⚛️ lattice

Multipartite entanglement from ditstrings for 1+1D systems

यह शोध पत्र प्रदर्शित करता है कि स्ट्रॉन्ग सबएडिटिविटी (strong subadditivity), वीक मोनोटोनिसिटी (weak monotonicity) और कॉन्फॉर्मल गुणों से निर्मित विशिष्ट मल्टीपार्टाइट एंटैंगलमेंट मात्राएँ, 1+1D क्वांटम प्रणालियों में क्रिटिकल पॉइंट्स की पहचान करने के लिए अत्यधिक कुशल और स्थानीयकृत संकेतक के रूप में कार्य करती हैं, जिनकी पहचान क्षमताओं को म्यूचुअल इंफॉर्मेशन-आधारित लोअर बाउंड और एक फ़िल्टरिंग प्रक्रिया द्वारा और अधिक बढ़ाया गया है।

मूल लेखक: Zane Ozzello, Yannick Meurice

प्रकाशित 2026-03-13

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Zane Ozzello, Yannick Meurice

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 पानी के उबलने के सटीक क्षण को खोजने की कोशिश कर रहे हैं। आप तापमान देख सकते हैं, लेकिन कभी-कभी उबलने से ठीक पहले पानी शांत दिखाई देता है। क्वांटम भौतिकी की दुनिया में, वैज्ञानिक इन "उबलने के बिंदुओं" (जिन्हें क्रिटिकल पॉइंट्स या क्रांतिक बिंदु कहा जाता है) को खोजने की कोशिश कर रहे हैं जहाँ सामग्रियाँ अपने मौलिक स्वरूप को बदल देती हैं, जैसे कि एक चुंबक का अपनी चुंबकत्व खो देना या एक सुपरकंडक्टर का जागृत होना।

समस्या यह है कि इन सामग्रियों के भीतर के "क्वांटम सूप" को मापना अविश्वसनीय रूप से कठिन है। यह एक तूफान के भीतर हर पानी के अणु को गिनने की कोशिश करने जैसा है बिना तूफान को विचलित किए।

ज़ेन ओज़ेलो और यानिक मेउरिस का यह शोध पत्र एंटैंगलमेंट (entanglement) का उपयोग करके इन उबलने के बिंदुओं को पहचानने का एक चतुर नया तरीका प्रस्तावित करता है।

मुख्य विचार: क्वांटम जाल (The Quantum Web)

क्वांटम मैकेनिक्स में, कण "एंटैंगल्ड" हो सकते हैं, जिसका अर्थ है कि वे एक ऐसे तरीके से जुड़े होते हैं जो सामान्य तर्क को चुनौती देता है। यदि आप एक को बदलते हैं, तो दूसरा तुरंत बदल जाता है, चाहे वे एक-दूसरे से कितनी भी दूर क्यों न हों। इस एंटैंगलमेंट को सभी कणों को जोड़ने वाले एक विशाल, अदृश्य जाल के रूप में सोचें।

पुराना तरीका: वैज्ञानिक आमतौर पर जाल के केवल दो हिस्सों (बाइपार्टाइट एंटैंगलमेंट) को देखते थे कि क्या संबंध मजबूत था। यह भीड़ में दो विशिष्ट लोगों के हाथ मिलाने की जांच करने जैसा है।
नया तरीका: यह शोध पत्र एक साथ जाल के चार हिस्सों (मल्टीपार्टाइट एंटैंगलमेंट) को देखने का सुझाव देता है। यह दोस्तों के एक पूरे समूह के हाथ पकड़कर घेरा बनाने की जांच करने जैसा है। लेखकों ने पाया कि इस बड़े समूह को देखने से यह संकेत बहुत अधिक स्पष्ट और तीक्ष्ण हो जाता है कि सिस्टम कब बदलने वाला है।

"जादुई सूत्र" ( $S_\Delta$ )

लेखकों ने एक विशेष गणितीय रेसिपी बनाई, जिसे वे $S_\Delta$ कहते हैं।

कल्पना कीजिए कि आपके पास एक शोर वाला रेडियो है। आप कुछ जगहों पर स्टेटिक (कम एंट्रॉपी) सुनते हैं और कुछ जगहों पर तेज़ संगीत (उच्च एंट्रॉपी) सुनते हैं। यदि आप केवल संगीत सुनते हैं, तो यह बताना कठिन होता है कि गाना ठीक कहाँ से शुरू हुआ।

ट्रिक: लेखक रेडियो के विभिन्न "चैनलों" (सिस्टम के विभिन्न हिस्सों) को लेते हैं, उनमें से कुछ को जोड़ते हैं और अन्य को घटाते हैं।
परिणाम: स्टेटिक रद्द हो जाता है, तेज़ संगीत रद्द हो जाता है, और अचानक, ठीक उसी क्षण एक एकल, तीक्ष्ण पीक (शिखर) उभर आता है जब सिस्टम बदलता है। यह एक भीड़ भरे कमरे में एक अकेली फुसफुसाहट को अलग करने के लिए नॉइज़-कैंसलिंग हेडफ़ोन का उपयोग करने जैसा है।

उन्होंने इस "जादुई सूत्र" का परीक्षण तीन अलग-अलग क्वांटम सिस्टमों पर किया:

क्वांटम आइसिंग मॉडल: चुंबकों के लिए एक क्लासिक मॉडल।
लैटिस $\phi^4$ विद क्यूट्रिट्स (Qutrits): क्षेत्रों के लिए एक मॉडल, जिसमें "तीन-स्तरीय" कणों का उपयोग किया गया है (जैसे कि एक सिक्का जो Heads, Tails, या Standing on its edge हो सकता है)।
रिडबर्ग एटम्स (Rydberg Atoms): वास्तविक परमाणु जिन्हें उच्च ऊर्जा अवस्था तक उत्तेजित किया गया है, जिनका उपयोग अक्सर आधुनिक क्वांटम कंप्यूटरों में किया जाता है।

इन तीनों मामलों में, $S_\Delta$ सूत्र एक बीकन (प्रकाश स्तंभ) की तरह काम करता है, जो ठीक वहीं चमक उठता है जहाँ क्रिटिकल पॉइंट होता है।

"क्वांटम अनुमान खेल" (म्युचुअल इंफॉर्मेशन)

यहाँ एक पेंच है: इस "जाल" को पूरी तरह से मापने के लिए, आपको आमतौर पर एक पूर्ण, सैद्धांतिक कंप्यूटर की आवश्यकता होती है। वास्तविक क्वांटम कंप्यूटर शोर वाले और अपूर्ण होते हैं। वे त्रुटियों के साथ "बिटस्ट्रिंग्स" (0 और 1 के अनुक्रम) देते हैं।

लेखकों ने म्युचुअल इंफॉर्मेशन (Mutual Information) नामक एक अवधारणा का उपयोग एक "सर्वश्रेष्ठ अनुमान" या लोअर बाउंड (lower bound) के रूप में किया।

उपमा: कल्पना कीजिए कि आप एक सीलबंद बॉक्स की सामग्री का अनुमान लगाने की कोशिश कर रहे हैं। आप उसे खोल नहीं सकते (सच्चा एंटैंगलमेंट नहीं माप सकते), लेकिन आप उसे हिला सकते हैं और आवाज़ सुन सकते हैं (म्युचुअल इंफॉर्मेशन)। आप जानते हैं कि बॉक्स में कम से कम उतना ही होना चाहिए जितना आपने सुना है।
खोज: भले ही यह "अनुमान" पूर्ण नहीं है, फिर भी यह वास्तविक चीज़ के समान ही आकार का पालन करता है। इसमें क्रिटिकल पॉइंट पर अभी भी वही तीक्ष्ण पीक होता है। यह भूकंप के ज़मीन हिलने से पहले उसके गर्जन को सुनने जैसा है।

"फिल्टरिंग" तकनीक

कभी-कभी, "अनुमान" (म्युचुअल इंफॉर्मेशन) थोड़ा धुंधला होता है। लेखकों ने एक फिल्टरिंग तकनीक पेश की।

रूपक: कल्पना कीजिए कि आप एक शोर वाले बार में बातचीत सुनने की कोशिश कर रहे हैं। आप उन लोगों को अनदेखा कर देते हैं जो फुसफुसा रहे हैं (कम संभावना वाली घटनाएँ) क्योंकि वे केवल बैकग्राउंड शोर हैं। आप केवल उन लोगों पर ध्यान केंद्रित करते हैं जो चिल्ला रहे हैं (उच्च संभावना वाली घटनाएँ)।
परिणाम: "फुसफुसाहटों" (कम संभावनाओं) को अनदेखा करके और "चिल्लाने वालों" पर ध्यान केंद्रित करके, सिग्नल बहुत स्पष्ट हो जाता है। पीक अधिक तीक्ष्ण हो जाता है, जिससे क्रिटिकल पॉइंट को खोजना और भी आसान हो जाता है।

यह क्यों मायने रखता है?

बेहतर मानचित्र: यह वैज्ञानिकों को जटिल "फेज़ डायग्राम" (phase diagrams) को नेविगेट करने के लिए एक बेहतर मानचित्र देता है।
वास्तविक दुनिया में उपयोग: चूंकि यह तरीका "शोर वाले" डेटा (जैसे कि वास्तविक क्वांटम कंप्यूटर जो उत्पन्न करते हैं) के साथ काम करता है, इसलिए इसका उपयोग अभी वर्तमान क्वांटम उपकरणों पर उन सामग्रियों का अध्ययन करने के लिए किया जा सकता है जो क्लासिकल कंप्यूटरों के लिए बहुत जटिल हैं।
भविष्य: लेखक पहले से ही इस पर 2D ग्रिड (परमाणुओं के चेकरबोर्ड की तरह) के बजाय लाइनों के उपयोग के बारे में सोच रहे हैं, जो हमें नए सुपरकंडक्टर्स या क्वांटम कंप्यूटरों को डिजाइन करने में मदद कर सकता है।

सारांश

संक्षेप में, लेखकों ने एक तरीका खोजा है जिससे वे जटिल समूह कनेक्शन (मल्टीपार्टाइट एंटैंगलमेंट) और एक स्मार्ट गणितीय ट्रिक (शोर का निष्कासन) का उपयोग करके सटीक रूप से पहचान सकें कि क्वांटम सामग्रियाँ अपना स्वरूप कब बदलती हैं। वास्तविक क्वांटम कंप्यूटरों से प्राप्त अपूर्ण डेटा के साथ भी, उनकी "फिल्टरिंग" तकनीक एक हाई-पावर्ड टेलीस्कोप की तरह काम करती है, जो क्रिटिकल पॉइंट्स को स्पष्ट फोकस में लाती है।

यहाँ ज़ेन ओज़ेलो और यानिक मेरुइस के शोध पत्र "Multipartite entanglement for d-level systems in 1+1D" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र 1+1D क्वांटम मेनी-बॉडी सिस्टम में एंटैंगलमेंट एंट्रॉपी (entanglement entropy) का उपयोग करके क्रिटिकल पॉइंट्स (फेज ट्रांजिशन) की पहचान करने की चुनौती को संबोधित करता है। जबकि बाइपार्टाइट एंटैंगलमेंट एंट्रॉपी एक स्थापित उपकरण है, इसके प्रायोगिक मापन, विशेष रूप से मल्टीपार्टाइट सिस्टम के लिए, अत्यंत कठिन है।

मापन बाधा (Measurement Barrier): वॉन न्यूमैन एंटैंगलमेंट एंट्रॉपी का सीधा मापन पूर्ण स्टेट टोमोग्राफी या जटिल इंटरफेरेंस प्रयोगों की मांग करता है, जो वर्तमान में बड़े सिस्टम के लिए क्वांटम हार्डवेयर पर अव्यवहारिक हैं।
अनुमान अंतराल (Approximation Gap): पिछले तरीकों ने बाइपार्टाइट एंटैंगलमेंट को अनुमानित करने के लिए शैनन एंट्रॉपी और म्यूचुअल इंफॉर्मेशन (बिटस्ट्रिंग काउंट से प्राप्त) जैसे क्लासिकल मात्राओं का उपयोग किया है। हालांकि, यह स्पष्ट नहीं था कि क्या इन अनुमानित मात्राओं को मल्टीपार्टाइट एंटैंगलमेंट मात्राओं तक प्रभावी ढंग से विस्तारित किया जा सकता है, जो उच्च सटीकता के साथ क्रिटिकल पॉइंट्स की पहचान करने के लिए महत्वपूर्ण हैं।
कम्पोजिट मात्राएँ (Composite Quantities): लेखक एंट्रॉपी के विशिष्ट रैखिक संयोजनों (जो कॉन्फॉर्मल फील्ड थ्योरी से प्राप्त हैं) का उपयोग करने का लक्ष्य रखते हैं, जो सकारात्मक होने की गारंटी रखते हैं और क्रिटिकल पॉइंट्स पर तीखे शिखर (peaks) प्रदर्शित करते हैं। चुनौती यह निर्धारित करना है कि क्या इन कम्पोजिट मात्राओं के अनुमानित संस्करण (म्यूचुअल इंफॉर्मेशन का उपयोग करके) समान क्रिटिकल व्यवहार बनाए रखते हैं।

2. कार्यप्रणाली (Methodology)

लेखक मल्टीपार्टाइट एंटैंगलमेंट थ्योरी और "डिटस्ट्रिंग" (digitized string) संभाव्यता डेटा को जोड़ने वाला एक ढांचा प्रस्तावित करते हैं, जो क्वांटम कंप्यूटर से प्राप्त होने वाले परिणामों का अनुकरण करता है।

मल्टीपार्टाइट विभाजन (Multipartite Partitioning): सिस्टम को चार क्षेत्रों ( $A, B, C, D$ ) में विभाजित किया गया है। लेखक विभिन्न बाइपार्टाइट एंट्रॉपी ( $S_A, S_B, S_{AB}$ , आदि) और उनके संयोजनों का विश्लेषण करते हैं।
कम्पोजिट एंट्रोपिक मात्राएँ (Composite Entropic Quantities): लिन और मैकग्रीवी [31] के कार्य का अनुसरण करते हुए, लेखक एक विशिष्ट मात्रा $S_\Delta$ $S_{Δ}$ का निर्माण करते हैं जिसे 1+1D कॉन्फॉर्मल फील्ड थ्योरीज (CFTs) में चरम गुणों (extremal properties) के लिए डिज़ाइन किया गया है। यह निम्नलिखित का एक कॉनवेक्स संयोजन है:
- स्ट्रॉन्ग सबएडिटिविटी ( $S_{strong}$ ): $S_{AB} + S_{BC} - S_B - S_{ABC} \geq 0$
- वीक मोनोटोनिसिटी ( $S_{weak}$ ): $S_{AB} + S_{BC} - S_A - S_C \geq 0$
- $S_\Delta$ : दोनों के बीच इंटरपोलेट करने वाला एक रैखिक संयोजन:
  $S_\Delta = (S_{AB} + S_{BC}) - \eta(S_A + S_C) - (1-\eta)(S_B + S_{ABC})$
म्यूचुअल इंफॉर्मेशन एप्रोक्सिमेशन (Mutual Information Approximation): वॉन न्यूमैन एंट्रॉपी ( $S$ ) की गणना करने के बजाय, लेखक इसे बिटस्ट्रिंग्स/डिटस्ट्रिंग्स से प्राप्त म्यूचुअल इंफॉर्मेशन ( $I$ ) का उपयोग करके अनुमानित करते हैं:
$I_{R\bar{R}} = H_R + H_{\bar{R}} - H_{R\bar{R}}$
जहाँ $H$ प्रेक्षित संभाव्यता (observed probabilities) की शैनन एंट्रॉपी को दर्शाता है।
फिल्टरिंग स्कीम (Filtering Scheme): अनुमान के निचले स्तर (lower bound) को सुधारने के लिए, लेखक एक "फिल्टरिंग" तकनीक लागू करते हैं। संभाव्यता वितरण से कम-संभाव्यता वाले राज्यों (शोर/noise) को हटा दिया जाता है, और शेष संभाव्यताओं को शैनन एंट्रॉपी की गणना करने से पहले पुनर्गठित (renormalize) किया जाता है।
परीक्षण किए गए मॉडल (Models Tested): इस कार्यप्रणाली को तीन अलग-अलग 1+1D मॉडलों पर लागू किया गया है:
1. क्वांटम आइसिंग मॉडल (Quantum Ising Model): एक मानक स्पिन-1/2 चेन।
2. लैटिस $\lambda\phi^4$ मॉडल (Lattice $\lambda\phi^4$ Model): फील्ड को अनुमानित करने के लिए क्यूबट्रिट्स (3-लेवल सिस्टम) का उपयोग करके डिजिटाइज किया गया।
3. रिडबर्ग एटम चेन (Rydberg Atom Chain): वैन डेर वाल्स इंटरैक्शन के साथ एक न्यूट्रल एटम सिम्युलेटर।

3. मुख्य योगदान (Key Contributions)

मल्टीपार्टाइट सिस्टम में विस्तार: यह शोध पत्र बाइपार्टाइट से मल्टीपार्टाइट कम्पोजिट मात्राओं ( $S_{strong}, S_{weak}, S_\Delta$ ) तक म्यूचुअल इंफॉर्मेशन के उपयोग को सामान्यीकृत करता है।
क्रिटिकल पॉइंट डिटेक्शन के लिए $S_\Delta$ का सत्यापन: लेखक प्रदर्शित करते हैं कि $S_\Delta$ (और इसके घटक) क्रिटिकल कपलिंग कांस्टेंट पर एक विशिष्ट शिखर प्रदर्शित करता है, जो व्यक्तिगत बाइपार्टाइट एंट्रॉपी में पाए जाने वाले लो-एंट्रॉपी और हाई-एंट्रॉपी प्लेटो (plateaus) को रद्द करके फेज ट्रांजिशन को प्रभावी ढंग से अलग करता है।
म्यूचुअल इंफॉर्मेशन एप्रोक्सिमेशन की मजबूती: भले ही $S_\Delta$ में पदों को घटाया जाता है (जो सैद्धांतिक रूप से कम्पोजिट मात्रा के लिए सख्त 'होलेवो बाउंड' की गारंटी को तोड़ता है), म्यूचुअल इंफॉर्मेशन एप्रोक्सिमेशन वॉन न्यूमैन एंट्रॉपी के व्यवहार को बहुत अच्छी तरह से ट्रैक करता है और लगभग समान पैरामीटर मानों पर शिखर बनाता है।
फिल्टरिंग सुधार: अध्ययन एक फिल्टरिंग प्रक्रिया को पेश करता है और उसे मान्य करता है। कम-संभाव्यता वाले राज्यों को हटाने से अनुमान का निचला स्तर सुधरता है और विशिष्ट प्लेटो बनते हैं, जो शोर वाले क्वांटम डिवाइस डेटा से एंट्रॉपी निकालने का एक व्यवहार्य मार्ग सुझाता है।
बाउंड्री कंडीशन विश्लेषण: यह विश्लेषण कि ओपन बाउंड्री कंडीशंस (OBC) बनाम पीरियोडिक बाउंड्री कंडीशंस (PBC) क्रिटिकल पॉइंट्स की पहचान को कैसे प्रभावित करते हैं, यह दिखाता है कि पीक के स्थान में बदलाव को कम करने के लिए PBC बेहतर है।

4. परिणाम (Results)

आइसिंग मॉडल: म्यूचुअल इंफॉर्मेशन एप्रोक्सिमेशन वॉन न्यूमैन एंट्रॉपी का बारीकी से अनुसरण करता है। कम्पोजिट मात्रा $S_\Delta$ ज्ञात क्रिटिकल पॉइंट ( $J/h = 1$ ) पर तीव्रता से शिखर बनाती है। हालांकि म्यूचुअल इंफॉर्मेशन का शिखर थोड़ा विस्कृत (disordered) चरण की ओर स्थानांतरित हो जाता है, फिर भी यह एक विश्वसनीय संकेतक बना रहता है।
लैटिस $\lambda\phi^4$ (क्यूबट्रिट्स): इसी तरह का व्यवहार देखा गया। $S_\Delta$ मात्रा ने क्रिटिकल पॉइंट ( $\lambda \approx 0.33$ ) को सफलतापूर्वक पहचाना, जो ऊर्जा के सेकंड-डेरिवेटिव विधियों के अनुरूप है। एप्रोक्सिमेशन अच्छा रहा, हालांकि आइसिंग मॉडल की तुलना में क्रिटिकल पॉइंट के पास विचलन थोड़ा अधिक था।
रिडबर्ग चेन: इस मॉडल ने सबसे बड़ी चुनौती पेश की। म्यूचुअल इंफॉर्मेशन एप्रोक्सिमेशन कम सटीक था, और शिखर वॉन न्यूमैन पीक से काफी अधिक स्थानांतरित हुआ। हालांकि, कम्पोजिट $S_\Delta$ ने अभी भी क्रिटिकल क्षेत्र को सफलतापूर्वक अलग किया, जो जटिल, लंबी दूरी के इंटरैक्शन वाले सिस्टम में इस पद्धति की उपयोगिता को दर्शाता है।
फिल्टरिंग प्रभाव: कम्पोजिट मात्राओं पर फिल्टरिंग स्कीम लागू करने से म्यूचुअल इंफॉर्मेशन के मानों में वृद्धि हुई, जिससे वे वास्तविक एंटैंगलमेंट एंट्रॉपी के करीब पहुँच गए। ग्राफों ने विशिष्ट प्लेटो और इन्फ्लेक्शन पॉइंट्स दिखाए, जो सुझाव देते हैं कि एक इष्टतम फिल्टरिंग थ्रेशोल्ड मौजूद है।
बाउंड्री कंडीशंस: PBC से OBC में स्विच करने से $S_\Delta$ पीक के स्थान में विस्कटर्ड फेज की ओर ध्यान देने योग्य बदलाव आया। लेखक निष्कर्ष निकालते हैं कि इस पद्धति का उपयोग करके सटीक क्रिटिकल पॉइंट पहचान के लिए PBC आवश्यक है।

5. महत्व (Significance)

क्वांटम सिमुलेशन तत्परता: कार्यप्रणाली को विशेष रूप से क्वांटम उपकरणों (एनालॉग सिम्युलेटर और गेट-आधारित कंप्यूटर) पर कार्यान्वयन के लिए डिज़ाइन किया गया है। "डिटस्ट्रिंग" संभाव्यता (मापन गणना) पर निर्भर करके, यह दृष्टिकोण पूर्ण स्टेट टोमोग्राफी की आवश्यकता को समाप्त करता है।
कुशल क्रिटिकल पॉइंट डिटेक्शन: $S_\Delta$ का उपयोग व्यक्तिगत बाइपार्टाइट एंट्रॉपी की तुलना में उच्च सटीकता के साथ फेज ट्रांजिशन का पता लगाने के लिए किया जाता है, क्योंकि कम्पोजिट प्रकृति बैकग्राउंड शोर और प्लेटो को रद्द कर देती है, जिससे एक तीखा सिग्नल मिलता है।
सिद्धांत और प्रयोग के बीच सेतु: यह शोध पत्र सैद्धांतिक CFT कंस्ट्रक्ट्स (एंटैंगलमेंट बूटस्ट्रैप) और व्यावहारिक क्वांटम सिमुलेशन के बीच के अंतर को पाटता है। यह $d$ -लेवल सिस्टम (qudits/qutrits) में उपलब्ध क्वांटम हार्डवेयर बाधाओं का उपयोग करके क्रिटिकल पॉइंट्स की पहचान करने के लिए एक ठोस प्रोटोकॉल प्रदान करता है।
भविष्य की दिशाएं: यह कार्य 2D सिस्टम (जैसे रिडबर्ग परमाणुओं की वर्गाकार व्यवस्था) तक इन विधियों को विस्तारित करने और प्रयोगात्मक डेटा से सटीक एंट्रॉमेंट मान प्राप्त करने के लिए फिल्टरिंग एल्गोरिदम को परिष्कृत करने की नींव रखता है।

संक्षेप में, ओज़ेलो और मेरुइस प्रदर्शित करते हैं कि मल्टीपार्टाइट एंटैंगलमेंट संरचनाएं, विशेष रूप से $S_\Delta$ मात्रा, म्यूचुअल इंफॉर्मेशन एप्रोक्सिमेशन और संभाव्यता फिल्टरिंग के साथ मिलकर, क्वांटम मेनी-बॉडी सिस्टम के फेज डायग्राम को मैप करने के लिए एक शक्तिशाली, प्रयोगात्मक रूप से व्यवहार्य उपकरण प्रदान करती हैं।