⚛️ quantum physics

Tensor-Network-Based Unraveling of Non-Markovian Dynamics in Large Spin Chains via the Influence Martingale Approach

यह शोध पत्र एक कुशल टेंसर-नेटवर्क एल्गोरिदम प्रस्तुत करता है जो समय-निर्भर क्षय दरों (time-dependent decay rates) और इन्फ्लुएंस मार्टिंगेल (Influence Martingale) औपचारिक रूप के साथ टेंसर जंप मेथड का विस्तार करता है ताकि बड़े एक-आयामी स्पिन श्रृंखलाओं में मार्कोवियन और गैर-मार्कोवियन ओपन क्वांटम डायनेमिक्स के स्केलेबल और संसाधन-कुशल सिमुलेशन को सक्षम बनाया जा सके।

मूल लेखक: Sujay Mondal, Siddhartha Dutta, Abhijit Bandyopadhyay

प्रकाशित 2026-06-23

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Sujay Mondal, Siddhartha Dutta, Abhijit Bandyopadhyay

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

बड़ी तस्वीर: एक शोर भरे क्वांटम जगत का अनुकरण (सिमुलेशन)

कल्पना कीजिए कि आप मौसम की भविष्यवाणी करने की कोशिश कर रहे हैं। यदि दुनिया एक सरल, बंद डिब्बे की तरह होती जिसमें न हवा होती और न बारिश, तो इसे मॉडल करना आसान होता। लेकिन वास्तव में, वायुमंडल एक "खुली प्रणाली" (open system) है—यह लगातार सूर्य, महासागरों और अन्य अराजक बलों के साथ परस्पर क्रिया करता है।

क्वांटम दुनिया में, चीजें और भी अधिक जटिल हैं। एक क्वांटम कंप्यूटर या परमाणुओं का एक समूह (एक "स्पिन चेन") कभी भी पूरी तरह से अलग-थलग नहीं होता। यह लगातार अपने वातावरण से टकराता रहता है, जिससे यह ऊर्जा खो देता है (डिसिपेशन/ऊर्जा क्षय) और अपने विशेष क्वांटम गुणों को खो देता है (डिकोहेरेंस)।

समस्या:
इन अस्त-व्यस्त अंतःक्रियाओं का एक सामान्य कंप्यूटर पर अनुकरण करना अविश्वसनीय रूप से कठिन है।

विस्फोट (The Explosion): जैसे-जैसे आप अधिक कण जोड़ते हैं (जैसे एक कमरे में अधिक लोगों को जोड़ना), उन्हें वर्णित करने के लिए आवश्यक जानकारी तेजी से बढ़ती है। यह एक स्टेडियम में होने वाली हर संभावित बातचीत को लिखने की कोशिश करने जैसा है; इसके लिए आवश्यक कागज का आकार बहुत जल्दी ब्रह्मांड के आकार से भी बड़ा हो जाएगा।
स्मृति प्रभाव (The Memory Effect): आमतौर पर, वैज्ञानिक यह मान लेते हैं कि वातावरण तुरंत "भूल" जाता है (मार्कोवियन)। लेकिन कभी-कभी, वातावरण की एक "अल्पकालिक स्मृति" होती है। यह याद रखता है कि एक क्षण पहले सिस्टम ने क्या किया था और फिर से प्रतिक्रिया देता है (नॉन-मार्कोवियन)। यह एक उछलती हुई गेंद जैसा है जो फर्श से टकराने पर केवल रुकती नहीं है, बल्कि वापस ऊपर उछलती है क्योंकि फर्श नरम था और उसने ऊर्जा को संचित कर लिया था। इस "पुश बैक" का अनुकरण करना गणितीय रूप से कठिन है क्योंकि इसके लिए कभी-कभी "ऋणात्मक संभावनाओं" (negative probabilities) के साथ गणना करने की आवश्यकता होती है, जो मानक गणित में तर्कसंगत नहीं है।

समाधान: एक नया एल्गोरिदम

लेखकों (सुजय मोंडल, सिद्धार्थ दत्ता और अभिजीत बंद्योपाध्याय) ने इन शोर भरे और स्मृति-युक्त क्वांटम सिस्टम को संभालने के लिए एक नया, कुशल कंप्यूटर एल्गोरिदम बनाया है। वे इसे "टेंसर-नेटवर्क-आधारित अनरैवलिंग वाया द इन्फ्लुएंस मार्टिंगेल अप्रोच" कहते हैं।

यह सुनने में काफी जटिल है, तो आइए इसे उपमाओं के माध्यम से समझते हैं:

1. "टेंसर नेटवर्क" (द कंप्रेशन ट्रिक)

100-परमाणु श्रृंखला के हर एक विवरण को लिखने के बजाय (जिसके लिए पृथ्वी पर मौजूद कुल मेमोरी से भी अधिक मेमोरी की आवश्यकता होगी), वे एक "टेंसर नेटवर्क" का उपयोग करते हैं।

उपमा: एक लंबे, उलझे हुए हार की कल्पना करें। हर एक मनके (bead) की स्थिति को सूचीबद्ध करने के बजाय, आप हार को जुड़े हुए लूपों की एक श्रृंखला के रूप में वर्णित करते हैं। आप केवल उन्हीं कनेक्शनों पर नज़र रखते हैं जो महत्वपूर्ण हैं। यह उन्हें बिना कंप्यूटर क्रैश किए 100 क्यूबिट्स (क्वांटम बिट्स) तक के सिस्टम का अनुकरण करने की अनुमति देता है।

2. "टेंसर जंप मेथड" (द स्टोकेस्टिक वॉक)

शोर का अनुकरण करने के लिए, वे सीधे औसत परिणाम की गणना नहीं करते हैं। इसके बजाय, वे हजारों "क्या होगा अगर" वाले परिदृश्यों, या ट्रैजेक्टरीज (trajectories) को चलाते हैं।

उपमा: एक नशे में धुत व्यक्ति के घर पैदल जाने की कल्पना करें। आप सटीक रूप से भविष्यवाणी नहीं कर सकते कि 10 मिनट में वह कहाँ होगा। लेकिन यदि आप 1,000 अलग-अलग नशे में धुत लोगों के यादृच्छिक (random) तरीके से चलने का अनुकरण करते हैं, तो आप पता लगा सकते हैं कि उनका औसत रास्ता क्या होगा।
उनकी विधि, जिसे "टेंसर जंप मेथड" कहा जाता है, क्वांटम कणों के लिए इन रैंडम वॉक (ट्रैजेक्टरीज) का अनुकरण करती है। जब एक कण "जंप" करता है (वातावरण के साथ अंतःक्रिया करता है), तो सिमुलेशन उस पथ को अपडेट कर देता है।

3. "इन्फ्लुएंस मार्टिंगेल" (द मैजिक वेट)

यही इस शोध का सबसे बड़ा नवाचार है। जब वातावरण में "स्मृति" (Non-Markovian) होती है, तो गणित कभी-कभी "ऋणात्मक संभावनाओं" की मांग करता है। चूंकि आप किसी घटना की ऋणात्मक संभावना नहीं रख सकते, इसलिए मानक सिमुलेशन विधियाँ विफल हो जाती हैं।

उपमा: कल्पना कीजिए कि आप घुड़दौड़ पर दांव लगा रहे हैं, लेकिन दौड़ के बीच में ही नियम बदल जाते हैं। कभी-कभी ऑड्स (संभावनाएं) ऋणात्मक हो जाते हैं क्योंकि ट्रैक फिसलन भरा है। इसे ठीक करने के लिए, लेखक एक "जादुई वजन" (इन्फ्लुएंस मार्टिंगेल) का उपयोग करते हैं।
वे सिमुलेशन को "नकली" सकारात्मक ऑड्स (शिफ्टेड रेट्स) का उपयोग करके चलाते हैं ताकि गणित काम कर सके। फिर, अंत में, वे वास्तविकता में वापस लाने के लिए प्रत्येक परिणाम पर "जादुगर वजन" लागू करते हैं। यह एक सपाट ट्रैक पर दौड़ लगाने जैसा है और फिर गणितीय रूप से उन समयों को समायोजित करना है जिनका सामना आपको हवा और पहाड़ियों के कारण करना पड़ता। यह उन्हें ऋणात्मक संख्याओं में फंसे बिना "स्मृति" प्रभावों का अनुकरण करने की अनुमति देता है।

4. "इन्फ्लुएंस रेडियस" (द लोकल नेबरहुड)

मेमोरी प्रभावों के साथ 100-परमाणु श्रृंखला का अनुकरण करना अभी भी कंप्यूटर पर भारी पड़ता है। लेखकों ने एक चतुर बात समझी: दूरी मायने रखती है।

उपमा: यदि आप तालाब में पत्थर गिराते हैं, तो उसकी लहरें पास के पानी को तुरंत प्रभावित करती हैं। लेकिन यदि आप झील के दूसरी ओर खड़े हैं, तो उस विशिष्ट पत्थर की लहरें या तो अभी तक आप तक नहीं पहुँची हैं, या वे इतनी छोटी हैं कि वे मायने नहीं रखतीं।
उन्होंने "इन्फ्लुएंस रेडियस" की अवधारणा पेश की। उन्होंने पाया कि एक विशिष्ट परमाणु पर क्या हो रहा है, इसकी गणना करने के लिए आपको केवल उसके निकटतम पड़ोसियों के "स्मृति" प्रभावों की चिंता करने की आवश्यकता है। आपको 100-परमाणु श्रृंखला के दूसरी ओर के परमाणुओं के स्मृति प्रभावों की गणना करने की आवश्यकता नहीं है।
परिणाम: यह एक फिल्टर की तरह कार्य करता है। यह कंप्यूटर को बताता है, "दूर के शोर को अनदेखा करें; यह परिणाम को इतना नहीं बदलेगा कि वह मायने रखे।" यह सिमुलेशन को बड़े सिस्टम के लिए पर्याप्त तेज़ बनाता है।

उन्होंने वास्तव में क्या किया?

इंजन बनाया: उन्होंने समय-निर्भर, स्मृति-युक्त शोर को संभालने के लिए मौजूदा उपकरणों (टेंसर नेटवर्क और स्टोकेस्टिक जंप) को एक नए गणितीय तरीके (इन्फ्लुएंस मार्टिंगेल) के साथ जोड़ा।
परीक्षण किया: उन्होंने एक 100-स्पिन चेन (100 क्वांटम चुंबकों की एक रेखा) का अनुकरण किया।
सत्यापन किया: उन्होंने छोटे सिस्टम पर एक "परफेक्ट" लेकिन अविश्वसनीय रूप से धीमी विधि (MPO-आधारित सटीक सिमुलेशन) के साथ अपने परिणामों की तुलना की। उनकी नई विधि लगभग सटीक रूप से परफेक्ट परिणामों से मेल खाती है।
रेडियस को सिद्ध किया: उन्होंने दिखाया कि केवल एक छोटे "रेडियस" के पड़ोसियों को देखकर, वे सुपरकंप्यूटर की आवश्यकता के बिना पूरे 100-स्पिन चेन के लिए सटीक परिणाम प्राप्त कर सकते हैं।

सारांश

यह शोध पत्र शोर भरे और "स्मृति" वाले क्वांटम सिस्टम का अनुकरण करने का एक नया तरीका प्रस्तुत करता है। "कंप्रेशन" तकनीक (टेंसर नेटवर्क), "रैंडम वॉक" रणनीति (जंप मेथड), "करेक्शन वेट" (इन्फ्लुएंस मार्टिंगेल), और एक "लोकल फिल्टर" (इन्फ्लुएंस रेडियस) का उपयोग करके, वे बड़े क्वांटम सिस्टम (100 क्यूबिट्स तक) का अनुकरण कर सकते हैं जो पहले मॉडल करना बहुत कठिन था। यह वैज्ञानिकों को यह समझने में मदद करता है कि वास्तविक, शोर भरी दुनिया में क्वांटम उपकरण कैसे व्यवहार करते हैं।

तकनीकी सारांश: बड़े स्पिन श्रृंखलाओं में नॉन-मार्कोवियन गतिकी के लिए टेंसर-नेटवर्क-आधारित अनरैवलिंग (Unraveling)

समस्या विवरण
खुले क्वांटम सिस्टम (open quantum systems) की शास्त्रीय सिमुलेशन प्रक्रिया में सिस्टम के आकार के साथ हिल्बर्ट स्पेस के घातीय विस्तार (exponential growth) के कारण महत्वपूर्ण बाधाएं आती हैं। जबकि मैट्रिक्स प्रोडक्ट स्टेट्स (MPS) जैसे टेंसर-नेटवर्क तरीकों ने बंद प्रणालियों और मार्कोवियन ओपन सिस्टम के लिए स्केलिंग संबंधी समस्याओं का सफलतापूर्वक समाधान किया है, नॉन-मार्कोवियन गतिकी (non-Markovian dynamics) का अनुकरण करना चुनौतीपूर्ण बना हुआ है। नॉन-मार्कोवियन शासन (regimes), जो मेमोरी प्रभावों और सूचना के पुनरागमन (information backflow) द्वारा पहचाने जाते हैं, अक्सर सिस्टम के पूर्ण इतिहास को ट्रैक करने या मेमोरी कर्नेल के साथ इंटीग्रो-डिफरेंशियल समीकरणों को हल करने की आवश्यकता रखते हैं, जिससे अत्यधिक गणनात्मक लागत आती है। इसके अतिरिक्त, मानक स्टोकेस्टिक अनरैवलिंग तकनीकें, जैसे कि मोंटे कार्लो वेव-फंक्शन (MCWF) विधि, क्वांटम जम्प्स को संभाव्यता के रूप में व्याख्या करने के लिए धनात्मक क्षय दरों (positive decay rates) पर निर्भर करती हैं। नॉन-मार्कोवियन शासन में, जो टाइम-कन्वोल्यूशनलेस (TCL) मास्टर समीकरणों द्वारा वर्णित होते हैं, क्षय दरें अस्थायी रूप से ऋणात्मक हो सकती हैं, जिससे मानक अनरैवलिंग अमान्य हो जाती है क्योंकि यह "ऋणात्मक संभाव्यता" की समस्या उत्पन्न करती है। मौजूदा ट्रैजेक्टरी-आधारित दृष्टिकोण नॉन-मार्कोवियन प्रणालियों के लिए छोटे सिस्टम (जैसे कि 13 क्यूबिट तक) तक ही सीमित रहे हैं और उन मेनी-बॉडी शासन (50–100 क्यूबिट) तक स्केल करने में संघर्ष करते हैं जो थर्मलइज़ेशन और एंटैंगलमेंट स्प्रेडिंग जैसी सामूहिक घटनाओं के अध्ययन के लिए आवश्यक हैं।

कार्यप्रणाली (Methodology)
लेखक एक कुशल एल्गोरिदम प्रस्तावित करते हैं जो बड़े एक-आयामी क्वांटम सिस्टम में समय-विषम मार्कोवियन और वास्तविक नॉन-मार्कोवियन गतिकी दोनों को संभालने के लिए टेंसर जम्प मेथड (TJM) का विस्तार करता है। इस दृष्टिकोण का मूल भाग तीन एकीकृत घटकों में निहित है:

टेंसर नेटवर्क फ्रेमवर्क: विधि शुद्ध-अवस्था ट्रैजेक्टरीज (pure-state trajectories) का प्रतिनिधित्व करने के लिए MPS का उपयोग करती है, जिससे डेंसिटी मैट्रिक्स के घातीय विस्तार से बचा जा सकता है। समय का विकास टाइम-डिपेंडेंट वेरिएशनल प्रिंसिपल (TDVP) द्वारा नियंत्रित होता है, जो सटीकता और गणनात्मक लागत के बीच संतुलन बनाने के लिए बॉन्ड डायमेंशन को गतिशील रूप से समायोजित करता है। एल्गोरिदम यूनिटरी (कोहेरेंट) और डिसिपेटिव (नॉन-यूनिटरी) विकास चरणों को अलग करने के लिए सुजुकी-ट्रोटर (Suzuki–Trotter) अपघटन का उपयोग करता है।
इन्फ्लुएंस मार्टिंगेल फॉर्मलिज्म (Influence Martingale Formalism): नॉन-मार्कोवियन TCL मास्टर समीकरणों में ऋणात्मक क्षय दरों ( $\gamma_k(t) < 0$ ) के मुद्दे को संबोधित करने के लिए, लेखक इन्फ्लुएंस मार्टिंगेल दृष्टिकोण को अपनाते हैं। प्रत्यक्ष अनरैवलिंग के बजाय, वे एक संदर्भ एन्सेम्बल (reference ensemble) पेश करते हैं जिसमें सख्ती से धनात्मक, शिफ्ट की गई क्षय दरें $r_k(t) = \gamma_k(t) + C_t$ होती हैं, जहाँ $C_t$ एक समय-निर्भर शिफ्ट है जो सुनिश्चित करता है कि $r_k(t) > 0$ हो। भौतिक गतिकी को एक इन्फ्लुएंस मार्टिंगेल $\mu_t$ का उपयोग करके संदर्भ ट्रैजेक्टरीज को रीवेट (reweight) करके पुनः प्राप्त किया जाता है। मार्टिंगेल निरंतर ड्रिफ्ट और असतत जम्प योगदान के साथ स्टोकेस्टिक रूप से विकसित होता है, जिससे यह सुनिश्चित होता है कि एन्सेम्बल औसत $\mathbb{E}_{ref}[\mu_t |\psi(t)\rangle\langle\psi(t)|]$ सटीक नॉन-मार्कोवियन डेंसिटी मैट्रिक्स विकास को पुनरुत्पादित करता है।
इन्फ्लुएंस रेडियस (Influence Radius): बड़े सिस्टम (100 स्पिन तक) में स्केलेबिलिटी सक्षम करने के लिए, लेखक एक "इन्फ्लुएंस रेडियस" की अवधारणा पेश करते हैं। संख्यात्मक विश्लेषण से पता चलता है कि शोर के स्रोत से दूरी के साथ स्थानीय अवलोकन (local observable) पर नॉन-मार्कोवियन शोर का प्रभाव कम होता जाता है। फलस्वरूप, मार्टिंगेल सुधार (शिफ्ट $C_t$ और परिणामी भार $\mu_t$ ) को पूरे सिस्टम के बजाय एक सीमित स्थानिक पड़ोस के भीतर क्षय दरों के लिए ही कंप्यूट करने की आवश्यकता होती है। यह मार्टिंगेल वेट के उतार-चढ़ाव से जुड़े गणनात्मक ओवरहेड को काफी कम कर देता है।

प्रमुख योगदान

TJM का विस्तार: यह शोध पत्र टाइम-डिपेंडेंट क्षय दरों, जिनमें अस्थायी रूप से ऋणात्मक होने वाली दरें भी शामिल हैं, को संभालने के लिए टेंसर जम्प मेथड का सामान्यीकरण करता है, जो इन्फ्लुएंस मार्टिंगेल फॉर्मलिज्म को एकीकृत करता है।
बड़े सिस्टम के लिए स्केलेबिलिटी: एल्गोरिदम को 100 स्पिन क्यूबिट्स तक की एक-आयामी ट्रांसवर्स-फील्ड आइज़िंग श्रृंखलाओं पर प्रदर्शित किया गया है, जो मानक विधियों का उपयोग करके नॉन-मार्कोवियन ट्रैजेक्टरी सिमुलेशन के लिए पहले अप्राप्य पैमाना था।
इन्फ्लुएंस रेडियस की अवधारणा: "इन्फ्लुएंस रेडियस" का परिचय एक संसाधन-कुशल ढांचा प्रदान करता है। यह मार्टिंगेल सुधार के लिए आवश्यक स्थानीय विस्तार को मात्रात्मक रूप से निर्धारित करता है, जिससे ऐसे स्केलेबल सिमुलेशन संभव होते हैं जहाँ स्थानीय अवलोकनों के लिए गणनात्मक लागत कुल सिस्टम आकार के साथ नहीं बढ़ती है।
एकीकृत ढांचा: यह दृष्टिकोण एक एकल कम्प्यूटेशनल फ्रेमवर्क प्रदान करता है जो मौलिक रूप से भिन्न एल्गोरिदमों के बीच स्विच किए बिना समय-विषम मार्कोवियन प्रक्रियाओं (धनात्मक समय-निर्भर दरें) और नॉन-मार्कोवियन गतिकी (ऋणात्मक दरें) दोनों का सिमुलेशन करने में सक्षम है।

परिणाम

बेंचमार्किंग: लेखकों ने अपने ट्रैजेक्टरी-आधारित परिणामों की तुलना 30-साइट श्रृंखला के लिए संख्यात्मक रूप से सटीक मैट्रिक्स प्रोडक्ट ऑपरेटर (MPO) सिमुलेशन के विरुद्ध बेंचमार्क की। परिणामों ने ट्रैजेक्टरीज की संख्या ( $N_{traj}$ ) के साथ व्यवस्थित अभिसरण (convergence) दिखाया और विशिष्ट मॉडल मापदंडों के लिए अधिकतम बॉन्ड डायमेंशन ( $\chi_{max}$ ) पर कमजोर निर्भरता दिखाई, जो यह दर्शाता है कि विधि अपेक्षाकृत छोटे ट्रैजेक्टरी एन्सेम्बल ( $N_{traj} = 100$ ) के साथ भी सही डायनामिकल ट्रेंड्स को कैप्चर करती है।
मार्टिंगेल व्यवहार: सिमुलेशन ने पुष्टि की कि इन्फ्लुएंस मार्टिंगेल का एन्सेम्बल औसत $\mathbb{E}[\mu_t]$ एक के करीब बना रहता है, जो विधि के ट्रेस प्रिजर्वेशन (trace preservation) को प्रमाणित करता है। मार्टिंगेल ने विशेष रूप से उन अंतरालों के दौरान टेम्पोरल वेरिएशंस प्रदर्शित किए जहाँ भौतिक क्षय दरें $\gamma_k(t)$ ऋणात्मक थीं।
स्केलिंग और इन्फ्लुएंस रेडियस: नॉन-मार्कोवियन क्षय दरों के परिमाण को बदलकर, लेखकों ने प्रदर्शित किया कि स्थानीय अवलोकनों में त्रुटि सिस्टम पर शिफ्टेड जम्प इंटेंसिटी के एकीकृत मान के साथ स्केल करती है। 100-साइट श्रृंखलाओं (जहाँ नॉन-मार्कोवियन शोर सीमाओं या रैंडम साइट्स पर केंद्रित है) पर "इन्फ्लुएंस रेडियस" अवधारणा को लागू करने पर, यह देखा गया कि मार्टिंगेल गणना को प्रासंगिक स्थानीय पड़ोस तक सीमित करके $N_{traj} = 100$ के साथ उच्च सटीकता बनाए रखी जा सकती है, जिससे स्थानीय मापन के लिए गणनात्मक लागत को कुल सिस्टम आकार से प्रभावी रूप से अलग किया जा गया।

महत्व
यह शोध पत्र दावा करता है कि यह कार्य डेंसिटी मैट्रिक्स के प्रत्यक्ष विकास और मानक स्टोकेस्टिक विधियों की सीमाओं को पार करते हुए, नॉन-मार्कोवियन मेनी-बॉडी ओपन-सिस्टम डायनेमिक्स के सिमुलेशन के लिए एक स्केलेबल और कुशल मार्ग प्रदान करता है। टेंसर नेटवर्क को इन्फ्लुएंस मार्टिंगेल फॉर्मलिज्म और "इन्फ्लुएंस रेडियस" ह्यूरिस्टिक के साथ जोड़कर, लेखक उन शासन में सामूहिक मेनी-बॉडी घटनाओं (जैसे एंटैंगलमेंट स्प्रेडिंग और डिसिपेटिव ट्रांजिशन) के अध्ययन को सक्षम करते हैं जहाँ मेमोरी प्रभाव महत्वपूर्ण होते हैं। इस विधि को एक अन्वेषणात्मक अनुसंधान उपकरण के रूप में प्रस्तुत किया गया है, जो भारी कम्प्यूटेशनल संसाधनों का उपभोग किए बिना यथार्थवादी शोर स्थितियों के तहत बड़े पैमाने के क्वांटम सिस्टम में डिकोहेरेंस और डिसिपेशन के लक्षण वर्णन की अनुमति देता है। इस ढांचे को विविध भौतिक परिदृश्यों, सूक्ष्म बाथ मॉडल और इंटरैक्टिंग मेनी-बॉडी हैमिल्टोनियन के भविष्य के अन्वेषणों के लिए एक आधार के रूप में रखा गया है।