनरेटर में पदों की संख्या है, $\Lambda = \max_k \|\hat{L}_k\|_\diamond$ (जहाँ $\hat{L}_k$ में क्षय दरें शामिल हैं), और $\Omega = \max_k \|L_k\|_\diamond$ (रेट-नॉर्मलाइज्ड जनरेटर्स) है।

प्रथम-क्रम नियत (Deterministic) TS: $O((t\Lambda)^2 M^3 / \epsilon)$ के रूप में स्केल करता है।
प्रथम-क्रम रैंडमाइज्ड TS (CS): $O((t\Lambda)^{3/2} M^{5/2} / \sqrt{\epsilon})$ $O ((t Λ)^{3/2} M^{5/2} / ϵ)$ के रूप में स्केल करता है।
- सुधार: यह दूसरे क्रम के नियत फॉर्मूला की स्केलिंग से मेल खाता है, लेकिन एक सरल संरचना के साथ। यह $M$ पर निर्भरता को $M^3$ से सुधारकर $M^{5/2}$ करता है।
द्वितीय-क्रम नियत (Deterministic) TS: $O((t\Lambda)^{3/2} M^{5/2} / \sqrt{\epsilon})$ के रूप में स्केल करता है।
द्वितीय-क्रम रैंडमाइज्ड TS (CS): $O((t\Lambda)^{3/2} M^2 / \sqrt{\epsilon})$ $O ((t Λ)^{3/2} M^{2} / ϵ)$ के रूप में स्केल करता है।
- सुधार: यह $M$ पर द्विघातीय (quadratic) निर्भरता प्राप्त करता है, जो नियत और प्रथम-क्रम रैंडमाइज्ड दोनों फॉर्मूला से काफी बेहतर है।
QDRIFT चैनल (CS): $O((t\Gamma\Omega)^2 / \epsilon)$ $O ((t ΓΩ)^{2} / ϵ)$ के रूप में स्केल करता है।
- सुधार: इसकी गेट जटिलता में $M$ पर कोई स्पष्ट निर्भरता नहीं है, बल्कि यह कुल दर $\Gamma = \sum \gamma_k$ पर निर्भर करती है। हालांकि, यह स्वतंत्रता सशर्त है: चूंकि $\Gamma \le M \max_k \gamma_k$ , इसलिए जब क्षय दरें तुलनीय होती हैं, तो कुल दर $M$ के साथ रैखिक रूप से बढ़ती है, ऐसी स्थिति में QDRIFT चैनल का स्केलिंग नियत TS फॉर्मूला के समान होता है। यह विधि उन प्रणालियों के लिए एक अलग लाभ प्रदान करती है जहाँ $\Gamma$ छोटा है या $M$ से स्वतंत्र रूप से सीमित रहता है (उदाहरण के लिए, वे सिस्टम जो कुछ मजबूत डिसिपेटर्स द्वारा संचालित होते हैं)।

महत्व और दावे

लेखक दावा करते हैं कि यह कार्य हैमिल्टोनियन सिमुलेशन से मार्कोवियन ओपन क्वांटम सिस्टम के सामान्य परिवेश में शक्तिशाली रैंडमाइजेशन तकनीकों को व्यवस्थित रूप से विस्तारित करता है। इस कार्य का महत्व तीन मुख्य बिंदुओं के इर्द-गिर्द बनाया गया है:

गैर-संभाव्य दक्षता (Non-Probabilistic Efficiency): प्रस्तावित विधियाँ गैर-संभाव्य हैं (उनके त्रुटि बाउंड्स नियत हैं, हालांकि सर्किट निर्माण में रैंडम सैंपलिंग शामिल है) और विकास की CPTP प्रकृति को बनाए रखती हैं, जिससे अन्य संभाव्य OQS एल्गोरिदम से जुड़ी विफलता की संभावना से बचा जा सके।
स्केलेबिलिटी (Scalability): रैंडमाइज्ड TS फॉर्मूला, नियत TS फॉर्मूला की तुलना में जनरेटर पदों $M$ के संबंध में बेहतर स्केलिंग प्रदान करते हैं। विशेष रूप से, दूसरा क्रम का रैंडमाइज्ड फॉर्मूला $M$ -निर्भरता को द्विघातीय (quadratic) में कम करता है, और QDRIFT चैनल $M$ -निर्भरता को हटा देता है (हालांकि यह $\Gamma$ के व्यवहार पर सशर्त है)।
कार्यान्वयन सरलता (Implementation Simplicity): ये विधियाँ गेट सेट बनाने के लिए क्लासिकल सैंपलिंग पर निर्भर करती हैं, जो उन्नत नियत एल्गोरिदम (जैसे ब्लॉक-एनकोडिंग या क्वांटम सिग्नल प्रोसेसिंग) के जटिल सबरूटीन से बचती हैं जो सिमुलेशन समय $t$ में लगभग-रैखिक स्केलिंग प्राप्त करते हैं। लेखक तर्क देते हैं कि शुरुआती फॉल्ट-टोलरेंट क्वांटम कंप्यूटरों के लिए, इन रैंडमाइज्ड विधियों का कम ओवरहेड और संरचनात्मक सरलता उन्हें, विशेष रूप से बड़े $M$ वाले सिस्टम के लिए, एक व्यावहारिक विकल्प बनाती है।

पेपर स्पष्ट रूप से नोट करता है कि जबकि रैंडमाइज्ड विधियों में सिमुलेशन समय $t$ के लिए कम अनुकूल स्केलिंग (द्विघातीय या उच्चतर) होती है, उन्नत नियत विधियों (लगभग-रैखिक) की तुलना में, $M$ में उनका बहुपद (polynomial) सुधार और कम कार्यान्वयन ओवरहेड उन्हें विशिष्ट परिदृश्यों के लिए फायदेमंद बनाता है, जैसे कि कम से मध्यम समय के लिए बड़े डिसिपेटिव सिस्टम का सिमुलेशन करना।

कार्य का समापन खुले प्रश्नों की पहचान के साथ होता है, जिसमें CPTP मैप्स के लिए मिक्सिंग लेम्मा का सामान्यीकरण, उच्च-क्रम स्केलिंग के लिए इष्टतम कॉनवेक्स मिश्रण खोजना, और इन परिणामों को गैर-मार्कोवियन डायनेमिक्स तक विस्तारित करना शामिल है। यह उच्च-क्रम रैंडमाइज्ड फॉर्मूला तक विस्तार करने की चुनौती को भी रेखांकित करता है क्योंकि $e^{-tL}$ की बैकवर्ड-टाइम लिंडब्लाडियन प्रकृति गैर-CPTP है।

तकनीकी सारांश: रैंडमाइजेशन (यादृच्छिकीकरण) के माध्यम से मार्कोवियन ओपन क्वांटम सिस्टम का तेज़ क्वांटम सिमुलेशन

समस्या विवरण

कार्यप्रणाली (Methodology)

मुख्य परिणाम और गेट जटिलता

महत्व और दावे

इसी तरह के और पेपर