Linear Program Witness for Network Nonlocality in Arbitrary Networks

तकनीकी सारांश: किसी भी नेटवर्क में नेटवर्क गैर-स्थानीयता (Nonlocality) के लिए रैखिक प्रोग्रामिंग (Linear Program) साक्षी

समस्या विवरण
नेटवर्क गैर-स्थानीयता (Network nonlocality), कई स्वतंत्र स्रोतों द्वारा स्थानिक रूप से अलग-अलग पक्षों (parties) को सूचना वितरित करने वाले सिस्टम में बेल गैर-स्थानीयता (Bell nonlocality) की अवधारणा का विस्तार करती है। जबकि बेल गैर-स्थानीयता स्थानीय यथार्थवाद (local realism) के उल्लंघन पर निर्भर करती है, नेटवर्क गैर-स्थानीयता स्रोत स्वतंत्रता (source independence) की बाधा को जोड़ती है। नेटवर्क गैर-स्थानीयता को प्रमाणित करने में एक मौलिक चुनौती यह है कि, मानक स्थानीय सहसंबंधों (correlations) के विपरीत, जो एक उत्तल समुच्चय (convex set) बनाते हैं, नेटवर्क-स्थानीय सहसंबंधों का समुच्चय उत्तल (convex) नहीं होता है। यह गैर-उत्तलता (non-convexity) मानक उत्तल अनुकूलन उपकरणों को अप्रभावी बना देती है और प्रमाणन कार्य को अत्यधिक कठिन बना देती है। मौजूदा विधियाँ अक्सर नेटवर्क-विशिष्ट गैर-रेखीय असमानताओं या इन्फ्लेशन-आधारित तकनीकों पर निर्भर करती हैं, जिनमें से बाद वाली तकनीकें स्थानीय चरों की संख्या बढ़ने के साथ बाधाओं के संयोजन संबंधी विकास (combinatorial growth) से ग्रस्त होती हैं, जो अक्सर गणनात्मक रूप से अव्यवहार्य हो जाती हैं।

कार्यप्रणाली
लेखक नेटवर्क गैर-स्थानीयता के लिए एक रैखिक प्रोग्रामिंग (LP) साक्षी (witness) निर्मित करने हेतु एक सामान्य कार्यप्रणाली प्रस्तावित करते हैं। यह दृष्टिकोण इस गैर-उत्तल व्यवहार्यता समस्या को, जो देखे गए सांख्यिकी (statistics) के एक नेटवर्क-स्थानीय मॉडल को स्वीकार करने से संबंधित है, एक उत्तल LP व्यवहार्यता परीक्षण में बदल देता है। यह प्रक्रिया तीन प्राथमिक चरणों में शामिल है:

1. नियत रणनीतियों (Deterministic Strategies) का गणना (Enumeration): लेखक नियत स्थानीय चर (local variable - LV) रणनीतियों के स्थान की गणना करते हैं। $M$ स्वतंत्र स्रोतों वाले एक नेटवर्क के लिए, प्रत्येक स्रोत $S_m$ को एक LV $\lambda_m$ सौंपा जाता है जो यह निर्धारित करता है कि कौन से पक्ष एक "संकेत" (जैसे, एक फोटॉन) प्राप्त करते हैं। संयुक्त रणनीति स्थान $\mathcal{D}$, व्यक्तिगत स्रोत रणनीतियों का कार्टेशियन उत्पाद है।
2. एक अनुकूल परिणाम उपसमुच्चय (Amenable Outcome Subset) का अलगाव: गैर-उत्तलता को संभालने के लिए, विधि देखे गए परिणामों के एक विशिष्ट उपसमुच्चय, जिसे $\mathcal{O}_S$ कहा जाता है, को अलग करती है। इस उपसमुच्चय का चयन इस प्रकार किया जाता है कि रणनीति स्थान $\mathcal{S}$ में इसका प्री-इमेज (pre-image), विच्छिन्न क्षेत्रों (disjoint regions) में विभाजित किया जा सके। यह विभाजन बाधाओं को सहायक प्रायिकता वितरण (auxiliary probability distribution) में रैखिक बनाने के लिए महत्वपूर्ण है।
3. पाँच बाधा वर्गों (Constraint Classes) का निर्माण: विधि का मूल भाग एक सहायक वितरण $q(a, \lambda)$ पर एक LP का निर्माण करना है, जो देखे गए सांख्यिकी $p(a)$ और अंतर्निहित LV वितरण से संबंधित है। LP को पाँच रैखिक बाधा वर्गों द्वारा परिभाषित किया गया है:
   • वर्ग 1 (वितरण वैधता): सुनिश्चित करता है कि $q(a, \lambda)$ एक वैध प्रायिकता वितरण है (गैर-ऋणात्मकता और सामान्यीकरण)।
   • वर्ग 2 (सीमांत सहमति): यह सुनिश्चित करता है कि $\mathcal{O}_S$ के भीतर $q$ का सीमांत (marginal), पुन: सामान्यीकृत देखे गए सांख्यिकी $p(a)$ से मेल खाता है।
   • वर्ग 3 (रणनीति वितरण): नेटवर्क-स्थानीयता (स्रोत स्वतंत्रता) के लिए आवश्यक गुणनखंड गुणों के आधार पर रणनीतियों के सीमांत वितरण $q(\lambda)$ को प्रतिबंधित करता है।
   • वर्ग 4 (सशर्त स्वतंत्रता): यह सुनिश्चित करता है कि किसी पक्ष के स्थानीय सीमांत केवल उस पक्ष से जुड़े स्रोतों के LVs पर निर्भर करते हैं।
   • वर्ग 5 (डोमेन विषमता/Asymmetry): देखे गए डेटा को पुन: उत्पन्न करने के लिए आवश्यक LVs के नमूनाकरण (sampling) में "पूर्वाग्रह" या विषमता को पकड़ता है। यह वर्ग इस तथ्य का लाभ उठाता है कि विशिष्ट परिणाम LV स्थान के विच्छिन्न क्षेत्रों से उत्पन्न हो सकते हैं, जिससे इन क्षेत्रों के बीच प्रायिकताओं के अंतर पर रैखिक बाधाओं का व्युत्पन्न प्राप्त होता है।

यदि परिणामी LP अव्यवहार्य (infeasible) है, तो यह प्रमाणित करने के लिए एक पर्याप्त स्थिति के रूप में कार्य करता है कि देखे गए सांख्यिकी में नेटवर्क गैर-स्थानीयता प्रदर्शित होती है।

प्रमुख योगदान

• सामान्य LP ढांचा: यह पत्र नेटवर्क-विशिष्ट गैर-रेखीय असमानताओं से आगे बढ़कर, किसी भी नेटवर्क टोपोलॉजी के लिए LP साक्षियों को उत्पन्न करने के लिए एक व्यवस्थित प्रक्रिया प्रस्तुत करता है।
• पाँच बाधा वर्ग: लेखक पाँच जेनेरिक रैखिक बाधा वर्गों को परिभाषित करते हैं। जबकि वर्ग 1 और 2 नेटवर्क-अज्ञेय (network-agnostic) हैं, वर्ग 3–5 विशिष्ट नेटवर्क संरचना के अनुरूप हैं लेकिन रैखिक बने रहते हैं, जिससे इन्फ्लेशन-आधारित विधियों की तरह गणनात्मक विस्फोट से बचा जा जा सकता है।
• रिंग नेटवर्क पर अनुप्रयोग: विधि को $N$ पक्षों और $M = 2N/3$ स्वतंत्र स्रोतों वाले रिंग नेटवर्कों के एक परिवार पर लागू किया गया है। लेखकों ने इस विशिष्ट टोपोलॉजी के लिए बाधाओं के विश्लेषणात्मक रूप व्युत्पन्न किए हैं।
• प्रोटोनिक कार्यान्वयन: विधि को एक ठोस फोटोनिक सेटअप पर प्रदर्शित किया गया है जिसमें $N$-पक्षीय रिंग नेटवर्क शामिल हैं जहाँ स्रोत सिंगल-फोटॉन W अवस्थाएँ उत्सर्जित करते हैं और पक्ष ट्यूनेबल बीमस्प्लिटर के साथ क्लिक/नो-क्लिक डिटेक्टरों का उपयोग करते हैं।

परिणाम
लेखकों ने अपने LP साक्षी को एक विशिष्ट 6-पक्षीय, 4-स्रोत रिंग नेटवर्क पर लागू किया।

• गैर-स्थानीयता का प्रमाणन: LP को मानक सॉल्वर (ECOS, SCS, GLPK) का उपयोग करके संख्यात्मक रूप से हल किया गया। परिणामों ने बीम स्प्लिटर ट्रांसमिटिविटी मान $t \in (0, 0.292) \cup (0.708, 1)$ के एक रेंज के लिए अव्यवहार्यता (और इस प्रकार नेटवर्क गैर-स्थानीयता का प्रमाणन) प्रदर्शित किया।
• चरम सीमाओं पर व्यवहार्यता: $t=0$ और $t=1$ के लिए LP को व्यवहार्य पाया गया, जो उन मामलों के अनुरूप है जहाँ बीमस्प्लिटर एक एंटैंगलिंग मेजरमेंट के रूप में कार्य नहीं करता है, जो सैद्धांतिक अपेक्षाओं के अनुकूल है।
• स्केलेबिलिटी (Scalability): लेखक नोट करते हैं कि उनके LP में निर्णय चरों (decision variables) की संख्या प्रतिबंधित परिणाम सेट $|\mathcal{O}_S|$ और प्री-इमेज $|\mathcal{S}|$ के आकार के साथ बढ़ती है। वे तर्क देते हैं कि यह स्केलिंग आम तौर पर इन्फ्लेशन-आधारित विधियों की तुलना में अधिक अनुकूल है, जो इन्फ्लेशन ऑर्डर के साथ फैक्टोरियल रूप से बढ़ती हैं, और बड़े इनपुट/आउटपुट आयामों के लिए पूर्ण नियत रणनीतियों के पूर्ण गणना (enumeration) से बेहतर है।

महत्व और दावे
यह पत्र विविध क्वांटम नेटवर्क आर्किटेक्चर में नेटवर्क गैर-स्थालकता को प्रमाणित करने के लिए कुशल साक्षियों की खोज को आगे बढ़ाने का दावा करता है। रैखिक प्रोग्रामिंग का लाभ उठाकर, विधि गैर-उत्तल बहुपद अनुकूलन (polynomial optimization) और संयोजन संबंधी रूप से महंगी इन्फ्लेशन तकनीकों के लिए एक सुलभ विकल्प प्रदान करती है। लेखक इस बात पर जोर देते हैं कि उनका दृष्टिकोण पूरी तरह से देखे गए प्रायिकताओं और एक ट्यूनेबल प्रयोगात्मक पैरामीटर पर निर्भर करता है, जो इसे डिवाइस-इंडिपेंडेंट प्रोटोकॉल के लिए परिचालन रूप से प्रासंगिक बनाता है।

यह कार्य अपने दायरे में विनम्र है, यह नोट करते हुए कि अव्यवहार्यता (infeasibility), नेटवर्क गैर-स्थानीयता के लिए एक पर्याप्त (sufficient) लेकिन आवश्यक (necessary) स्थिति नहीं है; एक व्यवहार्य समाधान एक नेटवर्क-स्थानीय मॉडल के अस्तित्व की गारंटी नहीं देता है। इसके अलावा, जबकि यह विधि नेटवर्क गैर-स्थानीयता को प्रमाणित करती है, लेखक स्पष्ट करते हैं कि "पूर्ण" नेटवर्क गैर-स्थानीयता (सभी स्रोत गैर-स्थानीय) और "वास्तविक" (genuine) नेटवर्क गैर-स्थानीयता (कम से कम एक एंटैंगलिंग मेजरमेंट) के बीच अंतर करने के लिए मिश्रित मॉडलों को खारिज करने की आवश्यकता होगी, जो वर्तमान साक्षी के दायरे से बाहर है। मुख्य योगदान LP साक्षियों के निर्माण के लिए एक सामान्य ढांचे का प्रावधान है, जिसे रिंग नेटवर्कों पर प्रभावी ढंग से प्रदर्शित किया गया है।