⚛️ quantum physics

Quantum Advantage in Distributed Sensing with Noisy Quantum Networks

यह शोध पत्र प्रदर्शित करता है कि शोर वाले उलझे हुए अवस्थाओं (entangled states) और अपूर्ण नेटवर्क स्थितियों के बावजूद वितरित संवेदन (distributed sensing) में क्वांटम लाभ प्राप्त करना संभव बना हुआ है, जो व्यावहारिक कार्यान्वयन के मार्गदर्शन के लिए एक क्लोज्ड-फॉर्म क्वांटम फिशर इंफॉर्मेशन अभिव्यक्ति और एक ऑप्टिमाइज़ेशन-मुक्त एंटैंगलमेंट डिटेक्शन मानदंड प्रदान करता है।

मूल लेखक: Allen Zang, Alexander Kolar, Alvin Gonzales, Joaquin Chung, Stephen K. Gray, Rajkumar Kettimuthu, Tian Zhong, Zain H. Saleem

प्रकाशित 2026-07-13

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Allen Zang, Alexander Kolar, Alvin Gonzales, Joaquin Chung, Stephen K. Gray, Rajkumar Kettimuthu, Tian Zhong, Zain H. Saleem

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

कल्पना कीजिए कि आप और आपके दोस्त एक विशाल शहर में बिखरे हुए हैं, और प्रत्येक के पास एक अत्यंत संवेदनशील दिशा-सूचक यंत्र (कंपास) है। आपका मिशन क्या है? पूरे शहर में चुंबकीय क्षेत्र की औसत दिशा का पता लगाना। यदि आप सभी केवल अपने कंपास की जांच करते हैं, अपने नंबर लिखते हैं, और गणित करने के लिए उन्हें एक केंद्रीय कंप्यूटर को टेक्स्ट करते हैं, तो वह "पुराना तरीका" है। यह काम करता है, लेकिन यह धीमा है और इसमें छोटी-मोटी गलतियों के जमा होने की संभावना रहती है।

अब, कल्पना कीजिए कि आप अपने सभी कंपासों को क्वांटम एंटैंगलमेंट (quantum entanglement) नामक एक अदृश्य, रहस्यमय धागे से जोड़ सकते हैं। यदि आप ऐसा करते हैं, तो आप अकेले काम करने की तुलना में बहुत अधिक सटीक और स्पष्ट उत्तर प्राप्त कर सकते हैं। यही डिस्ट्रीब्यूटेड क्वांटम सेंसिंग (Distributed Quantum Sensing - DQS) का सपना है।

लेकिन यहाँ एक पेंच है: वास्तविक दुनिया में, ये अदृश्य धागे अव्यवस्थित होते हैं। वे उलझ जाते हैं, घिस जाते हैं और शोर (noise) से भर जाते हैं। लंबे समय तक वैज्ञानिकों को डर था कि यदि ये धागे बहुत अधिक शोर वाले हुए, तो पूरा क्वांटम लाभ समाप्त हो जाएगा, और आप अकेले काम करने की तुलना में बेहतर परिणाम नहीं दे पाएंगे।

बड़ी खोज
शिकागो विश्वविद्यालय और अर्गोने नेशनल लेबोरेटरी की एक टीम द्वारा लिखित यह शोध पत्र एक चौंकाने वाला सच सामने लाता है: आपको जीतने के लिए एकदम सटीक, क्रिस्टल-क्लियर धागों की आवश्यकता नहीं है। भले ही आपका क्वांटम नेटवर्क "शोर वाला" हो और केवल "धुंधले" एंटैंगल्ड स्टेट्स ही प्रदान कर पा रहा हो, फिर भी आप सबसे अच्छे संभव "लोकल" रणनीति (जहाँ हर कोई अकेले काम करता है) को मात दे सकते हैं।

इसे एक ग्रुप प्रोजेक्ट की तरह समझें। यदि आपके पास थोड़ा धुंधला नक्शा है (शोर वाला एंटैंगलमेंट), तो भी आप उस समस्या को हल करने में अधिक तेज़ी से सक्षम हो सकते हैं, जो तब होता जब हर कोई बिना एक-दूसरे से बात किए अपने नक्शे के छोटे से हिस्से को हल करने की कोशिश करता। लेखक दिखाते हैं कि जब तक "धुंधलापन" बहुत अधिक चरम स्तर पर न हो, क्वांटम टीम के पास बढ़त बनी रहती है।

"धुंधला" नक्शा और जादुई सूत्र
इसे सिद्ध करने के लिए, लेखकों ने केवल अनुमान नहीं लगाया; उन्होंने भारी गणित का उपयोग किया। उन्होंने GHZ-डायगोनल स्टेट (GHZ-diagonal state) नामक एक विशिष्ट प्रकार के अव्यवस्थित नक्शे का अध्ययन किया। कल्पना कीजिए कि एक GHZ स्टेट एक सुपर-कोऑर्डिनेटेड डांस की तरह है जहाँ हर कोई पूरी तरह से तालमेल में चलता है। एक "GHZ-डायगोनल" स्टेट उसी डांस की तरह है, लेकिन कुछ डांसर थोड़े ताल से बाहर या भ्रमित हैं (शोर के कारण)।

उन्होंने एक विशेष सूत्र निकाला (जिसे क्वांटम फिशर इंफॉर्मेशन (Quantum Fisher Information) कहा जाता है) जो एक स्कोरकार्ड की तरह कार्य करता है। यह स्कोरकार्ड आपको बताता है कि आपके पास कितना "क्वांटम लाभ" है।

स्कोर: यदि आपका स्कोर एक निश्चित संख्या से अधिक है (विशेष रूप से, यदि $\eta$ का मान 1 से अधिक है), तो आप जीत जाते हैं। आपको लोकल टीम की तुलना में बेहतर उत्तर मिलता है।
ट्विस्ट: उन्होंने पाया कि यह स्कोरकार्ड एंटैंगलमेंट के लिए एक "झूठ पकड़ने वाले यंत्र" (lie detector) के रूप में भी कार्य कर सकता है। यदि आपकी टीम एक विजेता स्कोर प्राप्त करती है, तो यह सिद्ध करता है कि आप वास्तव में एंटैंगल्ड हैं। यदि आप एंटैंगल्ड नहीं हैं, तो आप जीत नहीं सकते।

उन्होंने क्या खारिज किया ("नहीं" की सूची)
यह शोध पत्र बहुत सावधानी से उन चीजों के बारे में बताता है जो काम नहीं करती हैं या जिनकी आवश्यकता नहीं है:

परफेक्ट एंटैंगलमेंट की आवश्यकता नहीं है: आपको एक दोषरहित नेटवर्क की आवश्यकता नहीं है। वास्तव में, यह पेपर तर्क देता है कि नेटवर्क का "धुंधलापन" उतनी बड़ी समस्या नहीं है जितना कि आप सोचते हैं।
जेनुइन मल्टीपार्टाइट एंटैंगलमेंट (GME) हमेशा आवश्यक नहीं है: वैज्ञानिक पहले सोचते थे कि आपको एक बहुत ही विशिष्ट, सुपर-कॉम्प्लेक्स प्रकार के एंटैंगलमेंट (जहाँ हर कोई एक गहरे, जटिल जाल में जुड़ा होता है) की आवश्यकता होगी ताकि आप जीत सकें। यह पेपर दिखाता है कि कई स्थितियों में, आपको उस सुपर-कॉम्प्लेक्स जाल की आवश्यकता नहीं होती है। एक सरल, "शोर वाला" लिंक अक्सर लोकल रणनीति को हराने के लिए पर्याप्त होता है।
लोकल एरर्स (स्थानीय त्रुटियां) असली खलनायक हैं: पेपर सुझाव देता है कि आपके अपने लैब के भीतर होने वाली गलतियाँ (जैसे जब आप अपने स्थानीय टीम में अधिक सेंसर जोड़ने का प्रयास करते हैं) वास्तव में आपके दोस्तों को जोड़ने वाले नेटवर्क में होने वाली गलतियों की तुलना में अधिक खतरनाक हैं। यदि आपका स्थानीय "एंटैंगलमेंट जनरेटर" ढीला है, तो यह नेटवर्क केबल के थोड़े शोर वाले होने की तुलना में आपके स्कोर को अधिक नुकसान पहुँचाता है।

वे कितने आश्वस्त हैं?
लेखक काफी आश्वस्त हैं, लेकिन वे अपने काम की सीमाओं के प्रति ईमानदार भी हैं।

गणित ठोस है: उन्होंने सटीक, क्लोज्ड-फॉर्म गणितीय सूत्र निकाले हैं। यह केवल एक अनुमान नहीं है; यह एक कठोर प्रमाण है कि विशिष्ट परिस्थितियों (जैसे इन "GHZ-डायगोनल" स्टेट्स के तहत) में, शोर के साथ भी क्वांटम लाभ संभव है।
सिमुलेशन इसका समर्थन करते हैं: उन्होंने केवल कागज पर गणित नहीं किया; उन्होंने एक वास्तविक 3-नोड नेटवर्क को मॉडल करने के लिए कंप्यूटर सिमुलेशन (SeQUeNCe नामक टूल का उपयोग करके) चलाए। इन सिमुलेशनों ने दिखाया कि यथार्थवादी नेटवर्क स्टैक के साथ, क्वांटम लाभ वास्तव में प्राप्त किया जा सकता है।
"क्या होगा यदि" (The "What Ifs"): उन्होंने यह भी देखा कि क्या होता है यदि सेंसर स्वयं "डीफेज़्ड" (एक प्रकार का शोर जहाँ सेंसर समय के साथ अपनी लय खो देते हैं) हो जाते हैं। इस अतिरिक्त शोर के साथ भी, उन्होंने पाया कि क्वांटम नेटवर्क दृष्टिकोण स्थानीय त्रुटियों की तुलना में अधिक मजबूत है।

आकर्षक निष्कर्ष
पेपर निष्कर्ष निकालता है कि हमें क्वांटम सेंसर नेटवर्क बनाना शुरू करने के लिए एक परफेक्ट, साइंस-फिक्शन वाले क्वांटम इंटरनेट का इंतजार करने की आवश्यकता नहीं है। भले ही हमारे पास भविष्य में बनने वाले "अपूर्ण" नेटवर्क हों, फिर भी हम क्लासिकल तरीकों से बेहतर प्रदर्शन कर सकते हैं।

हालाँकि, एक चेतावनी है: सटीकता मायने रखती है। जबकि नेटवर्क थोड़ा शोर वाला हो सकता है, लोकल माप बहुत सावधानी से ट्यून किए जाने चाहिए। लेखकों ने पाया कि यदि आप गलत तरीके से माप करते हैं (भले ही एक सूक्ष्म कोण से), तो आपके परिणाम बिगड़ सकते हैं और बेकार हो सकते हैं। यह एक धुंधले नक्शे के होने जैसा है लेकिन यह जानते हुए कि किस दिशा में देखना है; यदि आप गलत दिशा में देखते हैं, तो धुंधलापन मायने नहीं रखता क्योंकि आप वैसे भी खो गए हैं।

तो, एक जिज्ञासु किशोर के लिए सबक क्या है? क्वांटम नेटवर्क अव्यवस्थित हो सकते हैं, और धागे घिसे हुए हो सकते हैं, लेकिन यदि आप जानते हैं कि उन्हें कैसे जोड़ना है और किस दिशा में देखना है, तो आप अकेले काम करने वाले किसी भी व्यक्ति की तुलना में दुनिया को अधिक स्पष्ट रूप से देख सकते हैं। क्वांटम लाभ वास्तविक है, यह मजबूत है, और यह निर्माण के लिए तैयार है, यहाँ तक कि आज के अपूर्ण उपकरणों के साथ भी।

तकनीकी सारांश: शोरयुक्त क्वांटम नेटवर्क के साथ वितरित संवेदन में क्वांटम लाभ

समस्या विवरण
डिस्ट्रिब्यूटेड क्वांटम सेंसिंग (DQS) का लक्ष्य स्थानीय मापदंडों (जैसे, दूरस्थ नोड्स में वितरित मापदंडों का औसत) के वैश्विक फलनों का अनुमान लगाना है। जबकि आदर्श DQS प्रोटोकॉल स्थानीय ऑपरेशन्स की तुलना में रिमोट एंटैंगलमेंट वितरण में उच्च इनफिडेलिटी (infidelity) के कारण वर्तमान क्वांटम नेटवर्किंग क्षमताओं द्वारा सीमित हैं, फिर भी आदर्श DQS प्रोटोकॉल शास्त्रीय रणनीतियों पर लाभ प्रदान करते हैं। वर्तमान में, निकट-अवधि (near-term) नेटवर्क में प्रारंभिक प्रोब स्टेट तैयारी शोर से प्रभावित होती है। यह कार्य इस केंद्रीय समस्या को संबोधित करता है कि क्या तब क्वांटम लाभ प्राप्त किया जा सकता है जब नेटवर्क केवल शोरयुक्त एंटैंगल्ड स्टेट्स वितरित कर सकता है, और यह लाभ नेटवर्क की खामियों, स्थानीय एंटैंगलमेंट जनरेशन त्रुटियों और माप बाधाओं के साथ कैसे स्केल करता है।

कार्यप्रणाली
लेखक एक सामान्य DQS परिदृश्य को मॉडल करते हैं जहाँ $d$ सेंसर नोड्स, जिनमें से प्रत्येक में $n$ स्थानीय क्यूबिट होते हैं, स्थानीय मापदंडों के औसत $\theta_1 = \frac{1}{\sqrt{d}}\sum x_i$ का अनुमान लगाने का लक्ष्य रखते हैं। एनकोडिंग को एक यूनिटरी फेज एक्यूमुलेशन $U(x) = \exp[-i(\sum x_i H_i)]$ के रूप में मॉडल किया गया है, जहाँ $H_i$ नोड $i$ के लिए सामूहिक स्पिन ऑपरेटर है।

प्रोब स्टेट मॉडलिंग: प्रारंभिक प्रोब स्टेट को एक GHZ-डायगोनल मिश्रित अवस्था $\rho_0 = \sum_a \lambda_a |\psi_{a0}\rangle\langle\psi_{a0}|$ माना गया है। यह धारणा पाउली ट्वर्लिंग (Pauli twirling) या स्टेबलाइजर ट्वर्लिंग (stabilizer twirling) के अनुप्रयोग द्वारा न्यायसंगत है, जो सामान्य नॉइज़ चैनल्स को पाउली एरर्स में बदल देता है, जिससे अवस्था प्रभावी रूप से GHZ बेसिस में डायगोनलाइज हो जाती है।
क्वांटम फिशर इंफॉर्मेशन (QFI) व्युत्पत्ति: लेखक वैश्विक मापदंड $\theta_1$ के लिए QFI का एक क्लोज्ड-फॉर्म एक्सप्रेशन निकालते हैं। एक GHZ-डायगोनल अवस्था के लिए, QFI $F(\theta_1) = d(1-C)n^2$ द्वारा दिया जाता है, जहाँ $C$ डेंसिटी मैट्रिक्स के आइगेनवैल्यू पर निर्भर एक पैरामीटर है जो प्रारंभिक अवस्था की "गुणवत्ता" को दर्शाता है।
तुलना आधार रेखा (Comparison Baseline): क्वांटम लाभ को इष्टतम स्थानीय सेंसिंग रणनीति के सापेक्ष परिभाषित किया गया है, जहाँ प्रत्येक नोड स्वतंत्र रूप से अपने स्थानीय मापदंड का अनुमान लगाता है (एक स्थानीय GHZ अवस्था का उपयोग करके), और परिणामों का औसत निकाला जाता है। इस स्थानीय रणनीति का वेरिएंस $1/(n^2\mu)$ है, जहाँ $\mu$ नमूनों की संख्या है।
नॉइज़ मॉडल: अध्ययन तीन विशिष्ट शोर परिदृश्यों को शामिल करता है:
- नेटवर्क शोर: प्रारंभिक $d$ -क्यूबिट GHZ अवस्था नेटवर्क द्वारा वितरित शोरयुक्त (जैसे, डिपोलराइज्ड या डीफेज्ड) है।
- स्थानीय एंटैंगलमेंट जनरेशन: $d$ -क्यूबिट अवस्था को $nd$-क्यूबिट अवस्था तक विस्तारित करने के लिए उपयोग किए जाने वाले अपूर्ण स्थानीय ऑपरेशन्स (शोरयुक्त CNOT गेट्स) को फेनोमेनोलॉजिकल रूप से मॉडल किया गया है, जहाँ फिडेलिटी $F(n) = k^{n-1}F$ के रूप में स्केल करती है।
- डीफेजिंग (Dephasing): पैरामीटर एनकोडिंग डायनेमिक्स के दौरान व्यक्तिगत क्यूबिट डीफेजिंग को लिंडब्लाड मास्टर इक्वेशन (Lindblad master equation) के माध्यम से स्पष्ट रूप से शामिल किया गया है।
मापन बाधाएं: विश्लेषण इस सीमा को ध्यान में रखता है कि इष्टतम मापन (measurements) के लिए अक्सर नोड्स के बीच एंटैंगलिंग ऑपरेशन्स की आवश्यकता होती है। लेखक लोकल ऑपरेशन्स एंड क्लासिकल कम्युनिकेशन (LOCC) के तहत प्रदर्शन का मूल्यांकन करते हैं, विशेष रूप से स्थानीय अज़ीमुथल (azimuthal) मापन को अनुकूलित करते हुए।

मुख्य योगदान और परिणाम

क्वांटम लाभ की स्थिति: लेखक इष्टतम स्थानीय रणनीति पर क्वांटम लाभ के लिए एक आवश्यक और पर्याप्त शर्त व्युत्पन्न करते हैं: $\eta \equiv d(1-C) > 1$ । यह शर्त नोड्स की संख्या $d$ और स्टेट क्वालिटी पैरामीटर $C$ पर निर्भर करती है।
एंटैंगलमेंट डिटेक्शन मानदंड: स्थिति $\eta > 1$ मल्टीपार्टाइट एंटैंगलमेंट का पता लगाने के लिए एक ऑप्टिमाइजेशन-मुक्त, ऑपरेशनल रूप से सार्थक मानदंड के रूप में कार्य करती है। लेखक सिद्ध करते हैं कि कोई भी पूरी तरह से सेपरेबल (separable) अवस्था इस स्थिति को संतुष्ट नहीं कर सकती है, जिसका अर्थ है कि इस DQS कार्य में क्वांटम लाभ का अवलोकन नोड्स के बीच एंटैंगलमेंट की उपस्थिति को दर्शाता है।
नेटवर्क खामियों के विरुद्ध मजबूती:
- फिडेलिटी थ्रेशोल्ड: डिपोलराइज्ड GHZ अवस्थाओं के लिए, लेखक क्वांटम लाभ के लिए आवश्यक क्लोज्ड-फॉर्म फिडेलिटी थ्रेशोल्ड $F_{th}$ व्युत्पन्न करते हैं। बड़े $d$ के एसिम्प्टोटिक लिमिट में, $F_{th} \approx 1/d$ ।
- GME की आवश्यकता: अंतर्ज्ञान के विपरीत, परिणाम दिखाते हैं कि DQS में क्वांटम लाभ के लिए जेनुइन मल्टीपार्टाइट एंटैंगलमेंट (GME) न तो आवश्यक है और न ही पर्याप्त। $d > 3$ के लिए, लाभ के लिए फिडेलिटी थ्रेशोल्ड GME के लिए आवश्यक थ्रेशोल्ड से कम हो सकती है।
- संवेदनशीलता विश्लेषण: अध्ययन पाता है कि क्वांटम लाभ प्रारंभिक अवस्था की तैयारी (नेटवर्क डिस्ट्रीब्यूशन फिडेलिटी $F$ ) के विरुद्ध खामियों के प्रति अधिक मजबूत है, बजाय स्थानीय एंटैंगलमेंट जनरेशन में त्रुटियों ( $k$ ) के। वह अधिकतम स्थानीय सेंसरों की संख्या $n_{max}$ जिसके लिए लाभ मौजूद है, नेटवर्क फिडेलिटी $F$ की तुलना में स्थानीय जनरेशन क्वालिटी $k$ के प्रति काफी अधिक संवेदनशील है।
डीफेजिंग का प्रभाव: जब एनकोडिंग डायनेमिक्स के दौरान डीफेजिंग होती है, तो प्रभावी प्रारंभिक अवस्था और अधिक खराब हो जाती है। लेखक इन स्थितियों के तहत QFI व्युत्पन्न करते हैं और दिखाते हैं कि नेटवर्क खामियों के विरुद्ध वितरित रणनीति की मजबूती (स्थानीय त्रुटियों के सापेक्ष) डीफेजिंग की उपस्थिति में भी बनी रहती है।
मापन बाधाएं: LOCC बाधाओं के तहत, वे एक इष्टतम स्थानीय अज़ीमुथल मापन कोण की पहचान करते हैं। हालांकि यह मापन हमेशा शोरयुक्त अवस्थाओं के लिए क्वांटम क्रैमर-राव बाउंड (QCRB) को संतुष्ट नहीं करता है, फिर भी यह सख्त फिडेलिटी स्थितियों के तहत क्वांटम लाभ की अनुमति देता है। विश्लेषण से पता चलता है कि स्थानीय मापन कोणों की सटीकता महत्वपूर्ण है; इष्टतम कोण से विचलन के कारण अनुमान का वेरिएंस तेजी से बढ़ जाता है।

महत्व और दावे
पेपर का दावा है कि यह वास्तविक, शोरयुक्त वितरित संवेदन में क्वांटम लाभ की उपलब्धि की समझ को महत्वपूर्ण रूप से आगे बढ़ाता है। एक क्लोज्ड-फॉर्म QFI एक्सप्रेशन और लाभ के लिए एक स्पष्ट शर्त प्रदान करके, यह कार्य क्वांटम सेंसर नेटवर्क के कार्यान्वयन के लिए व्यावहारिक मार्गदर्शन प्रदान करता है।

लेखकों द्वारा रेखांकित प्रमुख निहितार्थ हैं:

शोरयुक्त शासन में व्यवहार्यता: क्वांटम लाभ शोरयुक्त नेटवर्क के साथ भी संभव है जो केवल शोरयुक्त एंटैंगल्ड स्टेट्स वितरित करते हैं, बशर्ते फिडेलिटी विशिष्ट, अक्सर मामूली थ्रेशोल्ड (जैसे, $>1/d$ ) से अधिक हो।
ऑपरेशनल एंटैंगलमेंट डिटेक्शन: व्युत्पन्न स्थिति जटिल ऑप्टिमाइजेशन की आवश्यकता के बिना मल्टीपार्टाइट एंटैंगलमेंट का पता लगाने के लिए एक नया, व्यावहारिक तरीका प्रदान करती है, जो मेट्रोलॉजिकल उपयोगिता को एंटैंगलमेंट संरचना से जोड़ती है।
डिजाइन मार्गदर्शन: परिणाम सुझाव देते हैं कि निकट-अवधि DQS कार्यान्वयन के लिए, लंबी दूरी के एंटैंगलमेंट वितरण की फिडेलिटी में सुधार करने के बजाय स्थानीय एंटैंगलमेंट जनरेशन की गुणवत्ता में सुधार करना अधिक महत्वपूर्ण है, क्योंकि दूसरे का क्वांटम लाभ की स्केलेबिलिटी पर अधिक गंभीर प्रभाव पड़ता है।
लचीलापन: वितरित संवेदन रणनीति अंतर्निहित मजबूती प्रदर्शित करती है; नेटवर्क खामतियों के कारण प्रदर्शन में गिरावट, स्थानीय ऑपरेशन त्रुटियों के कारण होने वाली गिरावट की तुलना में कम गंभीर है, यहाँ तक कि सेंसिंग के दौरान डीफेजिंग की उपस्थिति में भी।

लेखक निष्कर्ष निकालते हैं कि उनके निष्कर्ष वर्तमान और निकट-भविष्य की क्वांटम नेटवर्क प्रौद्योगिकियों के साथ उपयोगी DQS को साकारने के लिए एक रोडमैप प्रदान करते हैं, साथ ही यह भी नोट करते हैं कि भविष्य के कार्यों को अन्य प्रोब स्टेट्स (जैसे, स्क्वीज्ड स्टेट्स) और निरंतर एंटैंगलमेंट वितरण जैसे आर्किटेक्चरल ऑप्टिमाइजेशन की खोज करनी चाहिए।

इसी तरह के और पेपर