⚛️ quantum physics

Exponential distillation of dominant eigenproperties

यह शोध पत्र एक हाइब्रिड क्वांटम-क्लासिकल एल्गोरिदम प्रस्तुत करता है जो क्वांटम आइजनस्टेट्स (eigenstates) के ऑब्जर्वेबल एक्सपेक्टेशन वैल्यूज का अनुमान लगाने में त्रुटियों का घातीय दमन (exponential suppression) प्राप्त करता है, जो एक औसत मिश्रित अवस्था (average mixed state) बनाने के लिए रैंडम टाइम इवोल्यूशन को लागू करता है जो कि वर्चुअली प्यूरीफाइड (virtually purified) है, जिससे फेज एस्टिमेशन के तुलनीय प्रदर्शन मिलता है और साथ ही यह नियर-टर्म और अर्ली फॉल्ट-टोलरेंट डिवाइसेस के लिए भी लागू करने योग्य बना रहता है।

मूल लेखक: Bence Bakó, Tenzan Araki, Bálint Koczor

प्रकाशित 2026-03-03

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Bence Bakó, Tenzan Araki, Bálint Koczor

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 किसी व्यंजन की एकदम सही रेसिपी खोजने की कोशिश कर रहे हैं, लेकिन आपके पास केवल उसका एक अस्त-व्यस्त, आधा पका हुआ संस्करण है। शायद वह 85% परफेक्ट है, लेकिन उसमें 15% जला हुआ टोस्ट और 5% कच्चा आटा मिला हुआ है। आप जानना चाहते हैं कि वह परफेक्ट व्यंजन कैसा स्वाद देता है, लेकिन आप खराब हिस्सों को बस फेंक नहीं सकते; आपको जो उपलब्ध है उसी के साथ काम करना होगा।

यह वही समस्या है जिसका सामना वैज्ञानिक परमाणुओं और अणुओं का अध्ययन करने के लिए क्वांटम कंप्यूटरों का उपयोग करते समय करते हैं। वे एक "काफी हद तक अच्छा" शुरुआती स्टेट (आधा पका हुआ व्यंजन) बना सकते हैं, लेकिन यह आमतौर पर अन्य अवांछित क्वांटम स्टेट्स (जला हुआ टोस्ट) के साथ मिला हुआ होता है। पारंपरिक तरीकों के लिए भारी, त्रुटि-मुक्त मशीनों की आवश्यकता होती है जो अच्छे को बुरे से अलग कर सकें, जो हमारे पास अभी नहीं हैं।

यह शोध पत्र एक चतुर नई विधि पेश करता है जिसे DDE (Distillation of Dominant Eigenproperties) कहा जाता है। इसे एक "क्वांटम मैजिक फिल्टर" के रूप में समझें जो आपके एक ही क्वांटम स्टेट को एक परफेक्ट स्टेट में शुद्ध कर सकता है, जिसमें केवल एक सिंगल कॉपी और बहुत सारा गणितीय जादू इस्तेमाल होता है।

यह कैसे काम करता है, यहाँ सरल उपमाओं के माध्यम से बताया गया है:

1. समस्या: शोर वाला क्वांटम सूप (The Noisy Quantum Soup)

कल्पना कीजिए कि आपके पास एक कटोरा सूप है। आप "गोल्ड कैरेट" (वह विशिष्ट क्वांटम स्टेट जिसकी आपको परवाह है) का स्वाद लेना चाहते हैं। लेकिन सूप में अन्य सामग्रियां भी भरी हुई हैं: "सिल्वर पोटैटो", "ब्रोंज पीज़" और "कॉपर नूडल्स"।

लक्ष्य: आप गोल्ड कैरेट का सटीक स्वाद जानना चाहते हैं।
चुनौती: आप चम्मच से गाजर को बाहर नहीं निकाल सकते। क्वांटम कंप्यूटर एक ब्लेंडर की तरह है जो सब कुछ एक साथ मिला देता है। यदि आप अभी इसका स्वाद लेने की कोशिश करेंगे, तो आपको एक धुंधला स्वाद मिलेगा।

2. ट्रिक: "टाइम-ट्रैवलिंग ब्लेंडर" (The "Time-Traveling Blender")

लेखकों का गुप्त नुस्खा रैंडम टाइम इवोल्यूशन (Random Time Evolution) है।
कल्पना कीजिए कि आप अपने सूप को लेते हैं और उसे काउंटर पर छोड़ देते हैं। लेकिन यहाँ एक ट्विस्ट है: आप इसे सिर्फ 1 मिनट के लिए नहीं छोड़ते। आप हर बार जब इसे चेक करते हैं, तो इसे एक रैंडम समय के लिए छोड़ते हैं—कभी 5 सेकंड, कभी 10 मिनट, कभी 2 घंटे।

यह क्यों मदद करता है? क्वांटम दुनिया में, अलग-अलग सामग्रियां (eigenstates) अलग-अलग गति से कंपन करती हैं। यदि आप रैंडम समय पर सूप का स्वाद लेते हैं और परिणामों का औसत निकालते हैं, तो "सिल्वर पोटैटो" और "ब्रोंज पीज़" तालमेल से बाहर होकर कंपन करते हैं। वे एक-दूसरे को काट देते हैं, जैसे नॉइज़-कैंसलिंग हेडफ़ोन।
परिणाम: गोल्ड कैरेट (प्रमुख सामग्री) स्थिर रहता है क्योंकि वह कमरे में सबसे तेज़ आवाज़ है। इन रैंडम टाइम स्नैपशॉट्स का औसत लेकर, आप सूप का एक "साफ" संस्करण बनाते हैं जहाँ गोल्ड कैरेट बहुत अधिक प्रमुख हो जाता है।

3. जादू: "वर्चुअल डिस्टिलेशन" (Virtual Distillation)

आमतौर पर, सूप को साफ करने के लिए, आपको इसे पांच बार फिल्टर से गुजारना पड़ सकता है (जिसके लिए सूप के पांच कटोरे चाहिए)। यह महंगा है और क्वांटम कंप्यूटर पर करना कठिन है।

लेखक वर्चुअल डिस्टिलेशन नामक एक ट्रिक का उपयोग करते हैं। सूप को भौतिक रूप से पांच बार फिल्टर से गुजारने के बजाय, वे:

क्वांटम कंप्यूटर पर "रैंडम टाइम" प्रयोग को एक बार चलाते हैं।
डेटा को वापस एक रेगुलर कंप्यूटर ("क्लासिकल" भाग) में ले जाते हैं।
एक शक्तिशाली गणितीय फॉर्मूला (Monte Carlo integration) का उपयोग करते हैं जो यह सिमुलेट करता है कि क्या होता यदि उन्होंने इसे पांच, दस या सौ बार फिल्टर किया होता।

यह एक धुंधली वस्तु की फोटो लेने और फिर AI का उपयोग करके उस वस्तु को गणितीय रूप से पुनर्गठित करने जैसा है कि वह पूरी तरह से शार्प (स्पष्ट) कैसी दिखती। क्वांटम कंप्यूटर "धुंधला" डेटा बनाने का भारी काम करता है, और क्लासिकल कंप्यूटर "शार्पनिंग" (स्पष्टता लाने) का काम करता है।

4. प्रतिफल: घातांकीय सुधार (Exponential Improvement)

सबसे अद्भुत बात यह है कि यह कितनी तेज़ी से बेहतर होता है।

यदि आप त्रुटि (error) को 10% कम करना चाहते हैं, तो आपको थोड़े अधिक समय की आवश्यकता हो सकती है।
यदि आप त्रुटि को 99% कम करना चाहते हैं, तो आपको दोगुने समय की आवश्यकता नहीं है; आपको बस थोड़ा सा अधिक समय चाहिए, और त्रुटि एक्सपोनेंशियल (घातांकीय) रूप से गिर जाती है।

यह एक पहाड़ी से लुढ़कते हुए स्नोबॉल की तरह है। शुरू में, यह छोटा होता है। लेकिन जैसे-जैसे यह थोड़ा और लुढ़कता है, यह इतनी तेज़ी से गति और आकार पकड़ता है कि कुछ ही सेकंड में एक विशाल पत्थर बन जाता है। जैसे-जैसे आप पैरामीटर्स को ट्यून करते हैं, "त्रुटि" अविश्वसनीय रूप से तेज़ी से घटती है।

यह क्यों मायने रखता है

भविष्य के लिए: हमारे पास अभी तक पूर्ण, त्रुटि-मुक्त क्वांटम कंप्यूटर नहीं हैं। यह विधि उन "प्रारंभिक" मशीनों के लिए काम करती है जो आज हमारे पास हैं या जल्द ही होंगी।
रसायन विज्ञान और सामग्री के लिए: यह हमें यह अनुमान लगाने की अनुमति देता है कि नई दवाएं या बैटरी सामग्रियां कैसे व्यवहार करेंगी, भले ही हमारा शुरुआती अनुमान परफेक्ट न हो।
दक्षता: यह पैसा और समय बचाता है। आपको एक सुपर-कॉम्प्लेक्स मशीन की आवश्यकता नहीं है; आपको बस अपने पास मौजूद मशीन का उपयोग करने का एक थोड़ा स्मार्ट तरीका चाहिए।

संक्षेप में

लेखकों ने एक तरीका खोजा है जिससे वे एक "अस्त-व्यस्त" क्वांटम स्टेट को ले सकते हैं, उसे रैंडम समय के साथ हिलाकर शोर को रद्द कर सकते हैं, और फिर एक क्लासिकल कंप्यूटर का उपयोग करके परिणाम को "डिस्टिल" कर सकते हैं। यह एक 85% अच्छे अनुमान को 99.99% परफेक्ट उत्तर में बदल देता है, जिसमें केवल एक सिंगल क्वांटम कंप्यूटर और बहुत सारे चतुर गणित का उपयोग होता है। यह एक ऐसा पुल है जो हमें भविष्य के परफेक्ट क्वांटम कंप्यूटरों के आने से पहले ही उपयोगी क्वांटम उत्तर प्राप्त करने में मदद करता है।

यहाँ बेंस बाको, तेन्ज़ान अराकी और बालिंट कोचोर के शोध पत्र "एक्सपोनेंशियल डिस्टिलेशन ऑफ डोमिनेंट आइगेनप्रॉपर्टीज" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

क्वांटम मैनी-बॉडी सिस्टम के विशिष्ट आइगेनस्टेट्स (ग्राउंड या एक्साइटेड) में ऑब्जर्वेबल्स के एक्सपेक्टेशन वैल्यूज का अनुमान लगाना क्वांटम केमिस्ट्री, मटेरियल साइंस और हाई-एनर्जी फिजिक्स में एक मौलिक कार्य है। जबकि क्वांट क्वांटम कंप्यूटर घातीय लाभ (exponential advantages) प्रदान कर सकते हैं, वर्तमान और निकट भविष्य के उपकरण महत्वपूर्ण बाधाओं का सामना कर रहे हैं:

फॉल्ट-टोलरेंट एल्गोरिदम: स्टैंडर्ड एल्गोरिदम जैसे क्वांटम फेज एस्टीमेशन (QPE) के लिए गहरे सर्किट और उच्च क्यूबिट काउंट की आवश्यकता होती है, जो शुरुआती फॉल्ट-टोलरेंट मशीनों की क्षमताओं से परे है।
वैरिएशनल एल्गोरिदम: VQE जैसी तकनीकें निकट-अवधि (near-term) उपकरणों के लिए उपयुक्त हैं, लेकिन वे बैरन प्लेटो (barren plateaus), लोकल मिनिमा और उच्च शॉट-नंबर आवश्यकताओं जैसी समस्याओं से ग्रस्त हैं।
इनिशियल स्टेट सीमाएँ: कई एल्गोरिदम एक पूर्ण इनिशियल स्टेट मानते हैं या केवल ग्राउंड स्टेट तक सीमित होते हैं। व्यवहार में, इनिशियल स्टेट्स का कई आइगेनस्टेट्स के साथ ओवरलैप होता है, और एक विशिष्ट लक्षित आइगेनस्टेट (विशेष रूप से एक्साइटेड स्टेट्स) को अलग करना कठिन होता है।
संसाधन बाधाएं: मौजूदा एरर मिटिगेशन तकनीकें (जैसे वर्चुअल डिस्टिलेशन) अक्सर क्वांटम स्टेट की कई कॉपियों की मांग करती हैं, जो सीमित लॉजिकल क्यूबिट्स वाले शुरुआती फॉल्ट-टोलरेंट उपकरणों के लिए संसाधन-अत्यधिक (resource-prohibitive) है।

मुख्य चुनौती एक एकल क्वांटम स्टेट का उपयोग करके किसी लक्षित आइगेनस्टेट (जिसमें केवल एक डोमिनेंट, लेकिन पूर्ण नहीं, ओवरलैप है) में किसी भी मनचाहे ऑब्जर्वेबल के एक्सपेक्टेशन वैल्यूज का अनुमान लगाना है, और साथ ही बिना गहरे सर्किट के एक्सपोनेंशियल एरर सप्रेशन प्राप्त करना है।

2. कार्यप्रणाली: डिस्टिलेशन ऑफ डोमिनेंट आइगेनप्रॉपर्टीज (DDE)

लेखक एक हाइब्रिड क्वांटम-क्लासिकल एल्गोरिदम प्रस्तावित करते हैं जिसे डिस्टिलेशन ऑफ डोमिनेंट आइगेनप्रॉपर्टीज (DDE) कहा जाता है। यह विधि एक मिश्रित अवस्था (mixed state) को वर्चुअली शुद्ध करने के लिए रैंडम टाइम इवोल्यूशन और क्लासिकल मोंटे कार्लो (MC) इंटीग्रेशन को जोड़ती है।

मुख्य वर्कफ़्लो:

रैंडम टाइम इवोल्यूशन:
- एक निश्चित समय के लिए अवस्था को विकसित करने के बजाय, एल्गोरिदम इनिशियल स्टेट $|\psi(0)\rangle$ को $N(0, \sigma)$ वितरण से सैंपल किए गए रैंडम समय $t$ के लिए विकसित करता है।
- इन टाइम-इवॉल्व्ड स्टेट्स का औसत लेने से एक मिश्रित अवस्था $\bar{\rho}$ प्राप्त होती है।
- मुख्य अंतर्दृष्टि: यदि इनिशियल स्टेट का लक्षित आइगेनस्टेट $|\psi_q\rangle$ के साथ डोमिनेंट ओवरलैप है और लक्षित अवस्था तथा अन्य समर्थित आइगेनस्टेट्स के बीच एक परिमित ऊर्जा अंतराल $\Delta$ है, तो $\bar{\rho}$ में एनर्जी बेसिस के ऑफ-डायगोनल टर्म्स $\sigma$ के साथ सुपर-एक्सपोनेंशियल रूप से कम हो जाते हैं। परिणामी अवस्था लगभग डायगोनल होती है, जिसमें लक्षित आइगेनस्टेट का प्रोबेबिलिटी वेट सबसे अधिक होता है।
क्लासिकल पोस्ट-प्रोसेसिंग के माध्यम से वर्चुअल डिस्टिलेशन:
- पारंपरिक वर्चुअल डिस्टिलेशन (VD) को $\text{tr}[\rho^n O]$ का अनुमान लगाने के लिए स्टेट की $n$ भौतिक कॉपियों की आवश्यकता होती है।
- DDE नवाचार: DDE बिना $n$ $n$ भौतिक रजिस्टरों की आवश्यकता के, $n$ $n$ कॉपियों का प्रभाव प्राप्त करता है। यह दो-समय सहसंबंधों (two-time correlators) का अनुमान लगाने के लिए एक एकल क्वांटम रजिस्टर का उपयोग करता है:
  - $A(t, t') = \langle \psi(t) | O | \psi(t') \rangle$
  - $B(t, t') = \langle \psi(t) | \psi(t') \rangle$
- इन सहसंबंधों की गणना हैडामार्ड टेस्ट सर्किट्स (या अनुकूलित वेरिएंट) का उपयोग करके 2D टाइम ग्रिड पर की जाती है।
मोंटे कार्लो इंटीग्रेशन:
- वर्चुअल डिस्टिलेशन के लिए आवश्यक नॉन-लीनियर फंक्शनल, $\text{tr}[\bar{\rho}^n O]$ , गणितीय रूप से टाइम वेरिएबल्स पर $n$ -डायमेंशनल इंटीग्रल के बराबर है।
- एल्गोरिदम इस उच्च-आयामी इंटीग्रल का मूल्यांकन करने के लिए मोंटे कार्लो सैंपलिंग का उपयोग करता है।
- अनुमानित फंक्शनल्स के अनुपात $\frac{\text{tr}[\bar{\rho}^n O]}{\text{tr}[\bar{\rho}^n]}$ को लेकर, एल्गोरिदम प्रभावी रूप से स्टेट को "प्यूरीफाई" करता है, जिससे नॉन-डोमिनेंट आइगेनस्टेट्स का योगदान एक्सपोनेंशियल रूप से कम हो जाता है।
ऑप्टिमाइजेशन:
- लेखक सर्किट ऑप्टिमाइजेशन पेश करते हैं जो सिमिट्रीज (जैसे, $B(t, t') = B(t', t)^*$ ) का लाभ उठाकर यूनिक सर्किट इवैलुएशन की संख्या को $O(N_T^2)$ से घटाकर $O(N_T)$ कर देते हैं, जहाँ $N_T$ टाइम ग्रिड पॉइंट्स की संख्या है।
- वे मोंटे कार्लो एस्टीमेटर के वेरिएंस को कम करने के लिए ऑब्जर्वेबल $O \to O - cI$ को शिफ्ट करने की एक वेरिएंस रिडक्शन तकनीक भी प्रस्तावित करते हैं।

3. मुख्य योगदान

सिंगल-कॉपी वर्चुअल डिस्टिलेशन: प्राथमिक सैद्धांतिक सफलता यह प्रदर्शित करना है कि वर्चुअल डिस्टिलेशन को केवल एक क्वांटम रजिस्टर का उपयोग करके किया जा सकता है। "मल्टीपल कॉपियां" क्लासिकल पोस्ट-प्रोसेसिंग ऑफ टाइम-कोरिलेटर्स के माध्यम से वर्चुअली सिम्युलेट की जाती हैं।
एक्सपोनेंशियल एरर सप्रेशन: एल्गोरिदम यह गारंटी देता है कि लक्षित आइगेनस्टेट प्रॉपर्टी का अनुमान लगाने में त्रुटि, वर्चुअल कॉपियों ( $n$ ) की संख्या के साथ एक्सपोनेंशियल रूपली और टाइम इवोल्यूशन विंडो विड्थ ( $\sigma$ ) के साथ सुपर-एक्सपोनेंशियल रूप से स्केल करती है।
सामान्य प्रयोज्यता (General Applicability): इमेजिनरी टाइम इवोल्यूशन विधियों (जो केवल ग्राउंड स्टेट्स तक सीमित हैं) के विपरीत, DDE रियल-टाइम इवोल्यूशन का उपयोग करता है, जो इसे किसी भी आइगेनस्टेट (ग्राउंड या एक्साइटेड) के लिए लागू करने योग्य बनाता है, बशर्ते इनिशियल स्टेट का डोमिनेंट ओवरलैप हो।
संसाधन दक्षता:
- सर्किट डेप्थ: सर्किट डेप्थ $\tilde{O}(\Delta^{-1})$ के रूप में स्केल करती है, जो स्टेट-ऑफ-द-आर्ट फेज एस्टीमेशन के तुलनीय है, जिससे यह शुरुआती फॉल्ट-टोलरेंट डिवाइसेस के लिए उपयुक्त बनाती है।
- क्यूबिट काउंट: इसमें केवल एक सिंगल लॉजिकल क्यूबिट रजिस्टर (प्लस एक एन्सिला) की आवश्यकता होती है, जो मल्टी-कॉपी आर्किटेक्चर के ओवरहेड से बचता है।
क्वांटम-इंस्पायर्ड क्लासिकल सिमुलेशन: लेखक प्रदर्शित करते हैं कि पूरे DDE फ्रेमवर्क को 100 क्यूबिट्स तक के सिस्टम के लिए टेंसर नेटवर्क (MPS) का उपयोग करके क्लासिकली सिम्युलेट किया जा सकता है, जो एक्साइटेड स्टेट प्रॉपर्टीज का अनुमान लगाने के लिए एक नया "क्वांटम-इंस्पायर्ड" क्लासिकल दृष्टिकोण प्रदान करता है।

4. परिणाम

शोध पत्र व्यापक संख्यात्मक सिमुलेशन के माध्यम से DDE फ्रेमवर्क को मान्य करता है:

एक्जैक्ट सिमुलेशन (10-qubit Heisenberg Model): पुष्टि की गई कि स्टैटिस्टिकल फ्लक्चुएशन को दबा दिया गया है और सिस्टमैटिक बायस $n$ बढ़ने के साथ सैद्धांतिक बाउंड तक अभिसरित (converge) होता है। एक्सट्रपलेशन तकनीकों ने सटीकता को और बेहतर बनाया।
अर्ली फॉल्ट-टोलरेंट रोबस्टनेस:
- ट्रोटर एरर (Trotter Error): ट्रोटराइजेशन से होने वाली एल्गोरिथमिक त्रुटियों के प्रति मजबूती प्रदर्शित की गई। इन त्रुटियों को कोरिलेटर्स के पॉलीनोमियल एक्सट्रपलेशन द्वारा कम किया जा सकता था।
- गेट नॉइज़: लॉजिकल गेट एरर (डेपोलराइजिंग नॉइज़) के साथ सिमुलेशन ने दिखाया कि DDE एस्टीमेट्स नॉइजी सर्किट्स के साथ भी सटीक रहते हैं, जो अन-ऑप्टिमाइज्ड अप्रोच से बेहतर प्रदर्शन करते हैं।
वैरिएशनल इंटीग्रेशन: DDE को VQE के साथ जोड़ा गया। भले ही VQE एक लोकल मिनिमम में फंस गया हो (एक अपूर्ण इनिशियल स्टेट प्रदान करते हुए जिसमें ~53% ओवरलैप है), DDE ने सफलतापूर्वक ग्राउंड स्टेट प्रॉपर्टीज को डिस्टिल किया, जिससे एस्टीमेट में एक्सपोनेंशियल सुधार हुआ।
100-Qubit MPS सिमुलेशन: 100-क्यूबिट रैंडम-फील्ड हाइजेनबर्ग चेन को सफलतापूर्वक सिम्युलेट किया। विधि ने ग्राउंड और एक्साइटेड स्टेट एनर्जीज की सटीक भविष्यवाणी की, जो DMRG और स्पेक्ट्रोस्कोपी से प्राप्त परिणामों के साथ अभिसरित हुई, जो एक्सजैक्ट डायगनालाइजेशन लिमिट्स से परे स्केलेबिलिटी को प्रदर्शित करती है।

5. महत्व

अंतराल को पाटना (Bridging the Gap): DDE प्रभावी रूप से हीयुरिस्टिक वैरिएशनल मेथड्स (NISQ युग) और पूरी तरह से फॉल्ट-टोलरेंट एल्गोरिदम के बीच के अंतर को पाटता है। यह दोनों की शक्तियों का लाभ उठाता है: वैरिएशनल अप्रोच के शैलो सर्किट और फॉल्ट-टोलरेंट तकनीकों का कठोर एरर सप्रेशन।
व्यावहारिक क्वांटम लाभ: एल्गोरिदम विशेष रूप से अर्ली फॉल्ट-टोलरेंट डिवाइसेस के लिए डिज़ाइन किया गया है। क्लासिकल पोस्ट-प्रोसेसिंग (MC सैंपलिंग) के लिए क्वांटम सर्किट डेप्थ का व्यापार करके, यह उन अपेक्षित संसाधन बाधाओं के अनुरूप है जो शुरुआती एरर-करेक्टेड क्वांटम कंप्यूटरों (सीमित लॉजिकल क्यूबिट्स, लेकिन मध्यम-डेप्थ सर्किट के सक्षम) के लिए होती हैं।
एक्साइटेड स्टेट एक्सेस: यह एक्साइटेड स्टेट्स के अध्ययन के लिए एक व्यावहारिक मार्ग प्रदान करता है, जो टेंसर नेटवर्क मेथड्स और जटिल स्टेट प्रिपरेशन के बिना स्टैंडर्ड QPE के लिए कठिन होते हैं।
क्लासिकल प्रेरणा: DDE का उपयोग करके 100-क्यूबिट क्लासिकल सिमुलेशन का प्रदर्शन यह सुझाव देता है कि यह फ्रेमवर्क बड़े पैमाने के क्वांटम कंप्यूटरों के आने से पहले ही क्लासिकल कंप्यूटेशनल केमिस्ट्री और फिजिक्स टूल्स को बढ़ा सकता है।

संक्षेप में, यह शोध पत्र एक सैद्धांतिक रूप से कठोर और व्यावहारिक रूप से व्यवहार्य एल्गोरिदम प्रस्तुत करता है जो न्यूनतम क्वांटम संसाधनों का उपयोग करके अपूर्ण इनिशियल स्टेट्स से उच्च-फिडेलिटी आइगेनस्टेट प्रॉपर्टीज निकालने में सक्षम बनाता है, जो सिमुलेशन कार्यों में व्यावहारिक क्वांटम लाभ की दिशा में एक महत्वपूर्ण कदम है।