🔢 mathematics

Riemannian-geometric generalizations of quantum fidelities and Bures-Wasserstein distance

यह शोध पत्र ब्योर-वासरस्टीन मैनिफोल्ड (Bures-Wasserstein manifold) की रीमैनियन ज्यामिति पर आधारित सामान्यीकृत फिडेलिटीज़ (fidelities) के एक परिवार को प्रस्तुत करता है जो मानक क्वांटम फिडेलिटीज़ और रेनी डाइवर्जेंस (Rényi divergences) को एकीकृत और विस्तारित करता है, साथ ही उनकी प्रमुख अपरिवर्तनीयता गुणों, मैट्रिक्स अभिलक्षणों और उहलमैन-जैसे (Uhlmann-like) सिद्धांतों को स्थापित करता है।

मूल लेखक: A. Afham, Chris Ferrie

प्रकाशित 2026-02-17

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: A. Afham, Chris Ferrie

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 दो वस्तुओं के बीच की समानता को मापने की कोशिश कर रहे हैं। क्वांटम भौतिकी की दुनिया में, ये "वस्तुएं" क्वांटम अवस्थाएं (quantum states) हैं (इन्हें ठोस गेंदों के बजाय सूचना के जटिल, धुंधले बादलों के रूप में समझें)। वैज्ञानिकों को लंबे समय से एक पैमाने की आवश्यकता थी जिससे इन बादलों के बीच की "दूरी" या "समानता" को मापा जा सके। इस पैमाने को फिडेलिटी (Fidelity) कहा जाता है।

लंबे समय से, वैज्ञानिकों के पास कुछ अलग-अलग पैमाने थे:

उहलमैन रूलर (The Uhlmann Ruler): यह स्वर्ण मानक है, बहुत सटीक।
होलेवो रूलर (The Holevo Ruler): यह एक सरल संस्करण है।
मात्सुमोतो रूलर (The Matsumoto Ruler): यह विशिष्ट मामलों के लिए एक और भिन्नता है।

समस्या यह थी कि ये पैमाने अलग-अलग दृष्टिकोणों से मापते हुए महसूस होते थे, और कोई एक "मास्टर की" (master key) नहीं थी जो यह समझा सके कि वे सभी एक-दूसरे से कैसे संबंधित हैं।

मुख्य विचार: "बेस पॉइंट" कैमरा

यह शोध पत्र एक नया, अत्यंत लचीला उपकरण पेश करता है जिसे सामान्यीकृत फिडेलिटी (Generalized Fidelity) कहा जाता है।

दो क्वांटम अवस्थाओं (मान लीजिए P और Q) के बीच की समानता को मापने को दो क्वांटम अवस्थाओं की तस्वीर लेने जैसा समझें।

पुराने तरीकों में, आपको एक विशिष्ट, निश्चित कोण से फोटो लेने के लिए मजबूर किया जाता था (जैसे P के ठीक बगल में खड़ा होना, या Q के ठीक बगल में, या बीच में खड़ा होना)।
यह नया शोध पत्र कहता है: "क्या होगा यदि हम अपने कैमरे का कोण कुछ भी रख सकें?"

वे एक नया चर (variable) पेश करते हैं जिसे बेस (R) कहा जाता है। यह आपका "कैमरा स्थान" है।

यदि आप स्थिति P पर खड़े होते हैं, तो आपकी फोटो उहलमैन पैमाने जैसी दिखेगी।
यदि आप स्थिति I (पहचान/identity, जैसे एक तटस्थ पर्यवेक्षक) पर खड़े होते हैं, तो आपकी फोटो होलेवो पैमाने जैसी दिखेगी।
यदि आप किसी अजीब, उल्टे स्थान पर खड़े होते हैं, तो आपकी फोटो मात्सुमोतो पैमाने जैसी दिखेगी।

जादू: अपने "कैमरे" (बेस R) को घुमाकर, आप इन सभी अलग-अलग पैमानों के बीच सहजता से बदलाव कर सकते हैं। यह सच में हुआ है कि ये सभी प्रसिद्ध पैमाने एक विशाल, घुमावदार परिदृश्य (landscape) से लिए गए विशिष्ट स्नैपशॉट मात्र थे।

परिदृश्य: बुरेस-वासरस्टीन मैनिफोल्ड (The Bures-Wasserstein Manifold)

यह समझने के लिए कि यह कैसे काम करता है, कल्पना करें कि क्वांटम अवस्थाओं की दुनिया कागज की एक सपाट शीट की तरह नहीं है। इसके बजाय, यह एक विशाल, घुमावदार सतह (जैसे एक कटोरे के अंदर या गोले की तरह) है। इसे मैनिफोल्ड (Manifold) कहा जाता है।

समस्या: एक घुमावदार सतह पर, दूरी मापना कठिन होता है। यदि आप एक सीधी रेखा खींचकर दो बिंदुओं के बीच की दूरी मापने की कोशिश करते हैं, तो आप शायद कटोरे के "अंदर" से होकर गुजर जाएंगे, जो कि वर्जित है। आपको वक्र (curve) के साथ चलना होगा।
समाधान (रैखिकीकरण/Linearization): कल्पना कीजिए कि आप दो बिंदुओं, P और Q, के बीच की दूरी मापना चाहते हैं, लेकिन आप एक तीसरे बिंदु, R पर खड़े हैं।
- लेखक कहते हैं: "आइए हम उस घुमावदार सतह को वहीं से सपाट कर दें जहाँ हम खड़े हैं (यानी R पर)।"
- एक बार सपाट होने के बाद, घुमावदार सतह एक सपाट कागज की शीट (एक टेंजेंट स्पेस) की तरह दिखने लगती है।
- इस सपाट शीट पर, हम P और Q की "परछाइयों" के बीच आसानी से एक सीधी रेखा खींच सकते हैं।
- इस सीधी रेखा की लंबाई सामान्यीकृत बुरेस दूरी (Generalized Bures Distance) है।

उपमा: कल्पना कीजिए कि आप एक पर्वत श्रृंखला का मानचित्र बनाने वाले कार्टोग्राफर हैं।

पुराना तरीका: आपको एक विशिष्ट मानचित्र प्रक्षेपण (जैसे मर्केटर) का उपयोग करना पड़ता था जो ध्रुवों के पास चीजों को विकृत कर देता था।
नया तरीका: आप मानचित्र के केंद्र के रूप में किसी भी बिंदु को चुन सकते हैं। यदि आप अपने मानचित्र को शिखर (peak) के केंद्र में रखते हैं, तो दृश्य एक तरह का होता है। यदि आप इसे घाटी के केंद्र में रखते हैं, तो दृश्य दूसरे तरह का होता है। यह शोध पत्र सिद्ध करता है कि आप अपने मानचित्र को चाहे जहाँ भी केंद्रित करें, आप गणितीय रूप से दूरियों को पूरी तरह से अनुवादित कर सकते हैं, और यह प्रकट करता है कि "प्रसिद्ध" पैमाने वास्तव में विशिष्ट शिखरों पर केंद्रित मानचित्र ही थे।

मुख्य खोजें

जियोडेसिक हाईवे (The Geodesic Highway): इस घुमावदार सतह पर P और Q को जोड़ने वाला एक विशिष्ट "हाईवे" (जिसे जियोडेसिक कहा जाता है) है। यदि आप अपना कैमरा (बेस R) इस हाईवे पर कहीं भी रखते हैं, तो आपको जो माप प्राप्त होता है, वह हमेशा उहलमैन फिडेलिटी होता है। यह दोनों अवस्थाओं के बीच सबसे "प्राकृतिक" पथ है।
जटिल संख्याएँ (Complex Numbers): कभी-कभी, आपके कैमरे के स्थान के आधार पर, समानता स्कोर एक जटिल संख्या (काल्पनिक संख्याओं के साथ) बन सकता है। यह अजीब लग सकता है, लेकिन यह क्वांटम दुनिया को एक झुके हुए कोण से देखने का केवल एक गणितीय लक्षण है। इस संख्या का "वास्तविक" भाग ही वह है जिसकी हम आमतौर पर दूरी के लिए परवाह करते हैं।
"पोलर" परिवार: लेखकों ने पैमानों का एक विशेष परिवार (जिसे x-पोलर फिडेलिटीज कहा जाता है) खोजा है जो एक डिमर स्विच (dimmer switch) की तरह काम करता है। एक पैरामीटर ( $x$ ) को बदलकर, आप उहलमैन पैमाने से होलेवो पैमाने और फिर मात्सुमोतो पैमाने तक सहजता से बदलाव कर सकते हैं। यह एक सार्वभौमिक रिमोट कंट्रोल होने जैसा है जो सभी क्वांटम समानता मापों को नियंत्रित करता है।

आपको इसकी परवाह क्यों करनी चाहिए?

यह केवल अमूर्त गणित नहीं है; इसके वास्तविक दुनिया में उपयोग हैं:

मशीन लर्निंग: कंप्यूटर अक्सर जटिल डेटा की तुलना करने की आवश्यकता होती है। यदि वह डेटा क्वांटम अवस्थाओं की तरह आकार लेता है (धनात्मक निश्चित मैट्रिसेस/positive definite matrices), तो यह नया "बेस पॉइंट" तरीका AI को बेहतर तरीके से सीखने का एक तरीका देता है। यह कंप्यूटर को एक बिल्ली और कुत्ते के बीच अंतर करने के लिए, या समान डेटा बिंदुओं को एक साथ समूहबद्ध करने के लिए, सबसे अच्छा "परिप्रेक्ष्य" (Base) चुनने की अनुमति देता है।
क्वांटम कंप्यूटिंग: जैसे-जैसे हम बेहतर क्वांटम कंप्यूटर बना रहे हैं, हमें यह जांचने के लिए बेहतर तरीकों की आवश्यकता है कि हमारे गणनाएँ सही हैं या नहीं। यह नया ढांचा हमें यह मापने में मदद करता है कि हमारी क्वांटम अवस्था आदर्श अवस्था के कितने करीब है, चाहे हम उसे किसी भी नजरिए से देखें।
एकीकरण (Unification): इसने उस पहेली को सुलझा दिया है जिसने वैज्ञानिकों को वर्षों से परेशान किया है: "ये सभी अलग-अलग सूत्र एक-दूसरे से कैसे संबंधित हैं?" उत्तर यह है: वे सभी एक ही सूत्र हैं, बस मानचित्र पर अलग-अलग स्थानों से देखे गए हैं।

संक्षेप में

लेखकों ने क्वांटम समानता के लिए एक सार्वभौमिक अनुवादक (universal translator) बनाया है। उन्होंने दिखाया है कि दशकों से वैज्ञानिक उपयोग कर रहे विभिन्न पैमाने वास्तव में एक ही अंतर्निहित ज्यामिति के विभिन्न दृश्य हैं। एक "बेस पॉइंट" (कैमरा स्थिति) पेश करके, उन्होंने इन दृश्यों को एकीकृत करने वाला एक लचीला तंत्र बनाया है, जो क्वांटम अवस्थाओं के बीच नए पथों को उजागर करता है और क्वांटम भौतिकी और कृत्रिम बुद्धिमत्ता (AI) दोनों के लिए शक्तिशाली उपकरण प्रदान करता है।

यहाँ ए. अफ़हम और क्रिस फेरी के शोध पत्र "Riemannian-geometric generalizations of quantum fidelities and Bures-Wasserstein distance" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

क्वांटम फिडेलिटी (Quantum fidelity) क्वांटम सूचना सिद्धांत में एक मौलिक मीट्रिक है जिसका उपयोग दो क्वांटम अवस्थाओं की समानता को मापने के लिए किया जाता है। हालाँकि कई परिभाषाएँ मौजूद हैं (जैसे कि उहलमैन, होलेवो, मात्सुमोतो फिडेलिटीज), उन्हें अक्सर एक एकीकृत ज्यामितीय ढांचे के बिना अलग-अलग संस्थाओं के रूप में माना जाता है। इसके अतिरिक्त, बयर्स-वॉसरस्टीन (Bures-Wasserstein - BW) दूरी, जो धनात्मक निश्चित मैट्रिसेस (positive definite matrices) के मैनिफोल्ड की रिमानियन ज्यामिति से व्युत्पन्न है, एक मानक मीट्रिक है, लेकिन अन्य फिडेलिटीज के साथ इसके संबंध और विभिन्न ज्यामितीय रैखिकीकरणों (linearizations) के तहत इसके व्यवहार का अन्वेषण अभी भी अपर्याप्त है।

लेखक निम्नलिखित लक्ष्यों को प्राप्त करना चाहते हैं:

मौजूदा क्वांटम फिडेलिटीज को BW मैनिफोल्ड की रिमानियन ज्यामिति पर आधारित एक एकल परिवार में एकीकृत करना।
एक "सामान्यीकृत फिडेलिटी" (generalized fidelity) और "सामान्यीकृत बयर्स दूरी" (generalized Bures distance) को परिभाषित करना जो एक मनमाने आधार बिंदु (base point) $R$ पर निर्भर करती है।
यह जांचना कि विभिन्न मेट्रिक्स (BW, एफ़ाइन-इनवेरिएंट, यूक्लिडियन) के जियोडेसिक्स (geodesics) के अनुदिश चलते समय ये मात्राएँ कैसे व्यवहार करती हैं।
इस ढांचे को मल्टीवेरिएट फिडेलिटीज और क्वांटम रेनी डाइवर्जेंस (Rényi divergences) तक विस्तारित करना।

2. कार्यप्रणाली (Methodology)

मुख्य कार्यप्रणाली धनात्मक निश्चित मैट्रिसेस ( $\mathcal{P}_d$ ) के मैनिफोल्ड पर लागू रिमानियन ज्यामिति (Riemannian geometry) पर आधारित है।

मैनिफोल्ड का रैखिकीकरण (Linearization of the Manifold): लेखक एक मनमाने आधार बिंदु $R$ पर BW मैनिफोल्ड को रैखिकीकृत करके सामान्यीकृत फिडेलिटी को परिभाषित करते हैं। इसमें बिंदुओं $P$ और $Q$ को रिमानियन लॉगरिदमिक मैप ( $\text{Log}_R$ ) का उपयोग करके स्पर्श रेखा स्थान (tangent space) $T_R\mathcal{P}_d$ में मैप करना और उस स्पर्श रेखा स्थान में प्रेरित दूरी की गणना करना शामिल है।
सामान्यीकृत फिडेलिटी की परिभाषा: धनात्मक निश्चित मैट्रिसेस $P, Q, R$ के लिए, सामान्यीकृत फिडेलिटी $F_R(P, Q)$ को इस प्रकार परिभाषित किया जाता है:
$F_R(P, Q) := \text{Tr}\left[ \sqrt{R^{1/2} P R^{1/2}} R^{-1} \sqrt{R^{1/2} Q R^{1/2}} \right]$
यह मात्रा सामान्यतः जटिल-मान (complex-valued) होती है।
सामान्यीकृत बयर्स दूरी की परिभाषा: वर्गित सामान्यीकृत बयर्स दूरी को फिडेलिटी के वास्तविक भाग के माध्यम से परिभाषित किया जाता है:
$B_R(P, Q) := \text{Tr}[P + Q] - 2 \text{Re}(F_R(P, Q))$
जियोमेट्रिक पाथ विश्लेषण: लेखक विश्लेषण करते हैं कि तीन विशिष्ट मेट्रिक्स से संबंधित विशिष्ट जियोडेसिक पथों के अनुदिश चलते समय $F_R(P, Q)$ $F_{R} (P, Q)$ कैसे व्यवहार करता है:
1. बयर्स-वॉसरस्टीन (BW)
2. एफ़ाइन-इनवेरिएंट (AI)
3. यूक्लिडियन (Euclidean)
अनुकूलन और SDP: वे सामान्यीकृत फिडेलिटी को लक्षणित करने और अनुकूल औसत फिडेलिटी (बयर्स-वॉसरस्टीन बैरसेंटर्स) से संबंधित करने के लिए सेमीडेफिनेट प्रोग्रामिंग (SDP) स्वरूपों का उपयोग करते हैं।
प्यूरिफिकेशन और ग्रुप थ्योरी: लेखक उहलमैन जैसे सिद्धांतों को व्युत्पन्न करने और इसमें शामिल यूनिटरी कारकों की संरचना का विश्लेषण करने के लिए प्यूरिफिकेशन तकनीकों और विशेष यूनिटरी समूह $SU(d)$ के गुणों का उपयोग करते हैं।

3. मुख्य योगदान (Key Contributions)

A. सामान्यीकृत फिडेलिटी परिवार

यह शोध पत्र $F_R(P, Q)$ को एक एकीकृत ढांचे के रूप में प्रस्तुत करता है। महत्वपूर्ण रूप से, यह प्रदर्शित करता है कि मानक फिडेलिटीज इस परिवार के विशेष मामले हैं, जो आधार $R$ के चयन पर निर्भर करते हैं:

उहलमैन फिडेलिटी ( $F_U$ ): तब प्राप्त होती है जब $R = P$ या $R = Q$ (या उनके बीच के BW जियोडेसिक पर)।
होलेवो फिडेलिटी ( $F_H$ ): तब प्राप्त होती है जब $R = I$ (आइडेंटिटी)।
मात्सुमोतो फिडेलिटी ( $F_M$ ): तब प्राप्त होती है जब $R = P^{-1}$ या $R = Q^{-1}$ (या विशिष्ट AI/यूक्लिडियन जियोडेसिक्स के अनुदिश)।

B. ज्यामितीय गुण और अपरिवर्तनीयता (Invariance)

लेखक सिद्ध करते हैं कि सामान्यीकृत फिडेलिटी विभिन्न पथों के आधार पर उल्लेखनीय अपरिवर्तनीयता और सह-परिवर्तनीयता (covariance) गुण प्रदर्शित करती है:

BW जियोडेसिक: यदि $R$ , $P$ और $Q$ के बीच BW जियोडेसिक के अनुदिश चलता है, तो $F_R(P, Q)$ स्थिर रहता है और उहलमैन फिडेलिटी के बराबर होता है।
AI जियोडेसिक्स: $P^{-1}$ और $Q^{-1}$ के बीच AI जियोडेसिक के अनुदिश $R$ को ले जाने पर निरंतर मात्सुमोतो फिडेलिटी प्राप्त होती है।
पोलर फिडेलिटीज: $P$ और $P^{-1}$ (या $Q$ और $Q^{-1}$ ) के बीच AI जियोडेसिक्स के अनुदिश $R$ को ले जाकर, लेखक $x$ -पोलर फिडेलिटीज के एक एक-प्राचल (one-parameter) परिवार को परिभाषित करते हैं। यह परिवार उहलमैन ( $x=1$ ), होलेवो ( $x=0$ ), और मात्सुमोतो ( $x=-1$ ) फिडेलिटीज के बीच निरंतरता प्रदान करता है।

C. ब्लॉक-मैट्रिक्स लक्षण वर्णन और SDP

यह शोध पत्र सामान्यीकृत फिडेलिटी का ब्लॉक-मैट्रिक्स प्रतिनिधित्व प्रदान करता है। यह दिखाता है कि $F_R(P, Q)$ और सामान्यीकृत बयर्स दूरी को एक विशिष्ट $3d \times 3d$ मैट्रिक्स वाले सेमीडेफिनेट प्रोग्राम (SDP) के इष्टतम समाधान से निकाला जा सकता है। यह सामान्यीकृत फिडेलिटी को बयर्स-वॉसरस्टीन बैरसेंटर (इष्टतम औसत फिडेलिटी) खोजने की समस्या से जोड़ता है।

D. उहलमैन जैसा प्रमेय (Uhlmann-like Theorem)

लेखक एक सामान्यीकृत उहलमैन प्रमेय सिद्ध करते हैं: सामान्यीकृत फिडेलिटी $F_R(P, Q)$ , $P$ और $Q$ के विशिष्ट प्यूरिफिकेशन्स (purifications) के ओवरलैप (inner product) के बराबर है, जहाँ प्यूरिफिकेशन का चयन पोलर डिकंपोजिशन के माध्यम से आधार $R$ द्वारा निर्धारित होता है। विशेष रूप से, यदि $U_P = \text{Pol}(P^{1/2}R^{1/2})$ और $U_Q = \text{Pol}(Q^{1/2}R^{1/2})$ है, तो $F_R(P, Q) = \langle P U_P^\dagger, Q U_Q^\dagger \rangle$ ।

E. रेनी डाइवर्जेंस का सामान्यीकरण

इस ढांचे को आधार-निर्भर क्वांटम रेनी डाइवर्जेंस, $\hat{D}_{\alpha, R}(P \| Q)$ को परिभाषित करने के लिए विस्तारित किया गया है। $R$ को बदलकर, यह एकल परिभाषा निम्नलिखित को प्राप्त करती है:

पेट्ज़-रेनी डाइवर्जेंस ( $R=I$ )
सैंडविच रेनी डाइवर्जेंस ( $R = Q^{(1-\alpha)/\alpha}$ )
रिवर्स सैंडविच रेनी डाइवर्जेंस ( $R = P^{\alpha/(1-\alpha)}$ )
ज्यामितीय रेनी डाइवर्जेंस ( $R = Q^{-1}$ )

4. मुख्य परिणाम (Key Results)

एकीकरण: यह शोध पत्र सफलतापूर्वक उहलमैन, होलेवो और मात्सुमोतो फिडेलिटीज को एक एकल ज्यामितीय परिभाषा के तहत एकीकृत करता है जो आधार बिंदु पर निर्भर है।
मीट्रिक वैधता: यह सिद्ध किया गया है कि सामान्यीकृत बयर्स दूरी $b_R(P, Q)$ किसी भी आधार $R$ के लिए एक वैध मीट्रिक (समरूपता, गैर-ऋणात्मकता और त्रिकोण असमानता को संतुष्ट करने वाला) है।
इंटरपोलेशन: $x$ -पोलर फिडेलिटीज तीन प्रमुख क्वांटम फिडेलिटीज के बीच एक निरंतर, वास्तविक-मान इंटरपोलेशन प्रदान करती हैं, जो एक मोनोटोनिक संबंध का सुझाव देती हैं (संख्यात्मक रूप से देखा गया, सिद्ध करने का अनुमान है)।
जटिलता: मानक फिडेलिटीज के विपरीत, सामान्यीकृत फिडेलिटी सामान्यतः जटिल-मान वाली होती है। हालाँकि, यह विशिष्ट जियोडेसिक पथों के अनुदिश वास्तविक-मान वाली और अक्सर स्थिर होती है।
बैरसेंटर्स से संबंध: बयर्स-वॉसरस्टीन बैरसेंटर की कुल फिडेलिटी को सामान्यीकृत मल्टीवेरिएट फिडेलिटीज के योग से सीधे संबंधित दिखाया गया है।

5. महत्व और अनुप्रयोग (Significance and Applications)

सैद्धांतिक एकीकरण: यह कार्य इस बात की गहरी ज्यामितीय समझ प्रदान करता है कि विभिन्न फिडेलिटीज क्यों मौजूद हैं और वे अंतर्निहित रिमानियन संरचना से कैसे संबंधित हैं। यह स्पष्ट करता है कि ये फिडेलिटीज मनमानी नहीं हैं बल्कि मैनिफोल्ड के विशिष्ट रैखिकीकरणों के अनुरूप हैं।
मीट्रिक लर्निंग: लेखक प्रस्तावित करते हैं कि सामान्यीकृत बयर्स दूरी क्वांटम डेटा के लिए मीट्रिक लर्निंग में क्रांति ला सकती है। एक निश्चित दूरी मीट्रिक को तय करने के बजाय, एक विशिष्ट कार्य (जैसे वर्गीकरण) के लिए इष्टतम "आधार" $R$ को सीखा जा सकता है, जिससे सामान्यीकृत बयर्स ज्यामिति में वर्गों के बीच अलगाव को अनुकूलित किया जा सके।
डाइवर्जेंस एकीकरण: आधार-निर्भर रेनी डाइवर्जेंस का स्वरूप क्वांटम डाइवर्जेंस के पदानुक्रम के प्रति एक नया दृष्टिकोण प्रदान करता है, जो डेटा प्रोसेसिंग असमानता (data processing inequalities) और सूचना-सैद्धांतिक सीमाओं के अध्ययन को सरल बना सकता है।
खुली समस्याएँ: शोध पत्र कई खुले प्रश्न भी पहचानता है, जिनमें सामान्यीकृत बयर्स दूरी की उत्तलता (convexity), मनमाने आधारों के लिए डेटा प्रोसेसिंग असमानता, और सामान्यीकृत फिडेलिटीज के यूनिटरी कारकों और $SU(d)$ ली ग्रुप के बीच संबंध शामिल हैं।

संक्षेप में, यह शोध पत्र एक कठोर रिमानियन-ज्यामितीय ढांचा स्थापित करता है जो क्वांटम फिडेलिटीज और दूरियों के परिदृश्य को सामान्यीकृत और एकीकृत करता है, जिससे क्वांटम सूचना सिद्धांत, अनुकूलन और मशीन लर्निंग के लिए नए उपकरण उपलब्ध होते हैं।