⚛️ quantum physics

Quantum Imaginary-Time Evolution with Polynomial Resources in Evolution Time

यह शोध पत्र काल्पनिक-समय विकास (इमेजिनरी-टाइम इवोल्यूशन) के लिए एक नवीन क्वांटम एल्गोरिदम प्रस्तुत करता है जो सफलता की संभावना को स्थिर बनाए रखने के लिए एक अनुकूली सामान्यीकरण कारक (एडैप्टिव नॉर्मलाइज़ेशन फैक्टर) का उपयोग करके सिस्टम के आकार और विकास समय दोनों में प्रमाणित बहुपद संसाधन स्केलिंग प्राप्त करता है, जिससे प्रारंभिक दोष-सहिष्णु (फॉल्ट-टोलरेंट) उपकरणों पर कुशल ग्राउंड-स्टेट तैयारी और ओपन-सिस्टम सिमुलेशन सक्षम होता है।

मूल लेखक: Lei Zhang, Jizhe Lai, Xian Wu, Xin Wang

प्रकाशित 2026-07-15

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Lei Zhang, Jizhe Lai, Xian Wu, Xin Wang

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 एक विशाल, धुंधली पर्वत श्रृंखला में सबसे गहरी, सबसे शांत घाटी खोजने की कोशिश कर रहे हैं। क्वांटम भौतिकी की दुनिया में, इस घाटी को "ग्राउंड स्टेट" (ground state) कहा जाता है, और इसे खोजने से हमें यह समझने में मदद मिलती है कि सामग्रियाँ कैसे व्यवहार करती हैं, रसायन कैसे प्रतिक्रिया करते हैं, और यहाँ तक कि ब्रह्मांड कैसे काम करता है। इस घाटी को खोजने के लिए वैज्ञानिक जिस उपकरण का उपयोग करते हैं, उसे इमेजिनरी-टाइम इवोल्यूशन (ITE) कहा जाता है। इसे एक जादुई हाइकिंग गाइड के रूप में सोचें जो एक भटकते हुए यात्री (क्वांटम स्टेट) को ढलानों से नीचे धकेलता है जब तक कि वह बिल्कुल नीचे न पहुँच जाए।

लंबे समय तक, इस हाइकिंग गाइड के साथ एक बड़ी समस्या थी: आप जितना अधिक चलते (जितना अधिक "इमेजिनरी टाइम" आप बिताते), आपके भटक जाने या संसाधनों के खत्म होने की संभावना उतनी ही अधिक होती जाती। वास्तव में, पुराने जमाने के कंप्यूटरों पर, इस हाइक को सिम्युलेट करने में आवश्यक प्रयास इतनी तेजी से बढ़ता था कि यह बहुत छोटे पहाड़ों के अलावा किसी भी चीज़ के लिए असंभव हो जाता था। शुरुआती क्वांटम कंप्यूटरों पर भी, गाइड थोड़ा डगमगाता हुआ था; जैसे-जैसे हाइक लंबी होती गई, बिना गिरे नीचे पहुँचने की सफलता की संभावना इतनी कम हो गई कि वह लगभग शून्य थी। यह एक ऐसी रस्सी पर चलने जैसा था जो आगे बढ़ते रहने के साथ पतली होती जाती है।

बड़ी सफलता
इस शोध पत्र में, लेई झांग और शिन वांग के नेतृत्व वाली शोधकर्ताओं की एक टीम ने एक नया, सुपर-स्टेबल हाइकिंग गाइड बनाया है। उनकी मुख्य खोज एक ऐसा क्वांटम एल्गोरिदम है जो इस इमेजिनरी-टाइम हाइक को बहुत लंबे समय तक बिना सफलता दर गिरे कर सकता है। उन्होंने एक चतुर "एडेप्टिव नॉर्मलाइजेशन फैक्टर" (adaptive normalization factor) पेश करके यह उपलब्धि हासिल की।

सादृश्य (Analogy) यहाँ है: कल्पना कीजिए कि आपका हाइकिंग गाइड आमतौर पर तब थक जाता है और हार मान लेता है जब रास्ता बहुत कठिन हो जाता है। पुराने तरीकों ने इसे ठीक करने के लिए बहुत छोटे, हिचकिचाते हुए कदम उठाने की कोशिश की, लेकिन इसमें बहुत समय लग गया। नया तरीका एक ऐसे गाइड की तरह है जो एक जादुई, खुद-समायोजित होने वाला बैकपैक (बस्ता) लेकर चलता है। जैसे-जैसे रास्ता कठिन होता जाता है (जैसे-जैसे इमेजिनरी टाइम $\tau$ बढ़ता है), गाइड अपना संतुलन बनाए रखने के लिए बैकपैक का वजन स्वचालित रूप से समायोजित करता है। यह सुनिश्चित करता है कि "सफलता की संभावना" (नीचे पहुँचने की संभावना) स्थिर और उच्च बनी रहे, भले ही हाइक बहुत लंबी क्यों न हो।

उन्होंने क्या सिद्ध किया और क्या खारिज किया
लेखक स्पष्ट रूप से इस विचार को खारिज करते हैं कि हमें लंबे समय के सिमुलेशन के दौरान तेजी से बढ़ते खर्चों या गिरती सफलता दरों को स्वीकार करना ही होगा। वे पिछले तरीकों के विरुद्ध तर्क देते जो "ह्यूरिस्टिक" (अनुमान और जांच) तकनीकों पर निर्भर थे, जो अक्सर लंबे समय तक कुशलतापूर्वक काम करने में विफल रहे।

इसके बजाय, उन्होंने सिद्ध किया कि उनका नया एल्गोरिदम संसाधनों (जैसे कंप्यूटर स्टेप्स और अतिरिक्त "हेल्पर" बिट्स जिन्हें एंसिला क्यूबिट्स कहा जाता है) का उपयोग करता है जो इवोल्यूशन के समय के साथ केवल पॉलिनोमियल (polynomial) रूप से बढ़ते हैं।

प्रमाण: उन्होंने गणितीय रूप से प्रदर्शित किया कि एक ऐसे सिस्टम के लिए जिसका लक्ष्य अवस्था (target state) के साथ उचित ओवरलैप है, वे एक पॉलिनोमियल संख्या में क्वांटम गेट्स का उपयोग करके अंतिम अवस्था को बहुत कम त्रुटि (समय के व्युत्क्रम में पॉलिनोमियल रूप से छोटी) के साथ तैयार कर सकते हैं।
सिमुलेशन: उन्होंने केवल गणित नहीं किया; उन्होंने अपने क्वांटम एल्गोरिदम को सिम्युलेट करने के लिए एक क्लासिकल कंप्यूटर पर संख्यात्मक प्रयोग (numerical experiments) चलाए। उन्होंने इवोल्यूशन समय 50 तक के परीक्षण किए। परिणामों ने दिखाया कि एल्गोरिदम बिल्कुल वैसा ही काम करता है जैसा भविष्यवाणी की गई थी, जिसमें सफलता की संभावना उच्च बनी रही और त्रुटि कम रही।

दो शानदार अनुप्रयोग
एक बार जब उनके पास यह स्थिर हाइकिंग गाइड आ गया, तो उन्होंने दो अन्य कठिन समस्याओं को हल करने के लिए इसका उपयोग किया:

सबसे गहरी घाटी खोजना (ग्राउंड स्टेट प्रिपरेशन):
उन्होंने सिस्टम की ग्राउंड स्टेट ऊर्जा खोजने का एक नया तरीका बनाया। जबकि अन्य प्रसिद्ध तरीके (जैसे क्वांटम फेज एस्टिमेशन), जो बहुत गहरे और जटिल सर्किट वाले हाई-प्रिसिजन टेलीस्कोप की तरह हैं (जो आज की शोर वाली मशीनों पर बनाना कठिन है), उनका नया तरीका एक मजबूत, चौड़े रास्ते वाली पगडंडी की तरह है।
- ट्रेड-ऑफ (समझौता): उनके तरीके को कुल मिलाकर अधिक "स्टेप्स" (क्वेरीज) की आवश्यकता हो सकती है, लेकिन सर्किट की गहराई (कितने स्टेप्स आपको बिना रुके एक के बाद एक करने होते हैं) बहुत कम है।
- लाभ: यह शुरुआती क्वांटम कंप्यूटरों के लिए बहुत बड़ा है। यदि सर्किट बहुत गहरा है, तो मशीन काम पूरा होने से पहले ही गलतियाँ करने लगती है। प्रारंभिक ओवरलैप (विशेष रूप से $\Omega(\gamma^{-1})$ ) के संबंध में गहराई को कम करके, उनका तरीका इन गणनाओं को वर्तमान और निकट भविष्य के हार्डवेयर के लिए बहुत अधिक व्यावहारिक बनाता है, भले ही इसके लिए अधिक कुल मापन (measurements) की आवश्यकता हो।
लीकी बोट्स (Leaky Boats) का सिमुलेशन (ओपन क्वांटम सिस्टम):
वास्तविक दुनिया के क्वांटम सिस्टम पूर्ण नहीं होते; वे ऊर्जा खो देते हैं और अपने वातावरण के साथ परस्पर क्रिया करते हैं (जैसे एक नाव में पानी भरना)। इसे "लिंडब्लाडियन सिमुलेशन" (Lindbladian simulation) कहा जाता है।
- पुराना तरीका: पिछले तरीकों में अक्सर एक ऐसा सर्किट बनाना पड़ता था जो हर बार एक नया "लीक" (डिसिपेटिव टर्म) जोड़ने पर बहुत बड़ा और जटिल हो जाता था।
- नया तरीका: उनका एल्गोरिदम लीक्स की संख्या पर निर्भरता को हटा देता है। चाहे आपके पास 5 लीक्स हों या 500, सर्किट की "गहराई" लगभग एक समान रहती है। यह इसके बदले में सिस्टम के लिखने के तरीके (पाउली स्पैरसिटी) पर थोड़ा अधिक निर्भरता रखता है, लेकिन कई स्थानीय शोर चैनलों वाले सिस्टम के लिए, इसका मतलब है कि सर्किट बहुत छोटा और चलाने में आसान हो सकता है।

वे कितने आश्वस्त हैं?
लेखक अपने सैद्धांतिक गणित में बहुत आश्वस्त हैं; उन्होंने सिद्ध किया है कि संसाधन स्केलिंग समय के मामले में पॉलिनोमियल है, जो इस प्रकार की समस्या के लिए पहली बार हुआ है। हालांकि, ग्राउंड-स्टेट एनर्जी एस्टिमेशन जैसे विशिष्ट अनुप्रयोगों के लिए, वे सटीक शुरुआती पैरामीटर खोजने के लिए एक "ह्यूरिस्टिक धारणा" (एक उचित अनुमान जो व्यवहार में काम करता है) पर भरोसा करते हैं। वे यह भी नोट करते हैं कि जबकि उनका गणित सुपर-फास्ट कन्वर्जेंस का वादा करता है, उनके द्वारा चलाए गए संख्यात्मक सिमुलेशन ने क्लासिकल कंप्यूटर की सटीकता की सीमाओं के कारण पॉलिनोमियल कन्वर्जेंस दिखाया।

उन्होंने यह दावा नहीं किया कि उन्होंने ब्रह्मांड की हर समस्या को हल कर लिया है। उन्होंने यह नहीं कहा कि उनका तरीका हर संभावित शुरुआती अवस्था के लिए काम करता है (यदि आप ऐसी अवस्था से शुरू करते हैं जिसका ग्राउंड स्टेट के साथ लगभग शून्य ओवरलैप है, तो यह अभी भी कठिन है)। लेकिन क्वांटम केमिस्ट्री और भौतिकी के अधिकांश व्यावहारिक परिदृश्यों के लिए, उन्होंने दिखाया है कि एक गणितीय रूप से सुदृढ़ और संख्यात्मक रूप से मान्य पथ मौजूद है।

निष्कर्ष
यह शोध पत्र एक ऐसा क्वांटम एल्गोरिदम पेश करता है जो एक स्वयं-संतुलित हाइकर की तरह कार्य करता है, जिससे हम बिना प्रक्रिया के विफल हुए लंबे समय के लिए इमेजिनरी-टाइम इवोल्यूशन का अनुकरण कर सकते हैं। यह सिद्ध करता है कि हम इसे प्रबंधनीय संसाधनों के साथ कर सकते हैं, और यह ग्राउंड स्टेट खोजने और शोर वाले सिस्टम को सिम्युलेट करने का एक व्यावहारिक तरीका प्रदान करता है जिन्हें हम आज के क्वांटम कंप्यूटरों पर वास्तव में बना सकते हैं। यह केवल एक सैद्धांतिक विचार नहीं है; यह एक उपकरण है जिसे सिमुलेशन में परखा गया है और यह क्वांटम दुनिया को अधिक गहराई से समझने के लिए तैयार है।

तकनीकी सारांश: विकास समय में बहुपद संसाधनों के साथ क्वांटम इमेजिनरी-टाइम इवोल्यूशन

समस्या विवरण
इमेजिनरी-टाइम इवोल्यूशन (ITE) क्वांटम अनेक-निकाय प्रणालियों (many-body systems) के विश्लेषण के लिए एक मौलिक उपकरण है, जो ग्राउंड स्टेट्स, थर्मल स्टेट्स और डायनेमिकल कोरिलेशन फंक्शन्स की गणना करने में सक्षम बनाता है। हालाँकि, ITE का क्लासिकल सिमुलेशन सिस्टम के आकार और विकास समय ( $\tau$ ) दोनों में एक्सपोनेंशियल स्केलिंग से ग्रस्त होता है। जबकि क्वांटम एल्गोरिदम सिस्टम-साइज स्केलिंग को कम करने का एक मार्ग प्रदान करते हैं, मौजूदा क्वांटम दृष्टिकोणों में एक महत्वपूर्ण बाधा है: सामान्यीकृत (normalized) ITE स्टेट को तैयार करने की सफलता की संभावना आमतौर पर विकास समय $\tau$ के बढ़ने के साथ एक्सपोनेंशियल रूप से घटती है। यह मौजूदा विधियों को हीयुरिस्टिक तकनीकों या खंडित सिमुलेशन (fragmented simulations) पर निर्भर करने के लिए मजबूर करता है जहाँ त्रुटि संचय (error accumulation) को दबाने के लिए आवश्यक कुल मापन संसाधन $\tau$ के साथ एक्सपोनेंशियल रूप से बढ़ते हैं। फलस्वरूप, विकास समय में बहुपद (polynomial) दोनों सिस्टम साइज और इवोल्यूशन टाइम के लिए ITE को सिम्युलेट करने की सैद्धांतिक व्यवहार्यता एक खुला प्रश्न बना हुआ था।

कार्यप्रणाली
लेखक एक क्वांटम एल्गोरिदम प्रस्तावित करते हैं जो $\tau$ में प्रमाणित बहुपद संसाधन स्केलिंग के साथ सामान्यीकृत इमेजिनरी-टाइम इवॉल्व्ड स्टेट्स को तैयार करने के लिए क्वांटम सिग्नल प्रोसेसिंग (QSP) और क्वांटम फेज प्रोसेसिंग (QPP) फ्रेमवर्क पर आधारित है।

अनुकूली सामान्यीकरण (Adaptive Normalization): मुख्य नवाचार एक अनुकूली सामान्यीकरण कारक $\lambda \in (0, 1]$ का परिचय है। एक्सपोनेंशियल फंक्शन $e^{-\tau H}$ का सीधे अनुमान लगाने के बजाय (जो घटती सफलता की संभावना की ओर ले जाता है), एल्गोरिदम हैमिल्टोनियन के स्पेक्ट्रम पर एक संशोधित फंक्शन $f_{\tau, \lambda}(x) = \alpha e^{\tau(x-\lambda)}$ का अनुमान लगाता है।
सफलता की संभावना को स्थिर करना: $\lambda$ को ग्राउंड-स्टेट एनर्जी $|\lambda_0|$ के पास एक विशिष्ट "कंफर्ट रीजन" (विशेष रूप से $\lambda \in [|\lambda_0|, |\lambda_0| + \tau^{-1}]$ ) के भीतर चुनकर, एल्गोरिदम यह सुनिश्चित करता है कि पोस्ट-सिलेक्शन स्टेप की सफलता की संभावना $\alpha^2 \gamma^2 e^{-2\gamma^2}$ के समानुपाती एक स्थिरांक द्वारा निचली सीमा (lower-bounded) पर बनी रहे, जहाँ $\gamma$ प्रारंभिक अवस्था और ग्राउंड स्टेट के बीच का ओवरलैप है। यह पिछले कार्यों में देखे गए एक्सपोनेंशियल क्षय को रोकता है।
बहुपद सन्निकटन (Polynomial Approximation): एल्गोरिदम इनपुट यूनिटरी $U_H = e^{-iH}$ के बहुपद रूपांतरण को लागू करने के लिए QPP का उपयोग करता है। लक्षित फंक्शन को $\tau^{-1}$ में $\epsilon$ के रूप में बहुपद रूप से छोटा बनाया जाता है, जिसमें बुनियादी क्वांटम गेट्स की एक बहुपद संख्या और एक एकल अनिसिला क्यूबिट (ancilla qubit) का उपयोग किया जाता है।
हैमिल्टोनियन एक्सेस को संभालना: विधि दो परिदृश्यों को संबोधित करती है:
- ओरेकल एक्सेस (Oracle Access): जब $e^{-iH}$ सीधे सुलभ हो, तो एल्गोरिदम $\tau$ में बहुपद क्वेरी कॉम्प्लेक्सिटी प्राप्त करता है।
- पॉली डीकंपोजिशन (Pauli Decomposition): जब $H$ को पॉली टर्म्स के योग के रूप में दिया जाता है, तो एल्गोरिदम $e^{-iH}$ को अनुमानित करने के लिए ट्रोटरइजेशन (Trotterization) का उपयोग करता है, जो गैर-डीजेनरेट गैप और पर्याप्त विकास समय की धारणाओं के तहत बहुपद स्केलिंग बनाए रखता है।

मुख्य योगदान और परिणाम

प्रथम प्रमाणित बहुपद ITE एल्गोरिदम: यह पेपर इमेजिनरी-टाइम इवोल्यूशन के लिए पहला क्वांटम एल्गोरिदम प्रस्तुत करता है जो विकास समय $\tau$ में उच्च परिशुद्धता बनाए रखते हुए बहुपद संसाधन स्केलिंग प्राप्त करता है। थ्योरम 2 और थ्योरम 3 स्थापित करते हैं कि एल्गोरिदम $O(\text{poly}(\tau^{-1}))$ त्रुटि के साथ $\tilde{O}(\text{poly}(n, \tau))$ क्वेरीज और एक अनिसिला क्यूबिट का उपयोग करके सामान्यीकृत ITE स्टेट को तैयार करता है, यह मानते हुए कि प्रारंभिक अवस्था का ग्राउंड स्टेट के साथ गैर-एक्सपोनेंशियल रूप से छोटा ओवरलैप है।
ग्राउंड स्टेट तैयारी और ऊर्जा अनुमान: लेखक ग्राउंड-स्टेट समस्याओं को हल करने के लिए मूल ITE तकनीक को अनुकूलित करते हैं (एल्गोरिदम 1)। विकास समय $\tau$ $τ$ और सामान्यीकरण कारक $\lambda$ $λ$ को पुनरावृत्ति (iteratively) से समायोजित करके, एल्गोरिदम एक साथ ग्राउंड स्टेट को तैयार करता है और ग्राउंड-स्टेट एनर्जी का अनुमान लगाता है।
- डेप्थ रिडक्शन (Depth Reduction): हाइजनबर्ग-लिमिटेड अप्रोच (जैसे क्वांटम फेज एस्टीमेशन या क्वांटम आइजनवैल्यू ट्रांसफॉर्मेशन) की तुलना में, यह विधि क्वेरी डेप्थ को $\Omega(\gamma^{-1})$ के कारक से कम करती है। यह कुल क्वेरी कॉम्प्लेक्सिटी (जो बार-बार मापन के कारण अधिक है) के बदले में उथले (shallower) सर्किट का उपयोग करके प्राप्त किया जाता है, जिससे यह शुरुआती फॉल्ट-टोलरेंट डिवाइसेस के लिए अधिक उपयुक्त हो जाता है जहाँ सर्किट डेप्थ एक प्राथमिक बाधा है।
ओपन सिस्टम (लिंडब्लेडियन) सिमुलेशन: इस तकनीक को लिंडब्लेड मास्टर इक्वेशन द्वारा शासित ओपन क्वांटम सिस्टम को सिम्युलेट करने के लिए विस्तारित किया गया है (एल्गोरिदम 2)। लीउविल स्पेस (Liouville space) में डेंसिटी मैट्रिक्स का प्रतिनिधित्व करके, एल्गोरिदम ITE स्टेप्स का उपयोग करके विसरित (dissipative) गतिशीलता को सिम्युलेट करता है।
- डिसिपेटिव टर्म्स के साथ स्केलेबिलिटी: मौजूदा नियतत्ववादी (deterministic) विधियों के विपरीत जहाँ सर्किट डेप्थ जंप ऑपरेटर्स की संख्या ( $m$ ) के साथ बहुपद रूप से बढ़ता है, प्रस्तावित विधि का प्रति-रन (per-run) सर्किट डेप्थ $m$ से स्वतंत्र है (इसके बजाय पॉली स्पैरसिटी $L$ पर निर्भर है)। यह कई स्थानीय शोर वाले चैनलों (noisy channels) वाले सिस्टम के लिए एक महत्वपूर्ण लाभ प्रदान करता है।

संख्यात्मक सत्यापन
एंटीफेरोमैग्नेटिक हाइजेनबर्ग चेन्स और ट्रांसवर्स-फील्ड आइसिंग मॉडल पर संख्यात्मक प्रयोग किए गए।

लॉन्ग-टाइम इवोल्यूशन: $\tau = 50$ तक के सिमुलेशन ने पुष्टि की कि सफलता की संभावना स्थिर रहती है (सैद्धांतिक निचली सीमा से मेल खाती है) जबकि स्टेट इन्डेल्फिटी (infidelity) $\tau^{-1}$ के साथ बहुपद रूप से घटती है।
ग्राउंड स्टेट एस्टीमेशन: अनुकूली एल्गोरिदम ने 3, 4, और 5-क्यूबिट चेन्स के लिए ग्राउंड-स्टेट एनर्जी तक सफलतापूर्वक अभिसरण (converge) किया, जो परीक्षण किए गए क्षेत्र में कंप्यूटेशनल संसाधनों के संबंध में एस्टीमेशन एरर के एक्सपोनेंशियल अभिसरण को प्रदर्शित करता है।
लिंडब्लेडियन सिमुलेशन: परिणामों ने दिखाया कि स्टेट इन्डेल्फिटी विकास समय $t$ के साथ बहुपद रूप से घटती है, और कुल क्वेरी कॉम्प्लेक्सिटी बहुपद रूप से बढ़ती है, जो ओपन-सिस्टम सिमुलेशन के लिए सैद्धांतिक सीमाओं को मान्य करती है।

महत्व और दावे
लेखक दावा करते हैं कि यह कार्य विकास समय में कठोर रूप से प्रमाणित बहुपद संसाधन स्केलिंग के साथ क्वांटम इमेजरी-टाइम इवोल्यूशन के लिए पहला सैद्धांतिक आधार प्रदान करता है। इसका महत्व निम्नलिखित में निहित है:

एक्सपोनेंशियल डिके समस्या का समाधान: अनुकूली सामान्यीकरण पेश करके, एल्गोरिदम उस एक्सपोनेंशियल रिसोर्स बैरियर को पार करता है जिसने पिछले क्वांटम ITE तरीकों को सीमित किया था।
शुरुआती फॉल्ट-टोलरेंट डिवाइसेस के लिए व्यावहारिक व्यवहार्यता: सर्किट डेप्थ को कम करने की क्षमता (कुल क्वेरी कॉम्प्लेक्सिटी की कीमत पर) इन एल्गोरिदम को निकट-अवधि के क्वांटम हार्डवेयर के लिए विशेष रूप से प्रासंगिक बनाती है जहाँ कोहेरेंस टाइम सर्किट डेप्थ को सीमित करते हैं।
व्यापक प्रयोज्यता: यह फ्रेमवर्क क्लोज्ड-सिस्टम ग्राउंड स्टेट्स और ओपन-सिस्टम डायनेमिक्स के सिमुलेशन को एकीकृत करता है, जो क्वांटम केमिस्ट्री, कंडेंस्ड मैटर फिजिक्स और क्वांटम फील्ड थ्योरी की समस्याओं के लिए एक व्यवस्थित दृष्टिकोण प्रदान करता है।

यह पेपर ट्रेड-ऑफ के संबंध में एक मध्यम स्वर बनाए रखता है, यह स्वीकार करते हुए कि हालांकि कुल क्वेरी कॉम्प्लेक्सिटी हाइजनबर्ग-लिमिटेड विधियों की तुलना में अधिक है, सर्किट डेप्थ में कमी वर्तमान हार्डवेयर बाधाओं के लिए एक महत्वपूर्ण लाभ है। यह यह भी नोट करता है कि ओपन-सिस्टम सिमुलेशन के लिए पोस्ट-सिलेक्शन सफलता की संभावना का कठोर निचली सीमा सामान्य मामले में एक खुला प्रश्न बना हुआ है, हालांकि संख्यात्मक साक्ष्य अनुकूल प्रदर्शन का सुझाव देते हैं।

इसी तरह के और पेपर