⚛️ quantum physics

Reducing Circuit Depth in Lindblad Simulation via Step-Size Extrapolation

यह शोध पत्र प्रदर्शित करता है कि रिचर्डसन-शैली का स्टेप-साइज़ एक्सट्रपलेशन (Richardson-style step-size extrapolation), लिंडब्लाड डायनेमिक्स (Lindblad dynamics) के अनुकरण के लिए आवश्यक सर्किट डेप्थ को, मानक सैंपलिंग जटिलता को बनाए रखते हुए, इनवर्स एरर टॉलरेंस (inverse error tolerance) के संबंध में बहुपद (polynomial) से पॉलीलॉगैरिद्मिक (polylogarithmic) स्केलिंग तक तेजी से कम कर सकता है।

मूल लेखक: Pegah Mohammadipour, Xiantao Li

प्रकाशित 2026-02-17

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Pegah Mohammadipour, Xiantao Li

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

एक बड़ी तस्वीर: एक लीकी (टपकते हुए) क्वांटम बाल्टी का सिमुलेशन

कल्पना कीजिए कि आप एक क्वांटम कंप्यूटर पर एक क्वांटम सिस्टम (जैसे एक परमाणु या अणु) को सिम्युलेट करने की कोशिश कर रहे हैं। वास्तविक दुनिया में, ये सिस्टम कभी भी पूरी तरह से अलग-थलग नहीं होते; वे अपने वातावरण के साथ परस्पर क्रिया (interact) करते हैं। यह परस्पर क्रिया उन्हें ऊर्जा या सूचना को "लीक" करने के लिए प्रेरित करती है, जिसे लिंडब्लाड समीकरण (Lindblad equation) द्वारा वर्णित किया गया है।

क्वांटम सिस्टम को पानी की एक लीकी बाल्टी (leaky bucket) के रूप में सोचें।

लक्ष्य: आप सटीक रूप से भविष्यवाणी करना चाहते हैं कि एक निश्चित समय के बाद बाल्टी में कितना पानी बचा है।
समस्या: कंप्यूटर पर इसे सिम्युलेट करने के लिए, आपको समय को बहुत छोटे चरणों (steps) में तोड़ना होगा। यदि आप बड़े कदम उठाते हैं, तो आपकी भविष्यवाणी ढीली (sloppy) होगी। यदि आप सटीक भविष्यवाणी पाने के लिए बहुत छोटे कदम उठाते हैं, तो आपको लाखों कदम उठाने पड़ेंगे।
बाधा (Bottleneck): प्रत्येक चरण के लिए कंप्यूटर को क्वांटम गेट्स का एक जटिल नृत्य (complex dance) करना पड़ता है। यदि आप बहुत अधिक कदम उठाते हैं, तो यह "नृत्य" बहुत लंबा (deep) हो जाता है। वर्तमान क्वांटम कंप्यूटरों पर (जो शोर वाले और अपूर्ण हैं), एक बहुत लंबा नृत्य कंप्यूटर को अपने ही पैरों में उलझाकर गिरा सकता है। हार्डवेयर का शोर उस वास्तविक भौतिकी (physics) को दबा देता है जिसे आप सिम्युलेट करने की कोशिश कर रहे हैं।

पुराना तरीका: धीरे चलना बनाम तेज़ दौड़ना

पारंपरिक रूप से, एक सटीक उत्तर (कम त्रुटि) प्राप्त करने के लिए, आपको अपने समय के चरणों को अविश्वसनीय रूप से छोटा रखना पड़ता था।

उपमा (Analogy): कल्पना कीजिए कि आप एक कमरे में दीवार को छूने के लिए चलने की कोशिश कर रहे हैं। यह सुनिश्चित करने के लिए कि आप बिल्कुल सही जगह पर पहुँचें, आप बहुत छोटे-छोटे कदम उठाते हैं।
लागत: छोटे कदम लेने का मतलब है कि आपको हजारों कदम उठाने होंगे। क्वांटम कंप्यूटिंग में, इसका अर्थ है एक बहुत "गहरा" सर्किट (संचालनों का एक लंबा क्रम)। आज के शोर वाले मशीनों पर, एक लंबा क्रम आपदा का कारण बनता है क्योंकि मशीन रास्ते में गलतियाँ करती रहती है।

नया समाधान: "जादुई टेलीस्कोप" (एक्सट्रपलेशन)

इस शोध पत्र के लेखक रिचर्डसन एक्सट्रपलेशन (Richardson Extrapolation) नामक एक चतुर तकनीक का प्रस्ताव करते हैं। केवल छोटे कदम उठाने के बजाय, वे अलग-अलग आकार के कुछ कदम लेते हैं (कुछ बड़े, कुछ मध्यम) और एक गणितीय "टेलीस्कोप" का उपयोग करके यह अनुमान लगाते हैं कि यदि कदम अनंत रूप से छोटे होते तो क्या होता।

उपमा: कल्पना कीजिए कि आप कॉफी के कप के तापमान का अनुमान लगाने की कोशिश कर रहे हैं।
- आप 1 मिनट पर मापते हैं (यह गर्म है)।
- आप 2 मिनट पर मापते हैं (यह थोड़ा ठंडा है)।
- आप 3 मिनट पर मापते हैं (यह और भी ठंडा है)।
- वास्तविक कमरे के तापमान को देखने के लिए 100 मिनट तक प्रतीक्षा करने के बजाय, आप उन तीन डेटा बिंदुओं को देखते हैं और उच्च सटीकता के साथ शून्य समय (या अनंत समय) पर तापमान की भविष्यवाणी करने के लिए एक फॉर्मूले का उपयोग करते हैं।

इस शोध पत्र में, वे इसे क्वांटम सर्किटों पर लागू करते हैं। वे सिमुलेशन को कुछ अलग-अलग स्टेप साइज़ के साथ चलाते हैं, परिणाम प्राप्त करते हैं, और फिर एक क्लासिकल कंप्यूटर का उपयोग करके उन्हें संयोजित करते हैं। यह उन्हें एक सुपर-सटीक परिणाम प्राप्त करने की अनुमति देता है बिना लंबे, गहरे और त्रुटिपूर्ण क्वांटम सर्किट को चलाए।

दो मुख्य चुनौतियाँ जिनका उन्होंने समाधान किया

लेखकों ने केवल यह नहीं कहा कि "चलो यह करते हैं।" उन्हें यह साबित करना था कि यह ओपन क्वांटम सिस्टम (लीकी बाल्टी वाले सिस्टम) के लिए वास्तव में काम करेगा, जो बंद सिस्टम की तुलना में बहुत कठिन हैं।

1. "स्मूथनेस" (Smoothness) की समस्या
गणितीय टेलीस्कोप के काम करने के लिए, डेटा का "स्मूथ" होना आवश्यक है। यदि डेटा ऊबड़-खाबड़ या लहरदार है, तो भविष्यवाणी विफल हो जाती है।

ब्रेकथ्रू: उन्होंने सिद्ध किया कि इन विशिष्ट क्वांटम एल्गोरिदम के लिए, डेटा पर्याप्त रूप से "स्मूथ" है। उन्होंने यह "बैकवर्ड एरर" का विश्लेषण करके किया—अनिवारत रूप से यह पूछकर कि, "यदि हमारा सिमुलेशन थोड़ा गलत है, तो वह वास्तव में किस पूर्ण समीकरण को हल कर रहा होगा?" इसने सिद्ध किया कि वे सुरक्षित रूप से एक्सट्रपलेशन ट्रिक का उपयोग कर सकते हैं।

2. "शोर" (Noise) की समस्या
क्वांटम कंप्यूटर शोर वाले होते हैं। हर बार जब आप एक सिमुलेशन चलाते हैं, तो रैंडम "शॉट नॉइज़" (जैसे रेडियो में स्टेटिक/खरखराहट) के कारण आपको थोड़ा अलग परिणाम मिलता है।

जोखिम: आमतौर पर, जब आप एक्सट्रपलेशन करने के लिए कई शोर वाले मापों को मिलाते हैं, तो शोर बढ़ जाता है, जिससे अंतिम उत्तर और भी खराब हो जाता है।
ब्रेकथ्रू: उन्होंने पाया कि यदि आप अपने स्टेप साइज़ को सावधानीपूर्वक चुनते हैं (चेबीशेव नोड्स (Chebyshev nodes) का उपयोग करके, जो माप के अंतराल को एक विशिष्ट, गैर-समान पैटर्न में रखते हैं), तो आप शोर को नियंत्रण में रख सकते हैं। यह रेडियो को एक विशिष्ट फ्रीक्वेंसी पर ट्यून करने जैसा है ताकि स्टेटिक को फ़िल्टर किया जा सके।

परिणाम: एक विशाल गति (Speedup)

यह शोध पत्र दिखाता है कि इस पद्धति का उपयोग करके:

पुराना तरीका: एक निश्चित स्तर की सटीकता प्राप्त करने के लिए, आपको एक ऐसा सर्किट डेप्थ चाहिए था जो त्रुटि के व्युत्क्रम (inverse) के साथ पॉलीनोमियल (polynomial) रूप से बढ़ता था (उदाहरण के लिए, यदि आप 10 गुना अधिक सटीकता चाहते हैं, तो आपको 100 गुना अधिक सर्किट डेप्थ की आवश्यकता होती है)।
नया तरीका: उनकी विधि के साथ, सर्किट डेप्थ केवल लॉगारिदमिक (logarithmic) रूप से बढ़ता है (उदाहरण के लिए, यदि आप 10 गुना अधिक सटीकता चाहते हैं, तो आपको केवल थोड़े से अधिक डेप्थ की आवश्यकता होती है)।

रूपक (Metaphor):

पहले: एक स्पष्ट फोटो पाने के लिए, आपको विषय के करीब एक मील पैदल चलना पड़ता था, जिसमें गिरने का खतरा था।
अब: आप वहीं खड़े रह सकते हैं, थोड़े अलग कोणों से कुछ त्वरित स्नैपशॉट ले सकते हैं, और एक फोटो-एडिटिंग ऐप का उपयोग करके पूरी तरह से ज़ूम इन कर सकते हैं।

यह क्यों महत्वपूर्ण है

यह एक "निकट-अवधि" (near-term) समाधान है। इसके लिए एक पूर्ण, त्रुटि-मुक्त क्वांटम कंप्यूटर की आवश्यकता नहीं है (जो हमारे पास अभी नहीं है)। यह आज के शोर वाले, अपूर्ण मशीनों (NISQ डिवाइसेस) पर काम करता है।

सर्किट डेप्थ को कम करके, वे वर्तमान हार्डवेयर पर जटिल रासायनिक प्रतिक्रियाओं और पदार्थ विज्ञान (materials science) की समस्याओं को सिम्युलेट करना संभव बनाते हैं। यह हमें पहले से कहीं अधिक जल्दी बेहतर बैटरी, नई दवाएं या अधिक कुशल सौर सेल डिजाइन करने में मदद कर सकता है।

एक वाक्य में सारांश

लेखकों ने एक गणितीय "जादुई ट्रिक" विकसित की है जो हमें आज के शोर वाले कंप्यूटरों पर जटिल, लीकी क्वांटम सिस्टम को सिम्युलेट करने की अनुमति देती है, जिसमें कुछ त्वरित, मोटे माप लिए जाते हैं और सटीक उत्तर की भविष्यवाणी करने के लिए स्मार्ट गणित का उपयोग किया जाता है, जिससे हम असंभव रूप से लंबे और त्रुटिपूर्ण क्वांटम सर्किट बनाने के बोझ से बच जाते हैं।

यहाँ पेगा मोहम्मद इपुर और शियानताओ ली के शोध पत्र "Reducing Circuit Depth in Lindblad Simulation via Step-Size Extrapolation" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

लिंडब्लाड मास्टर इक्वेशन (Lindblad master equation) द्वारा नियंत्रित ओपन क्वांटम सिस्टम का अनुकरण करना क्वांटम कंप्यूटिंग के लिए एक महत्वपूर्ण अनुप्रयोग है, लेकिन यह वर्तमान NISQ (Noisy Intermediate-Scale Quantum) उपकरणों पर गंभीर बाधाओं का सामना करता है।

बाधा (The Bottleneck): कुल समय $T$ में सटीकता $\epsilon$ प्राप्त करने के लिए, मानक प्रथम-क्रम क्वांटम एल्गोरिदम (जैसे ट्रोटर-सुजुकी या क्रास-आधारित विधियाँ) को $O((\ell T)^2 / \epsilon)$ के रूप में स्केलिंग करने वाले सर्किट डेप्थ की आवश्यकता होती है, जहाँ $\ell$ लिंडब्लाड जनरेटर का बाउंड है। $1/\epsilon$ पर यह बहुपद निर्भरता (polynomial dependence) अत्यधिक गहरे सर्किटों की ओर ले जाती है जो वर्तमान हार्डवेयर के कोहेरेंस समय (coherence times) से अधिक होते हैं।
चुनौती (The Challenge): जबकि रिचर्डसन एक्सट्रपलेशन (एक क्लासिकल पोस्ट-प्रोसेसिंग तकनीक) को क्लोज्ड-सिस्टम (हैमिल्टोनियन) सिमुलेशन में सर्किट डेप्थ कम करने के लिए सफलतापूर्वक लागू किया गया है, इसका ओपन-सिस्टम (लिंडब्लाड) डायनेमिक्स में अनुप्रयोग गैर-तुच्छ (non-trivial) है।
- ओपन सिस्टम में गैर-यूनिटरी विकास और अपरिवर्तनीय (irreversible) डायनेमिक्स शामिल होते हैं।
- मानक उच्च-क्रम स्प्लिटिंग विधियों के लिए अक्सर नकारात्मक टाइम स्टेप्स की आवश्यकता होती है, जो लिंडब्लाड डायनेमिक्स में पूर्ण धनात्मकता (complete positivity) का उल्लंघन करते हैं।
- इस बात के प्रमाण की कमी थी कि लिंडब्लाड सिमुलेशन के लिए एरर एक्सपेंशन पर्याप्त रूप से स्मूथ (Gevrey-smooth) है ताकि बिना स्टैटिस्टिकल सैंपलिंग वेरिएंस (शॉट नॉइज़) को बढ़ाए एक्सट्रपलेशन का समर्थन किया जा सके।

2. कार्यप्रणाली (Methodology)

लेखक प्रथम-क्रम क्वांटम एल्गोरिदम को रिचर्डसन-शैली के स्टेप-साइज़ एक्सट्रपलेशन के साथ जोड़ने वाला एक ढांचा प्रस्तावित करते हैं, जिसे एक कठोर बायस-वेरिएंस विश्लेषण (bias-variance analysis) द्वारा समर्थित किया गया है।

A. एल्गोरिद्मिक प्रिमिटिव्स (Algorithmic Primitives)

यह अध्ययन लिंडब्लाड विकास के लिए दो विशिष्ट प्रथम-क्रम सन्निकटन (approximations) पर केंद्रित है:

क्रास फॉर्म एप्रोक्सिमेशन (Kraus Form Approximation): लिंडब्लाड समीकरण से सीधे प्राप्त क्रास ऑपरेटर्स का उपयोग करके इवोल्यूशन चैनल का निर्माण करता है (जो ओपन सिस्टम के लिए यूलर विधि के समान है)।
हैमिल्टोनियन डाइलेशन (Hamiltonian Dilation - Stinesig Form): विस्तारित हिल्बर्ट स्पेस (सिस्टम + एन्सिल) पर एक बड़े यूनिटरी इवोल्यूशन में गैर-यूनिटरी लिंडब्लाड डायनेमिक्स को एम्बेड करता है, जिसके बाद आंशिक ट्रेस (partial trace) लिया जाता है।

B. बैकवर्ड एरर एनालिसिस (Backward Error Analysis)

एक्सट्रपलेशन को न्यायसंगत बनाने के लिए, लेखक अनुमानित डेंसिटी ऑपरेटर $\rho_\tau(t)$ का स्टेप-साइज़ एक्सपेंशन प्राप्त करने के लिए बैकवर्ड एरर एनालिसिस करते हैं:
$\rho_\tau(t) = \rho(t) + \tau \Gamma_1(t) + \tau^2 \Gamma_2(t) + \dots$
वे कठोरता से सिद्ध करते हैं कि कोएफिशिएंट फंक्शन्स $\Gamma_k(t)$ और उनके डेरिवेटिव स्पष्ट बाउंड्स को संतुष्ट करते हैं। महत्वपूर्ण रूप से, वे प्रदर्शित करते हैं कि ऑब्जर्वेबल मैप $f(\tau) = \text{Tr}(\rho_\tau(T)O)$ Gevrey क्लास से संबंधित है। यह स्मूथनेस गुण सुनिश्चित करता है कि एरर एक्सपेंशन वैध है और एक्सट्रपलेशन एरर को नियंत्रित किया जा सकता है।

C. एक्सट्रपलेशन रणनीति (Extrapolation Strategy)

नोड चयन (Node Selection): समदूरवर्ती (equidistant) टाइम स्टेप्स (जो लेबग कॉन्स्टेंट और वेरिएंस में घातांकीय वृद्धि का कारण बनते हैं) के बजाय, लेखक परटर्बड चेबिशेव नोड्स (perturbed Chebyshev nodes) का उपयोग करते हैं। इन नोड्स को अंतराल $[0, \tau_{\max}]$ में मैप किया जाता है और यह सुनिश्चित करने के लिए समायोजित किया जाता है कि टाइम स्टेप्स की संख्या एक पूर्णांक बनी रहे (एक व्यावहारिक बाधा)।
बायस-वेरिएंस ट्रेड-ऑफ (Bias-Variance Trade-off):
- बायस (Bias): Gevrey स्मूथनेस अनुमति देती है कि केवल $n = \Omega(\log(1/\epsilon))$ पॉइंट्स का उपयोग करके बायस (एक्सट्रपलेशन एरर) को $\epsilon$ तक कम किया जा सके।
- वेरिएंस (Variance): चेबिशेव नोड्स का उपयोग यह सुनिश्चित करता है कि एक्सट्रपलेशन वेट्स का योग केवल लॉगरिदमिक ( $O(\log n)$ ) रूप से बढ़ता है, जिससे सैंपलिंग कॉम्प्लेक्सिटी मानक $O(1/\epsilon^2)$ स्तर पर बनी रहती है, न कि $O(1/\epsilon^4)$ पर जो समदूरवर्ती नोड्स से प्राप्त होता।

3. मुख्य योगदान (Key Contributions)

ओपन सिस्टम्स के लिए कठोर एरर बाउंड्स: यह पेपर क्रास और डाइलेशन दोनों विधियों का उपयोग करके लिंडब्लाड सिमुलेशन के लिए स्टेप-साइज़ एरर एक्सपेंशन और स्पष्ट कोएफिशिएंट बाउंड्स का पहला कठोर व्युत्पन्न प्रदान करता है। यह एक्सट्रपलेशन के लिए आवश्यक Gevrey-smoothness को स्थापित करता है।
कॉम्प्लेक्सिटी रिडक्शन थ्योरम: लेखक सिद्ध करते हैं कि $\ell$ जनरेटर बाउंड वाले लिंडब्लाड इवोल्यूशन के लिए, एक $n = \Omega(\log(1/\epsilon))$ -पॉइंट एक्सट्रपलेटर, सटीकता $\epsilon$ के लिए आवश्यक अधिकतम सर्किट डेप्थ को निम्न प्रकार से कम करता है:
$\text{Polynomial: } O\left(\frac{(\ell T)^2}{\epsilon}\right) \quad \longrightarrow \quad \text{Polylogarithmic: } O\left((\ell T)^2 (\log(\ell T)) \log^2(1/\epsilon)\right)$
यह $\epsilon$ की लक्षित शुद्धता पर घातांकीय सुधार (exponential improvement) का प्रतिनिधित्व करता है।
डिस्क्रीट कंस्ट्रेंट्स को संभालना: यह कार्य "क्वांटाइज्ड" टाइम स्टेप्स (जहाँ $T/\tau$ एक पूर्णांक होना चाहिए) के व्यावहारिक मुद्दे को संबोधित करता है, यह सिद्ध करते हुए कि चेबिशेव नोड्स को थोड़ा बदलने से वेरिएंस बाउंड नष्ट नहीं होता है, बशर्ते कि सिमुलेशन समय स्टेप साइज़ के सापेक्ष पर्याप्त बड़ा हो।
NISQ के लिए विस्तार: इस विधि के लिए अलग-अलग स्टेप साइज़ पर शैलो सर्किट चलाने के अलावा किसी अतिरिक्त क्वांटम संसाधनों (क्यूबिट्स या गेट्स) की आवश्यकता नहीं है, जिससे यह वर्तमान हार्डवेयर पर तुरंत लागू करने योग्य बन जाता है।

4. परिणाम (Results)

सैद्धांतिक गारंटी: मुख्य प्रमेय (Theorem 10) गारंटी देता है कि $n \sim \log(1/\epsilon)$ एक्सट्रपलेशन पॉइंट्स और $N_S \sim 1/\epsilon^2$ शॉट्स के साथ, एस्टिमेटर उच्च संभावना के साथ सटीकता $\epsilon$ प्राप्त करता है।
संख्यात्मक प्रयोग (Numerical Experiments):
- लेखकों ने रैंडम $16 \times 16$ मैट्रिसेस और एम्पलीट्यूड डैम्पिंग के साथ एक 4-क्यूबिट ट्रांसवर्स-फील्ड आइसिंग मॉडल (TFIF) पर विधि का परीक्षण किया।
- निष्कर्ष: चेबिशेव नोड्स का उपयोग करने वाला एक्सट्रपलेशन लगातार समदूरवर्ती नोड्स से बेहतर प्रदर्शन करता है। समदूरवर्ती नोड्स में बड़े दोलन (Runge's phenomenon) और उच्च वेरिएंस देखा गया, जबकि चेबिशेव नोड्स ने शोर वाले डेटा ( $N_{shots} = 2 \times 10^3$ ) के साथ भी स्थिर, कम-बायस अनुमान प्रदान किए।
- रिचर्डसन इंटरपोलेशन और पॉलिनोमियल रिग्रेशन (लीस्ट-स्क्वायर) दोनों ने दिखाया कि चेबिशेव ग्रिड बायस और वेरिएंस दोनों को महत्वपूर्ण रूप से कम करता है।

5. महत्व (Significance)

यह कार्य क्लोज्ड से ओपन क्वांटम सिस्टम में एल्गोरिद्मिक एरर मिटिगेशन का विस्तार करके क्वांटम सिमुलेशन थ्योरी के एक महत्वपूर्ण अंतर को पाटता है।

व्यावहारिक प्रभाव: यह डिसिपेटिव डायनेमिक्स (जो क्वांटम केमिस्ट्री, सामग्री विज्ञान और ओपन-सिस्टम कंट्रोल के लिए आवश्यक है) को सिम्युलेट करने के लिए एक प्रमाणित पथ प्रदान करता है, जहाँ सर्किट डेप्थ प्राथमिक सीमित कारक है।
सैद्धांतिक प्रगति: यह सिद्ध करके कि लिंडब्लाड डायनेमिक्स Gevrey-स्मूथ एरर एक्सपेंशन को स्वीकार करते हैं, यह पेपर स्वाभाविक रूप से अपरिवर्तनीय क्वांटम प्रक्रियाओं के लिए क्लासिकल एक्सट्रपलेशन तकनीकों के उपयोग को मान्य करता है।
भविष्य की दिशाएं: यह ढांचा एल्गोरिद्मिक एक्सट्रपलेशन को फिजिकल नॉइज़ एक्सट्रपलेशन (जीरो-नॉइज़ एक्सट्रपलेशन) के साथ जोड़ने और टाइम-डिपेंडेंट जनरेटर्स तथा एडेप्टिव ग्रिड सिलेक्शन तक विस्तार करने के मार्ग खोलता है।

संक्षेप में, यह पेपर प्रदर्शित करता है कि स्टेप-साइज़ एक्सट्रपलेशन केवल एक ह्यूरिस्टिक नहीं है, बल्कि ओपन क्वांटम सिस्टम के सिमुलेशन के लिए सर्किट डेप्थ आवश्यकताओं को घातांकीय रूप से कम करने के लिए एक प्रमाणित प्रभावी रणनीति है, जो निकट-अवधि (near-term) हार्डवेयर पर उच्च-परिशुद्धता लिंडब्लाड सिमुलेशन को संभव बनाती है।