🔬 mesoscale physics

Exponentially Accelerated Sampling of Pauli Strings for Nonstabilizerness

यह शोध पत्र एक कुशल शास्त्रीय ढांचे (classical framework) को प्रस्तुत करता है जो स्टेबलाइजर रेनी एंट्रॉपी (stabilizer Rényi entropies) और नलिटी (nullity) की गणना करने के लिए फास्ट वाल्श-हाडामार्ड ट्रांसफॉर्म को सटीक पाउली ऑपरेटर विभाजन और मोंटे कार्लो अनुमान के साथ जोड़ता है, जिससे प्रति पाउली स्ट्रिंग सैंपलिंग लागत घातीय (exponential) से रैखिक (linear) जटिलता में कम हो जाती है और अत्यधिक उलझे हुए अवस्थाओं (highly entangled states) में क्वांटम मैजिक के अध्ययन को सक्षम बनाया जाता है।

मूल लेखक: Zhenyu Xiao, Shinsei Ryu

प्रकाशित 2026-04-21

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Zhenyu Xiao, Shinsei Ryu

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 "Exponentially Accelerated Sampling of Pauli Strings for Nonstabilizerness" पेपर का सरल भाषा और रचनात्मक उपमाओं (analogies) के साथ हिंदी अनुवाद दिया गया है।

बड़ी तस्वीर: क्वांटम कंप्यूटरों को "जादू" की आवश्यकता क्यों है

कल्पना कीजिए कि एक क्वांटम कंप्यूटर एक बहुत ही उन्नत शेफ (chef) है। कुछ सामग्रियां (क्वांटम अवस्थाएं) बहुत सरल और अनुमानित होती हैं, जैसे सादा सफेद चावल। हम इन्हें "स्टेबिलाइज़र स्टेट्स" (Stabilizer States) कहते हैं। भले ही उन्हें मिलाकर बहुत बड़े, जटिल व्यंजन (एंटैंगलमेंट) बनाए जा सकते हैं, लेकिन एक साधारण क्लासिकल कंप्यूटर (जैसे आपका लैपटॉप) आसानी से समझ सकता है कि अंतिम व्यंजन का स्वाद कैसा होगा। गणितीय अर्थ में वे "उबाऊ" हैं।

लेकिन एक वास्तव में अद्वितीय, दुनिया बदलने वाला क्वांटम भोजन (जैसे कोड तोड़ने के लिए शोर का एल्गोरिदम) बनाने के लिए, शेफ को विशेष, दुर्लभ मसालों की आवश्यकता होती है। क्वांटम दुनिया में, इन मसालों को "नॉन-क्लिफोर्ड गेट्स" (Non-Clifford gates) (विशेष रूप से T-गेट) कहा जाता है। वे "स्वाद" या "क्वांटम मैजिक" (तकनीकी रूप से जिसे nonstabilizerness कहा जाता है) जोड़ते हैं।

समस्या क्या है? एक क्वांटम व्यंजन में कितना "जादू" है, इसे मापना अविश्वसनीय रूप से कठिन है। यह समुद्र में आती हुई लहरों के बीच समुद्र तट पर रेत के हर एक कण को गिनने की कोशिश करने जैसा है। जैसे-जैसे क्वांटम सिस्टम बड़ा होता जाता है, उन चीजों की संख्या बढ़ती जाती है जिन्हें आपको जांचना होता है, जिससे दुनिया के सबसे तेज़ सुपरकंप्यूटर भी हार मान लेते हैं।

समस्या: "ब्रूट फोर्स" की दीवार

इस "जादू" को मापने के लिए, वैज्ञानिकों को आमतौर पर एक विशिष्ट लेंस (जिसे पॉली बेसिस/Pauli basis कहा जाता है) के माध्यम से क्वांटम अवस्था को देखना पड़ता है।

पुराना तरीका: कल्पना कीजिए कि आपके पास $2^N$ किताबों वाली एक लाइब्रेरी है। जादू खोजने के लिए, आपको हर एक किताब को एक-एक करके पढ़ना होगा। यदि आपके पास 20 क्वबिट्स (qubits) हैं, तो यह दस लाख से अधिक किताबें हैं। यदि 30 हैं, तो एक अरब। यदि 50 हैं, तो किताबों की संख्या ब्रह्मांड में मौजूद परमाणुओं से भी अधिक है।
लागत: इसे करने में लगने वाला समय तेजी से (exponentially) बढ़ता है। यह आवर्धक लेंस (magnifying glass) से एक-एक करके सितारों को देखने की कोशिश करने जैसा है।

समाधान: "फास्ट फूरियर" सुपर-स्कैनर

लेखकों, जेनज़ु ज़ियाओ (Zhenyu Xiao) और शिनसेई रयू (Shinsei Ryu) ने इसे करने का एक नया तरीका खोजा। एक-एक करके किताबें पढ़ने के बजाय, उन्होंने एक सुपर-स्कैनर बनाया जो फास्ट वॉल्श-हाडामार्ड ट्रांसफॉर्म (FWHT) नामक एक गणितीय ट्रिक का उपयोग करके पूरी लाइब्रेरी को एक साथ पढ़ सकता है।

उपमा (Analogy):
कल्पना कीजिए कि आप एक स्टेडियम में मौजूद सभी लोगों की औसत ऊंचाई पता लगाने की कोशिश कर रहे हैं।

ब्रूट फोर्स विधि: आप हर एक व्यक्ति के पास जाते हैं, उनकी ऊंचाई पूछते हैं, उसे लिखते हैं और फिर उन्हें जोड़ते हैं। इसमें बहुत समय लगता है।
FWHT विधि: आप एक विशेष माइक्रोफोन सिस्टम स्थापित करते हैं जो लोगों की भीड़ की "वाइब" (vibe) को एक विशिष्ट पैटर्न में सुनता है। एक ही झटके में, सिस्टम लोगों के हर संभावित समूह के लिए औसत ऊंचाई की गणना करता है।

इस "सुपर-स्कैनर" का उपयोग करके, उन्होंने क्वांटम अवस्था की जांच करने में लगने वाले समय को "असंभव" से "प्रबंधनीय" (manageable) में बदल दिया।

पुरानी गति: $O(2^{3N})$ (क्यूबिक एक्सपोनेंशियल ग्रोथ)।
नई गति: $O(N \cdot 2^{2N})$ (बहुत धीमी वृद्धि)।
परिणाम: अब वे उन क्वांटम सिस्टमों का अनुकरण (simulate) कर सकते हैं जो पहले छूने के लिए भी बहुत बड़े थे।

गुप्त सामग्री (Secret Sauce): "क्लिफोर्ड प्रीकंडीशनिंग"

सुपर-स्कैनर के साथ भी, कुछ क्वांटम व्यंजन अजीब तरह से "मसालेदार" होते हैं। "जादू" कुछ विशिष्ट स्थानों में केंद्रित होता है, जिससे केवल कुछ नमूने लेकर कुल मात्रा का अनुमान लगाना कठिन हो जाता है। यह सूप के एक चम्मच को चखकर उसमें नमक की कुल मात्रा का अनुमान लगाने जैसा है, लेकिन नमक केवल बर्तन के एक छोटे से कोने में है।

इसे ठीक करने के लिए, लेखक "क्लिफोर्ड प्रीकंडीशनिंग" (Clifford Preconditioning) नामक तकनीक का उपयोग करते हैं।

उपमा: कल्पना कीजिए कि सूप स्थिर है और नमक नीचे जमा है। चखने से पहले, आप एक बड़ा चम्मच लेते हैं और सूप को जोर-जोर से हिलाते (stir) हैं (यह "क्लिफोर्ड" हिलाना है)।
प्रभाव: अब नमक पूरे बर्तन में समान रूप से मिल गया है। जब आप एक नमूना (Monte Carlo sample) लेते हैं, तो वह पूरे बर्तन का सटीक प्रतिनिधित्व करता है।
खोज: उन्होंने पाया कि आपको सूप को पूरी तरह से मिलाने के लिए केवल एक मध्यम मात्रा में हिलाने (प्रत्येक "मसाले" T-गेट के लिए लगभग 5 "हिलाने" या क्लिफोर्ड गेट्स) की आवश्यकता होती है। आपको इसे लाखों बार हिलाने की आवश्यकता नहीं है। इसका मतलब है कि आप बहुत बड़े क्वांटम सिस्टम के जादू को बिना लाखों नमूनों की आवश्यकता के माप सकते हैं।

उन्होंने क्या खोजा: "स्क्रैंबलिंग रेशियो" (Scrambling Ratio)

अपने नए उपकरणों का उपयोग करते हुए, उन्होंने यादृच्छिक (random) क्वांटम सर्किट में "जादू" कैसे बढ़ता है, इसका अध्ययन किया। उन्होंने एक अवधारणा पेश की जिसे स्क्रैंबलिंग रेशियो ( $\eta$ ) कहा जाता है।

अवधारणा: यह "हिलाने" (क्लिफोर्ड गेट्स) और "मसाले डालने" (T-गेट्स) का अनुपात है।
निष्कर्ष: उन्होंने एक "स्वीट स्पॉट" (sweet spot) पाया। यदि आप सूप को पर्याप्त रूप से हिलाते हैं (लग लगभग 5:1 का अनुपात), तो प्रत्येक मसाला (T-गेट) जादू पैदा करने के लिए अपनी अधिकतम क्षमता तक पहुँच जाता है।
आश्चर्य: यदि आप उससे अधिक हिलाते हैं, तो आपको बहुत अधिक जादू नहीं मिलता। सिस्टम पहले से ही पूरी तरह से "स्क्रैम्बल" (scrambled) हो चुका है।
बर्स्ट बनाम स्टेडी: उन्होंने यह भी पाया कि सभी मसालों को एक साथ "बर्स्ट" (जैसे कि एक पूरे जार का नमक एक साथ डाल देना) के रूप में डालना, समय के साथ धीरे-धीरे छिड़कने की तुलना में वास्तव में अधिक कुशल है।

यह क्यों मायने रखता है

बेहतर सिमुलेशन: अब हम क्लासिकल कंप्यूटरों पर बड़े और अधिक जटिल क्वांटम सिस्टम का अनुकरण कर सकते हैं। यह हमें वास्तविक क्वांटम कंप्यूटर बनाने से पहले ही उन्हें बेहतर ढंग से डिजाइन करने में मदद करता है।
अराजकता (Chaos) को समझना: यह भौतिकविदों को यह समझने में मदद करता है कि क्वांटम सिस्टम कैसे "अराजक" (chaotic) होते हैं और वे कैसे थर्मल (equilibrium तक पहुँचना) होते हैं, जो ब्रह्मांड के मौलिक नियमों को समझने के लिए महत्वपूर्ण है।
संसाधन सिद्धांत (Resource Theory): यह इंजीनियरों को बताता है कि उन्हें एक उपयोगी क्वांटम कंप्यूटर बनाने के लिए कितने "जादुई" तत्वों की आवश्यकता है, जिससे समय और पैसा बचता है।

संक्षेप में

लेखकों ने क्वांटम "जादू" को पहले की तुलना में बहुत तेज़ी से मापने के लिए एक गणितीय सुपर-स्कैन (FWHT) बनाया है। उन्होंने एक हिलाने की तकनीक (क्लिफोर्ड प्रीकंडीशनिंग) जोड़ी है ताकि यह सुनिश्चित हो सके कि उनके माप अव्यवस्थित और जटिल सिस्टम में भी सटीक हों। उन्होंने खोजा कि अपने क्वांटम घटकों का अधिकतम लाभ उठाने के लिए आपको केवल एक मध्यम मात्रा में मिश्रण की आवश्यकता है। यह उन क्वांटम सिस्टमों के अध्ययन का द्वार खोलता है जो पहले समझने के लिए बहुत बड़े थे।

यहाँ ज़ेन्यू शियाओ (Zhenyu Xiao) और शिन्सेई र्यु (Shinsei Ryu) के शोध पत्र "Exponentially Accelerated Sampling of Pauli Strings for Nonstabilizerness" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

क्वांटम "मैजिक" (या nonstabilizerness) क्वांटम लाभ (quantum advantage) के लिए एक महत्वपूर्ण संसाधन है, जो स्टेबलाइजर अवस्थाओं (stabilizer states) से उन अवस्थाओं को अलग करता है जिन्हें शास्त्रीय रूप से कुशलतापूर्वक सिम्युलेट नहीं किया जा सकता (non-Clifford states)। जबकि एंटैंगलमेंट (entanglement) क्वांटम स्पीडअप के लिए आवश्यक है, यह पर्याप्त नहीं है; वास्तविक क्वांटम जटिलता उत्पन्न करने के लिए non-Clifford ऑपरेशन्स की आवश्यकता होती है।

चुनौती:
जेनेरिक $N$ -qubit अवस्थाओं के लिए nonstabilizerness को मापना गणनात्मक रूप से अत्यधिक कठिन है।

मौजूदा माप: सामान्य मेट्रिक्स में स्टेबलाइजर रेनी एंट्रॉपी (Stabilizer Rényi Entropy - $M_\alpha$ ) और स्टेबलाइजर नलिटी (Stabilizer Nullity - $\nu$ ) शामिल हैं। ये डेंसिटी मैट्रिक्स के पाउली एक्सपेंशन (Pauli expansion) पर निर्भर करते हैं।
कंप्यूटेशनल बाधा: एक जेनेरिक स्टेट वेक्टर $|\psi\rangle$ के लिए, एकल पाउली कोरिलेटर $\langle \psi | P | \psi \rangle$ का मूल्यांकन करने में $O(2^N)$ समय लगता है। इन मापों की गणना करने के लिए सभी $4^N$ (या $2^{2N}$ ) पाउली स्ट्रिंग्स के ब्रूट-फोर्स एन्यूमरेशन (brute-force enumeration) में $O(2^{3N})$ का समय लगता है, जिससे यह $N \approx 20$ से बड़े सिस्टम के लिए असंभव हो जाता है।
विकल्पों की सीमाएँ: मैट्रिक्स प्रोडक्ट स्टेट्स (MPS) वॉल्यूम-लॉ एंटैंगलमेंट के कारण लंबे समय की डायनेमिक्स के लिए विफल हो जाते हैं। पाउली स्ट्रिंग्स पर मानक मोंटे कार्लो (MC) सैंपलिंग अक्सर उच्च वेरिएंस (high variance) से ग्रस्त होती है (जिसके लिए घातीय संख्या में नमूनों की आवश्यकता होती है) जब पाउली-वेट वितरण विषम (inhomogeneous) होता है (जो उत्पाद मैजिक अवस्थाओं जैसे संरचित अवस्थाओं में सामान्य है)।

2. कार्यप्रणाली (Methodology)

लेखक एक हाइब्रिड क्लासिकल फ्रेमवर्क प्रस्तावित करते हैं जो फास्ट वॉल्श-हाडामाड ट्रांसफॉर्म (Fast Walsh-Hadamard Transform - FWHT) को मोंटे कार्लो (MC) सैंपलिंग और क्लिफोर्ड प्रीकंडीशनिंग (Clifford preconditioning) के साथ जोड़ता है।

A. फास्ट वॉल्श-हाडामाड पाउली सैंपलिंग

कोरिलेटर्स का एक-एक करके मूल्यांकन करने के बजाय, लेखक $2^N$ परिवारों के आधार पर $4^N$ पाउली स्ट्रिंग्स को उनके $X$ -घटक (bit-flip pattern) के अनुसार विभाजित करते हैं।

गणितीय अंतर्दृष्टि: एक निश्चित $X$ -पैटर्न $x$ के लिए, सभी $Z$ -पैटर्न $z$ के लिए एक्सपेक्टेशन वैल्यूज $\langle \psi | P_{x,z} | \psi \rangle$ , वेवफंक्शन एम्प्लीट्यूड से प्राप्त एक विशिष्ट फलन के डिस्क्रीट फूरियर ट्रांसफॉर्म (या वॉल्श-हाडामाड ट्रांसफॉर्म) के अनुरूप होते हैं।
एल्गोरिदम:
1. $f_x(b) = \psi(b)\psi(b \oplus x)$ को परिभाषित करें।
2. सभी कोरिलेटर्स $\{\langle \psi | P_{x,z} | \psi \rangle\}_z$ को एक साथ प्राप्त करने के लिए $f_x$ पर FWHT लागू करें।
3. सभी $x \in \mathbb{F}_2^N$ के लिए इसे दोहराएं।
जटिलता में कमी:
- ब्रूट-फोर्स: $O(2^{3N})$ ।
- FWHT दृष्टिकोण: $O(N 2^{2N})$ ।
- यह स्केलिंग के घातांक (exponent) में एक घातीय गति (exponential speedup) का प्रतिनिधित्व करता है।

B. क्लिफोर्ड प्रीकंडीशनिंग के साथ मोंटे कार्लो एस्टीमेटर

बड़े $N$ के लिए $O(2^{2N})$ लागत से बचने के लिए, लेखक एक MC एस्टीमेटर पेश करते हैं:

सैंपलिंग रणनीति: व्यक्तिगत पाउली स्ट्रिंग्स को सैंपल करने के बजाय, वे $X$ -परिवारों ( $x$ ) को सैंपल करते हैं। प्रत्येक सैंपल किए गए $x$ के लिए, वे एक FWHT के माध्यम से पूर्ण $Z$ -कोरिलेटर्स की गणना करते हैं।
लागत दक्षता: प्रति सैंपल किए गए पाउली स्ट्रिंग की औसत लागत $O(2^N)$ (प्रत्यक्ष मूल्यांकन) से घटकर $O(N)$ हो जाती है।
क्लिफोर्ड प्रीकंडीशनिंग:
- समस्या: संरचित अवस्थाओं (जैसे $|T\rangle$ के प्रोडक्ट स्टेट्स) के लिए, एस्टीमेटर का वेरिएंस बहुत अधिक होता है क्योंकि विभिन्न $x$ -परिवारों के वेट (weights) बहुत अलग होते हैं। इसके लिए घातीय संख्या में नमूनों की आवश्यकता होगी।
- समाधान: सैंपलिंग से पहले अवस्था पर एक रैंडम क्लिफोर्ड सर्किट $C$ (डेप्थ $N_C$ ) लागू करें। चूंकि $M_\alpha$ क्लिफोर्ड ऑपरेशन्स के तहत अपरिवर्तित रहता है, इसलिए $M_\alpha(C|\psi\rangle) = M_\alpha(|\psi\rangle)$ ।
- प्रभाव: क्लिफोर्ड सर्किट पाउली स्ट्रिंग्स को "स्कैम्बल" (scramble) कर देता है, जिससे विभिन्न परिवारों के सपोर्ट प्रोफाइल आपस में मिल जाते हैं। यह एस्टीमेटर के सापेक्ष मानक विचलन (relative standard deviation) को सिस्टम साइज $N$ से स्वतंत्र होकर, ऑर्डर यूनिटी (order unity) तक कम कर देता है।
- परिणाम: एक निश्चित सटीकता के लिए आवश्यक नमूनों की संख्या $N$ के साथ कोई दृश्य वृद्धि नहीं दिखाती है (प्री-कंडीशनिंग वाले मामले के विपरीत जहाँ यह घातीय रूप से स्केल करती है)।

3. मुख्य योगदान (Key Contributions)

एल्गोरिद्मिक सफलता: स्टेबलाइजर रेनी एंट्रॉपी और नलिटी को $O(N 2^{2N})$ जटिलता के साथ कंप्यूट करने के लिए FWHT का उपयोग करके एक सटीक एल्गोरिदम विकसित किया, जो $O(2^{3N})$ की तुलना में एक महत्वपूर्ण सुधार है।
स्केलेबल एस्टीमेशन: एक मोंटे कार्लो स्कीम पेश की गई जहाँ प्रति सैंपल लागत $O(N)$ है और आवश्यक सैंपल काउंट $N$ से स्वतंत्र है (क्लिफोर्ड प्रीकंडीशनिंग के बाद)। यह $N=24$ और उससे आगे तक के अत्यधिक एंटैंगल्ड स्टेट्स में मैजिक का अध्ययन करना सक्षम बनाता है।
मैजिक जनरेशन में भौतिक अंतर्दृष्टि: मैजिक के विकास को निर्धारित करने के लिए उन्होंने इसे $T$ -डोपेड रैंडम क्लिफोर्ड सर्किट्स पर लागू किया।

4. मुख्य परिणाम (Key Results)

परफॉर्मेंस बेंचमार्क:
- FWHT विधि ब्रूट-फोर्स एन्यूमरेशन की तुलना में कई गुना तेज़ है।
- $N=20$ के लिए, सटीक गणना संभव है, जबकि ब्रूट-फोर्स असंभव है।
- क्लिफोर्ड प्रीकंडीशनिंग के साथ, $N$ के 12 से 22 तक बढ़ने पर भी MC एस्टीमेटर का नॉर्मलाइज्ड स्टैंडर्ड डेविएशन स्थिर ( $\sim 1$ ) रहता है, जो विधि की स्केलेबिलिटी की पुष्टि करता है।
$T$ -डोपेड सर्किट्स में मैजिक ग्रोथ:
- स्कैम्बलिंग रेशियो ( $\eta$ ): इसे $T$ गेट के प्रति क्लिफोर्ड गेट की संख्या के रूप में परिभाषित किया गया है।
- सैचुरेशन थ्रेशोल्ड: लेखकों ने पाया कि $\eta \gtrsim 5$ एक $T$ गेट की नॉनस्टेबिलाइज़रनेस शक्ति को पूरी तरह से साकार करने के लिए पर्याप्त है। इस बिंदु के बाद, अधिक क्लिफोर्ड गेट जोड़ने से प्रति $T$ गेट मैजिक जनरेशन की दर में महत्वपूर्ण वृद्धि नहीं होती है।
- ग्रोथ डायनेमिक्स: जनरेट किए गए मैजिक और हॉर-रैंडम (Haar-random) लिमिट के बीच का अंतर $T$ गेट्स की कुल संख्या ( $N_T$ ) के साथ घातीय रूप से घटता है। क्षय दर (decay rate) $s(\eta)$ $\eta$ बढ़ने के साथ जल्दी ही संतृप्त (saturate) हो जाती है।
- टेम्पोरल डिस्ट्रीब्यूशन (Temporal Distribution): $T$ -गेट इंजेक्शन की "बर्स्टीनेस" (जैसे, एक साथ कई $T$ गेट लगाना बनाम समान रूप से लागू करना) मैजिक ग्रोथ के ऑफसेट को प्रभावित करती है, लेकिन इसके एसिम्प्टोटिक रेट (asymptotic rate) को नहीं। बर्स्टी शेड्यूल्स थोड़े अधिक संसाधन-कुशल (resource-efficient) होते हैं।
टू-क्विबिट गेट्स: सिंगल-क्विबिट $T$ गेट्स को टू-क्विबिट हॉर-रैंडम गेट्स से बदलने पर मैजिक अधिक कुशलता से (हॉर-लिमिट तक तेजी से अभिसरण) उत्पन्न होता है, लेकिन इसमें प्रायोगिक लागत अधिक होती है।

5. महत्व और प्रभाव (Significance and Impact)

बड़े पैमाने के अध्ययन को सक्षम बनाना: यह फ्रेमवर्क अत्यधिक एंटैंगल्ड, लंबे समय के नॉन-इक्विलिब्रियम डायनेमिक्स में नॉनस्टेबिलाइज़नेस के अध्ययन के लिए कम्प्यूटेशनल बाधा को हटा देता है, जो पहले क्लासिकल सिमुलेशन के लिए अप्राप्य था।
रिसोर्स थ्योरी: यह समझने के लिए एक मात्रात्मक उपकरण प्रदान करता है कि "मैजिक" कैसे उत्पन्न और पुनर्वितरित होता है, जो फॉल्ट-टोलरेंट क्वांटम कंप्यूटिंग और मैजिक स्टेट डिस्टिलेशन के लिए महत्वपूर्ण है।
मेनी-बॉडी फिजिक्स के लिए डायग्नोस्टिक: यह विधि शोधकर्ताओं को जटिल क्वांटम सिस्टम में फेज ट्रांजिशन, क्वांटम केओस (chaos), और थर्मललाइजेशन के लिए डायग्नोस्टिक के रूप में नॉनस्टेबिलाइज़नेस का उपयोग करने की अनुमति देती है।
मेथोडोलॉजिकल एक्सटेंशन: इस दृष्टिकोण को सबसिस्टम (मिक्स्ड-स्टेट) एंट्रॉपी और बेल मैजिक जैसे अन्य पाउली-आधारित डायग्नोस्टिक्स के लिए विस्तारित किया जा सकता है।

संक्षेप में, यह पेपर एक परिवर्तनकारी क्लासिकल एल्गोरिदम प्रस्तुत करता है जो बड़े क्वांटम सिस्टम के लिए क्वांटम मैजिक के मात्रात्मक अध्ययन को संभव बनाता है, और यह प्रकट करता है कि नॉन-क्लिफोर्ड गेट्स की उपयोगिता को अधिकतम करने के लिए मामूली क्लिफोर्ड स्कैम्बलिंग ही पर्याप्त है।