⚛️ quantum physics

Prime Factorization Equation from a Tensor Network Perspective

यह शोध पत्र एक कुशल एल्गोरिदम प्रस्तावित करता है जो MeLoCoToN दृष्टिकोण पर आधारित है, जो एक बाइनरी मल्टीप्लिकेशन सर्किट से व्युत्पन्न टेंसर नेटवर्क समीकरण के रूप में पूर्णांक गुणनखंडन (integer factorization) को सूत्रबद्ध करता है, नेटवर्क संरचना को अनुकूलित करता है और सटीक एवं अनुमानित संकुचन (contraction) विधियों के माध्यम से अपने प्रदर्शन को प्रदर्शित करता है।

मूल लेखक: Alejandro Mata Ali, Jorge Martínez Martín, Sergio Muñiz Subiñas, Miguel Franco Hernando, Javier Sedano, Ángel Miguel García-Vico

प्रकाशित 2026-05-01

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Alejandro Mata Ali, Jorge Martínez Martín, Sergio Muñiz Subiñas, Miguel Franco Hernando, Javier Sedano, Ángel Miguel García-Vico

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

यहाँ "प्राइम फैक्टराइजेशन इक्वेशन फ्रॉम अ टेंसर नेटवर्क पर्सपेक्टिव" (Prime Factorization Equation from a Tensor Network Perspective) पेपर का स्पष्टीकरण दिया गया है, जिसे सरल अवधारणाओं और रचनात्मक उपमाओं के माध्यम से विभाजित किया गया है।

व्यापक परिदृश्य: "ताला और चाबी" की पहेली

कल्पना कीजिए कि आपके पास एक विशाल, जटिल ताला है (एक बड़ी संख्या, मान लीजिए N)। आप जानते हैं कि यह ताला दो छोटी चाबियों (p और q) को आपस में जोड़कर बनाया गया है। आपका लक्ष्य यह पता लगाना है कि उस अंतिम ताले को देखकर वे दो चाबियाँ क्या हैं।

यह प्राइम फैक्टराइजेशन (अभाज्य गुणनखंडन) की समस्या है। यह आधुनिक इंटरनेट सुरक्षा (जैसे RSA एन्क्रिप्शन) का गणितीय आधार है। वर्तमान में, एक मानक कंप्यूटर के साथ इस ताले को तोड़ना अविश्वसनीय रूप से धीमा और कठिन है, जैसे कि हर एक नंबर को एक-एक करके आज़माने की कोशिश करना।

यह पेपर इस पहेली को देखने का एक नया तरीका प्रस्तावित करता है। संख्याओं को एक-एक करके आज़माने के बजाय, लेखकों ने एक विशाल, बहु-आयामी "मानचित्र" (जिसे टेंसर नेटवर्क कहा जाता है) बनाया है जो उन सभी संभावित तरीकों का प्रतिनिधित्व करता है जिनसे दो चाबियाँ एक साथ फिट हो सकती हैं।

मुख्य विचार: गणित को एक सर्किट में बदलना

लेखकों ने एक लॉजिकल सर्किट बनाने से शुरुआत की। इसे एक फैक्ट्री असेंबली लाइन के ब्लूप्रिंट के रूप में सोचें।

इनपुट: फैक्ट्री दो संख्याएँ लेती है, p और q।
मशीन: फैक्ट्री के अंदर, इन संख्याओं को गुणा करने वाली मशीनें हैं।
आउटपुट: मशीन एक परिणाम उत्पन्न करती है।
फ़िल्टर: लेखकों ने लाइन के अंत में एक फ़िल्टर लगाया है। वे असेंबली लाइन को तभी चलने की अनुमति देते हैं जब अंतिम परिणाम उनके लक्षित ताले (N) से मेल खाता हो।

यदि परिणाम N से मेल नहीं खाता है, तो फैक्ट्री बंद हो जाती है (गणित कहता है "0")। यदि यह मेल खाता है, तो फैक्ट्री खुली रहती है (गणित कहता है "1")।

"टेंसर नेटवर्क": कनेक्शन का एक विशाल जाल

एक बार जब उनके पास यह सर्किट आ गया, तो उन्होंने इसे एक टेंसर नेटवर्क में बदल दिया।

उपमा: एक विशाल मकड़ी के जाल की कल्पना करें। जाल में प्रत्येक गांठ तर्क का एक छोटा सा हिस्सा है (जैसे "प्लस" या "गुणा" का चिह्न)। गांठों को जोड़ने वाली डोरियाँ सूचना ले जाने वाले तार हैं।
जादू: इस जाल में, p और q का प्रत्येक संभावित संयोजन एक साथ मौजूद है। नेटवर्क उन सभी धागों को "कन्ट्रैक्ट" (संकुचित) कर देता है जो सही उत्तर की ओर नहीं ले जाते हैं।
लक्ष्य: इस जाल को संकुचित करके, लेखकों को उम्मीद है कि वे केवल उन विशिष्ट धागों तक पहुँच पाएंगे जो सही चाबियों (p और q) का प्रतिनिधित्व करते हैं।

"MeLoCoToN" दृष्टिकोण

पेपर एक विशिष्ट विधि का उपयोग करता है जिसे MeLoCoToN कहा जाता है। इसे एक विशेष अनुवादक के रूप में समझें। यह एक मानक कंप्यूटर सर्किट (लॉजिक गेट्स) के नियमों को लेता है और उन्हें सीधे इस विशाल मकड़ी के जाल (टेंसर) की भाषा में अनुवादित करता है। यह उन्हें पूरे गुणनखंडन प्रक्रिया का वर्णन करने के लिए एक एकल, सटीक समीकरण लिखने की अनुमति देता है।

परिणाम: यह काम करता है, लेकिन यह भारी है

लेखकों ने एक मानक लैपटॉप पर इस पद्धति का परीक्षण किया। यहाँ उन्हें क्या मिला:

यह बिल्कुल सटीक काम करता है: जब उन्होंने गणित को पूरी तरह से चलाया (बिना किसी शॉर्टकट के), तो नेटवर्क ने उनके द्वारा परीक्षण की गई संख्याओं के लिए सही गुणनखंड सफलतापूर्वक खोज लिए। इसने सिद्ध किया कि आप इस पहेली को हल करने के लिए एक एकल समीकरण लिख सकते हैं।
कैच (गति): जबकि समीकरण सही है, इसे हल करना अभी भी बहुत धीमा है। जैसे-जैसे संख्याएँ बड़ी होती जाती हैं, "मकड़ी का जाल" इतना विशाल और उलझा हुआ होता जाता है कि कंप्यूटर को इसे सुलझाने में घातीय (exponential) समय लगता है।
- उपमा: यह एक ऐसे मानचित्र की तरह है जो भूलभुलैया से बाहर निकलने का सटीक रास्ता दिखाता है। हालाँकि, मानचित्र एक फुटबॉल के मैदान के आकार के कागज पर छपा है। पूरे मानचित्र को पढ़ने में भूलभुलैया में चलने से अधिक समय लग सकता है।
संपीड़न का प्रयास: इसे तेज़ बनाने के लिए, उन्होंने Tensor Train compression नामक तकनीक का उपयोग करके जाल को "पिचकने" या सिकोड़ने की कोशिश की। यह विशाल मानचित्र को छोटा करने के लिए उसे मोड़ने जैसा है।
- परिणाम: उन्होंने पाया कि हालांकि वे मानचित्र को छोटा बना सकते थे, लेकिन सही उत्तर को बनाए रखने के लिए उन्हें आश्चर्यजनक रूप से अधिक "फोल्डिंग स्पेस" (बॉन्ड डायमेंशन) की आवश्यकता थी। जैसे-जैसे संख्याएँ बड़ी होती गईं, समस्या को हल करने में लगने वाला समय अभी भी घातीय रूप से बढ़ता गया।

निष्कर्ष

पेपर यह निष्कर्ष निकालता है कि हालांकि उन्होंने इस "मकड़ी के जाल" पद्धति का उपयोग करके गुणनखंड खोजने के लिए एक परफेक्ट, सटीक समीकरण सफलतापूर्वक बनाया है, लेकिन यह अभी तक वर्तमान कंप्यूटरों को मात देने वाला कोई जादुई हथियार नहीं है।

उन्होंने क्या हासिल किया: उन्होंने समस्या को देखने के लिए एक नया गणितीय लेंस बनाया, यह सिद्ध किया कि इसे क्लासिकल संसाधनों (नियमित कंप्यूटर, क्वांटम नहीं) के साथ किया जा सकता है।
उन्होंने क्या हासिल नहीं किया: वे आधुनिक एन्क्रिप्शन को तोड़ने के लिए पर्याप्त तेज़ तरीका नहीं खोज पाए। बड़ी संख्याओं के लिए यह विधि अभी भी बहुत धीमी है।

संक्षेप में: लेखकों ने एक सुंदर, सटीक गणितीय मशीन बनाई है जो गुणनखंड पहेली को हल कर सकती है, लेकिन वर्तमान में यह वास्तविक दुनिया के कोड को तोड़ने के लिए बहुत भारी और धीमी है। यह भविष्य के शोध के लिए एक द्वार खोलता है कि क्या इस विशिष्ट प्रकार के "जाल" को हल्का बनाया जा सकता है या क्या इसे मोड़ने का कोई अलग तरीका काम कर सकता है।

यहाँ एलेजांद्रो माता अलि एवं अन्य द्वारा लिखित शोध पत्र "Prime Factorization Equation from a Tensor Network Perspective" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र पूर्णांक गुणनखंडन समस्या (Integer Factorization Problem) को संबोधित करता है, विशेष रूप से एक भाज्य पूर्णांक $N$ (एक विषम अर्ध-अभाज्य संख्या/odd semiprime, $N=pq$ पर ध्यान केंद्रित करते हुए) के गैर-तुच्छ विभाजकों (nontrivial divisors) को खोजने पर। जबकि यह समस्या क्रिप्टोग्राफी (जैसे RSA सुरक्षा) और संख्या सिद्धांत के लिए केंद्रीय है, कोई भी शास्त्रीय बहुपद-समय (polynomial-time) एल्गोरिदम ज्ञात नहीं है।

चुनौती: शास्त्रीय एल्गोरिदम (जैसे General Number Field Sieve) उप-चरघातांकीय (sub-exponential) जटिलता रखते हैं, जबकि क्वांटम एल्गोरिदम (Shor's) घातीय गति (exponential speedup) प्रदान करते हैं लेकिन उनके लिए त्रुटि-सुधारित क्वांटम हार्डवेयर की आवश्यकता होती है।
लक्ष्य: एक सटीक और स्पष्ट टेंसर नेटवर्क समीकरण तैयार करना जो मेलोकोटन (MeLoCoToN) औपचारिकता का उपयोग करके तार्किक सर्किट को टेंसर संकुचन (tensor contractions) में परिवर्तित करता है, ताकि शास्त्रीय संसाधनों का उपयोग करके गुणनखंडों की खोज को एनकोड किया जा सके।

2. कार्यप्रणाली (Methodology)

लेखक MeLoCoToN औपचारिकता पर आधारित तीन-चरणीय कार्यप्रणाली प्रस्तावित करते हैं:

A. तार्किक सर्किट निर्माण (Logical Circuit Construction)

लेखक एक शास्त्रीय तार्किक सर्किट डिजाइन करते हैं जो बाइनरी गुणन $y = p \times q$ की गणना करता है।

इनपुट: दो पूर्णांक, $p$ (अधिकतम $n-1$ बिट्स तक) और $q$ (न्यूनीकरण किया गया सहायक रजिस्टर, अधिकतम $m = \lceil n/2 \rceil$ बिट्स तक)।
अनुकूलन (Optimization): सर्किट को मॉड्यूलर अंकगणित के बजाय सटीक पूर्णांक गुणन लागू करने के लिए अनुकूलित किया गया है।
- आउटपुट रजिस्टर पूर्ण गुणनफल को रखने के लिए पर्याप्त चौड़ा है।
- लक्ष्य पूर्णांक $N$ को आउटपुट रजिस्टर पर प्रोजेक्ट किया जाता है (शून्य के साथ पैडिंग), जिससे $pq = N$ सुनिश्चित होता है।
- न्यूनीकरण (Reductions): पैरिटी बाधाओं (चूंकि $N$ विषम है, इसलिए $p$ और $q$ को विषम होना चाहिए) और कम किए गए $q$ -रजिस्टर के आकार के आधार पर अनावश्यक ऑपरेटरों को हटा दिया जाता है, जो कम से कम एक वैध गुणनखंड अभिविन्यास (factorization orientation) की उपस्थिति की गारंटी देता है।

B. टेंसर नेटवर्क समीकरण (Tensor Network Equation)

तार्किक सर्किट को इंडिकेटर टेंसरों (indicator tensors) द्वारा प्रतिस्थापित करके "टेंसरकृत" किया जाता है।

समीकरण: परिणामी टेंसर नेटवर्क $T(p, q, y)$ संतुष्ट करता है कि $T(p, q, y) = 1$ यदि $y=pq $है और$ 0$ अन्यथा।
प्रोजेक्शन: आउटपुट इंडेक्स $y$ को लक्ष्य $N$ के साथ संकुचित करके, लेखक एक मार्जिनल टेंसर $S_N(p)$ प्राप्त करते हैं:
$S_N(p) = \sum_{q} T(p, q, N) \cdot B(p, q)$
जहाँ $B(p, q)$ एक स्वीकार्यता चयनकर्ता (admissibility selector) है। $S_N(p)$ का सपोर्ट $N$ के सटीक गैर-तुच्छ विभाजकों को समाहित करता है।
समाधान निष्कर्षण (Solution Extraction): लेखक एक पुनरावृत्ति हाफ पार्शियल ट्रेस (Iterative Half Partial Trace) विधि का उपयोग करते हैं। वे बिट-दर-बिट (या तो LSB से MSB या इसके विपरीत) मार्जिनल्स की गणना करते हैं। यदि सपोर्ट एक सिंगलेटन (singleton) है, तो बिट निर्धारित हो जाता है। यदि कई गुणनखंड मौजूद हैं, तो एक विशिष्ट गुणनखंड को अलग करने के लिए एक एडेप्टिव प्रोजेक्शन एक समय में एक बिट को फिक्स करता है।

C. संकुचन योजनाएं और जटिलता (Contraction Schemes and Complexity)

शोध पत्र टेंसर नेटवर्क की गणना करने के लिए दो संकुचन रणनीतियों का विश्लेषण करता है:

बॉटम-अप (Bottom-Up): पंक्ति दर पंक्ति संकुचन करता है।
लेफ्ट-टू-राइट (Left-to-Right): कॉलम दर कॉलम संकुचन करता है।
स्पार्स-अवेयर ऑप्टिमाइजेशन (Sparse-Aware Optimization): यह पहचानते हुए कि टेंसर तार्किक संबंधों के इंडिकेटर फंक्शन हैं, लेखक घने सरणियों (dense arrays) के बजाय स्पार्स स्टोरेज (hash-join contractions) का उपयोग करते हैं। यह प्रभावी अवस्था स्थान (state space) को $4^{n/2}$ से घटाकर $2^{n/2}$ (विशेष रूप से $O(2^m)$ जहाँ $m \approx n/2$ ) कर देता है।

3. मुख्य योगदान (Key Contributions)

सटीक टेंसर समीकरण: अर्ध-अभाज्य संख्याओं के गैर-तुच्छ विभाजकों को खोजने के लिए बाइनरी गुणन के व्युत्क्रमण (inversion) हेतु विशेष रूप से व्युत्पन्न पहला स्पष्ट टेंसर नेटवर्क समीकरण।
अनुकूलित सर्किट डिजाइन: एक कम किए गए सहायक रजिस्टर ( $q$ ) और विशिष्ट पैरिटी बाधाओं का परिचय जो वैध समाधान के अस्तित्व को बनाए रखते हुए अनावश्यक ऑपरेटरों को समाप्त करते हैं।
जटिलता विश्लेषण:
- घना मामला (Dense Case): सैद्धांतिक जटिलता घातीय (exponential) है, जो ब्रूट फोर्स से भी खराब है ( $बॉटम-अप के लिए$ O(n^3 6^{n/2}$)।
- स्पार्स मामला (Sparse Case): स्पार्स स्टोरेज का उपयोग करते हुए, जटिलता में सुधार होकर $O(n^2 2^{\lceil n/2 \rceil})$ हो जाता है, जो अभी भी घातीय है लेकिन घने संकुचन की तुलना में घातांक के आधार (base of the exponent) में महत्वपूर्ण कमी दर्शाता है।
टेंसर ट्रेन (TT) के माध्यम से सन्निकटन: लेखक सही गुणनखंड को पुनः प्राप्त करने के लिए आवश्यक न्यूनतम बॉन्ड डायमेंशन ( $\chi_{min}$ ) का विश्लेषण करते हुए, टेंसर ट्रेन (TT) संपीड़न का उपयोग करके समाधान को अनुमानित करने की जांच करते हैं।

4. परिणाम और प्रदर्शन मूल्यांकन (Results and Performance Evaluation)

लेखकों ने पायथन Tensorkrowch लाइब्रेरी का उपयोग करके एक मानक लैपटॉप (Intel i7-14700HX) पर अपने एल्गोरिदम का परीक्षण किया।

सटीक मामला (Exact Case):
- एल्गोरिदम ने 20 बिट्स तक की अर्ध-अभाज्य संख्याओं के लिए गुणनखंडों को सफलतापूर्वक प्राप्त किया।
- निष्पादन समय बिट्स की संख्या ( $n$ ) के साथ घातीय (exponentially) रूप से बढ़ता है, जो संकुचन समय द्वारा नियंत्रित होता है।
- परिणामों ने सैद्धांतिक घातीय स्केलिंग की पुष्टि की, जिससे पता चलता है कि यह वर्तमान में परीक्षण किए गए आकारों के लिए ब्रूट-फोर्स खोज की तुलना में कम कुशल है।
अनुमानित मामला (Tensor Train Compression):
- सही गुणनखंड खोजने के लिए आवश्यक न्यूनतम बॉन्ड डायमेंशन ( $\chi_{min}$ ) भी $n$ के साथ घातीय रूप से बढ़ता है।
- हालांकि, वृद्धि दर अनकंप्रेस्ड नेटवर्क के सैद्धांतिक अधिकतम बॉड डायमेंशन की तुलना में काफी कम है।
- संपीड़न कारक (Compression Factor): अधिकतम संभव बॉड डायमेंशन और आवश्यक $\chi_{min}$ का अनुपात घातीय है, जो सुझाव देता है कि सिस्टम में अनुमानित 'एंटैंगलमेंट' से कम "एंटैंगलमेंट" है।
- बिट-फ्लिप त्रुटि (Bit-Flip Error): जब बॉड डायमेंशन न्यूनतम आवश्यक स्तर से नीचे होता है, तो त्रुटि दर (बिट-फ्लिप्स) आयाम में कमी के साथ सुचारू सहसंबंध नहीं दिखाती है। इसके बजाय, सिस्टम या तो सही समाधान प्रदान करता है या कोई उपयोगी जानकारी प्रदान करने में विफल रहता है (एक "फेज ट्रांजिशन" व्यवहार)।
गुणनखंड संरचना पर अवलोकन:
- प्रारंभिक परिकल्पनाओं के विपरीत, अभाज्य गुणनखंडों में शून्य के अनुपात और आवश्यक बॉड डायमेंशन के बीच कोई स्पष्ट सहसंबंध नहीं पाया गया।

5. महत्व और निष्कर्ष (Significance and Conclusion)

सैद्धांतिक अंतर्दृष्टि: यह कार्य गुणनखंडन के लिए एक कठोर शास्त्रीय ढांचा प्रदान करता है, जो तार्किक सर्किट और टेंसर बीजगणित के बीच के अंतर को पाटता है।
सीमाएँ: वर्तमान कार्यान्वयन एक बहुपद-समय (polynomial-time) एल्गोरिदम नहीं है। समय और मेमोरी का घातीय स्केलिंग (स्पार्स ऑप्टिमाइजेशन के बावजूद) इसका अर्थ है कि यह वर्तमान में व्यावहारिक आकार की RSA कुंजियों को तोड़ने में सक्षम नहीं है।
भविष्य की दिशाएँ:
- एनालॉग कंप्यूटिंग: इस समीकरण को उन भौतिक प्रणालियों (एनालॉग कंप्यूटरों) द्वारा हल किया जा सकता है जो स्वाभाविक रूप से ऊर्जा परिदृश्य (energy landscapes) को कम करते हैं, जिससे हार्डवेयर का एक नया दृष्टिकोण मिलता है।
- गणितीय सरलीकरण: क्रोनेकर डेल्टा टेंसरों का विखंडन अधिक कुशल संकुचन पथों को प्रकट कर सकता है।
- वैकल्पिक प्रतिनिधित्व: उच्च स्पर्सिटी और निम्न प्रभावी एंटैंगलमेंट यह सुझाव देते हैं कि अन्य टेंसर नेटवर्क प्रतिनिधित्व (मानक TT से परे) बेहतर संपीड़न और कम जटिलता प्रदान कर सकते हैं।

संक्षेप में, यह शोध पत्र सफलतापूर्वक अभाज्य गुणनखंडन को एक टेंसर नेटवर्क संकुचन समस्या के रूप में तैयार करता है। हालांकि यह वर्तमान में मौजूदा शास्त्रीय एल्गोरिदम की तुलना में कम्प्यूटेशनल लाभ नहीं देता है, फिर भी यह गुणनखंडन की जटिलता के विश्लेषण के लिए एक नया दृष्टिकोण स्थापित करता है और एनालॉग कंप्यूटिंग तथा उन्नत टेंसर नेटवर्क अनुसंधान के लिए मार्ग प्रशस्त करता है।