⚛️ quantum physics

Computational hardness of estimating quantum entropies via binary entropy bounds

यह शोध पत्र सभी धनात्मक वास्तविक क्रमों (अनंत सहित) के लिए क्वांटम $\alpha$ -रेनी और $q$ -त्सालिस एंट्रोपी (entropies) के आकलन की BQP-कठिनाई को स्थापित करता है, जो नई बाइनरी एंट्रोपी असमानताओं को पेश करके रैंक-2 वेरिएंट्स में रिडक्शन (reductions) को सक्षम बनाता है, जिससे मौजूदा क्वांटम क्वेरी एल्गोरिदम के साथ संयोजन में इन समस्याओं के BQP-पूर्ण (BQP-complete) होने को सिद्ध किया जाता है।

मूल लेखक: Yupan Liu

प्रकाशित 2026-04-08

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Yupan Liu

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

कल्पना कीजिए कि आप एक जासूस हैं जो एक क्वांटम मशीन के भीतर छिपे एक गुप्त कोड को सुलझाने की कोशिश कर रहे हैं। यह कोड केवल संख्याओं की एक स्ट्रिंग नहीं है; यह मशीन की अवस्था के भीतर भ्रम (confusion) या अव्यवस्था (disorder) का एक माप है। भौतिकी की दुनिया में, इस "भ्रम" को एन्ट्रॉपी (Entropy) कहा जाता है।

लंबे समय से, वैज्ञानिक जानते थे कि "मानक" भ्रम (जिसे वॉन न्यूमैन एन्ट्रॉपी कहा जाता है) को मापना कितना कठिन था। लेकिन भ्रम को मापने के और भी कई तरीके हैं, जैसे कि रेनी (Rényi) और त्सालिस (Tsallis) एन्ट्रॉपी। ये एक कैमरे के अलग-अलग लेंसों की तरह हैं: एक दुर्लभ घटनाओं पर ज़ूम कर सकता है, तो दूसरा सबसे आम घटनाओं पर। बड़ा सवाल यह था: क्या इन विशिष्ट प्रकार के भ्रमों को समझना गणनात्मक रूप से असंभव (कठिन) है?

युपन लियू का यह शोध पत्र इस प्रश्न का उत्तर एक जोरदार "हाँ, यह अविश्वसनीय रूप से कठिन है" के साथ देता है, लेकिन एक ट्विस्ट के साथ: यह सबसे सरल संभव क्वांटम सिस्टम के लिए भी कठिन है।

यहाँ इस शोध पत्र का रोजमर्रा के उदाहरणों का उपयोग करके विवरण दिया गया है:

1. रहस्य: क्वांटम "भ्रम" को मापना

कल्पना कीजिए कि एक क्वांटम अवस्था कंचों (marbles) की एक थैली है।

यदि थैली में केवल एक ही रंग के कंचे हैं, तो कोई भ्रम नहीं है। आप जानते हैं कि आप क्या निकालेंगे। (शून्य एन्ट्रॉपी)।
यदि थैली में कई रंग आपस में मिले हुए हैं, तो भ्रम अधिक है। (उच्च एन्ट्रॉपी)।

इसे मापने का "मानक" तरीका वॉन न्यूमैन एन्ट्रॉपी है। लेकिन भौतिक विज्ञानी रेनी और त्सालिस एन्ट्रॉपी का भी उपयोग करते हैं। ये ऐसे हैं जैसे पूछना:

"आप कितने भ्रमित हैं यदि आप केवल सबसे दुर्लभ कंचे की परवाह करते हैं?" (रेनी)
"आप कितने भ्रमित हैं यदि आप कंचों को अलग तरह से वजन देते हैं?" (त्सालिस)

शोध पत्र पूछता है: यदि मैं आपको एक क्वांटम मशीन दूँ जो कंचों की एक थैली तैयार करती है, तो क्या आप मुझे बता सकते हैं कि "रेनी भ्रम" उच्च है या निम्न?

2. बड़ी खोज: सबसे सरल मामले भी कठिन हैं

आमतौर पर, जब कोई चीज़ कंप्यूटर के लिए "कठिन" होती है, तो वह इसलिए होती है क्योंकि समस्या बहुत बड़ी और जटिल होती है (जैसे लाखों किताबों को छाँटना)।

हालाँकि, यह शोध पत्र सिद्ध करता है कि भले ही कंचों की थैली में केवल दो रंग (Rank-2) हों, इन विशिष्ट एन्ट्रॉपी को समझना सबसे कठिन समस्याओं के समान कठिन है जिन्हें एक क्वांटम कंप्यूटर हल कर सकता है।

उपमा (Analogy):
कल्पना कीजिए कि आप सिक्के के उछाल के परिणाम का अनुमान लगाने की कोशिश कर रहे हैं।

यदि सिक्का निष्पक्ष (50/50) है, तो इसे बताना आसान है।
यदि सिक्का पक्षपाती (rigged) है, तो इसे बताना भी आसान है।
लेकिन यदि सिक्का इस तरह से पक्षपाती है जो एक गुप्त क्वांटम गणना पर निर्भर करता है, तो "पक्षपात की डिग्री" का अनुमान लगाना अविश्वसनीय रूप से कठिन है।

लेखक दिखाते हैं कि इन सरल "दो-रंग" वाली कंचों की थैलियों के लिए भी, इन विशिष्ट एन्ट्रॉपी संख्याओं की गणना करना BQP-hard है।

BQP का अर्थ है "बाउंडेड-एरर क्वांटम पॉलिनोमियल टाइम (Bounded-error Quantum Polynomial time)"। यह उन समस्याओं का वर्ग है जिन्हें एक क्वांटम कंप्यूटर कुशलतापूर्वक हल कर सकता है।
Bка BQP-hard का अर्थ है: "यदि आप इस एन्ट्रॉपी समस्या को आसानी से हल कर सकते हैं, तो आप किसी भी समस्या को हल कर सकते हैं जिसे एक क्वांटम कंप्यूटर हल कर सकता है।" यह कठिनाई का "बॉस लेवल" है।

3. गुप्त हथियार: "बाइनरी ब्रिज" (The Binary Bridge)

उन्होंने यह कैसे सिद्ध किया? उन्होंने पूरी थैली को एक साथ हल करने की कोशिश नहीं की। उन्होंने एक पुल (bridge) बनाया।

रूपक (Metaphor):
कल्पना कीजिए कि आप एक जटिल कमरे की "अव्यवस्था" को मापना चाहते हैं (क्वांटम अवस्था)। पूरे कमरे को मापने के बजाय, आप महसूस करते हैं कि कमरा केवल दो विशिष्ट वस्तुओं (एक कुर्सी और एक मेज) से बना है।

पुल: उन्होंने सिद्ध किया कि पूरे कमरे की "अव्यवस्था" गणितीय रूप से केवल उन दो वस्तुओं की "अव्यवस्था" से जुड़ी हुई है।
ज्ञात कठिन समस्या: वे जानते थे कि उन दो वस्तुओं के बीच के संबंध को मापना (विशेष रूप से, उनका ओवरलैप कितना है) पहले से ही क्वांटम कंप्यूटरों के लिए एक ज्ञात कठिन समस्या है।
रिडक्शन (Reduction): यह दिखाकर कि इस नई "रेनी/त्सालिस" अव्यवस्था को मापना उसी कठिन संबंध को मापने का एक अलग तरीका है, उन्होंने सिद्ध किया कि यह नया प्रश्न भी कठिन है।

उन्होंने इस पुल को बनाने के लिए नए गणितीय असमानताओं (inequalities) (जैसे सेब और नारंगी की तुलना करने के लिए नए नियमों का एक सेट) का उपयोग किया। इस शोध पत्र से पहले, हमारे पास इन विशिष्ट एन्ट्रॉपी प्रकारों को कठिन समस्याओं से जोड़ने के लिए सही नियम नहीं थे।

4. परिणाम: एक पूर्ण मानचित्र

यह शोध पत्र हर संभव सेटिंग के लिए इन समस्याओं की कठिनाई का सटीक मानचित्र बनाता है:

लगभग सभी सेटिंग्स के लिए: समस्या BQP-complete है। इसका मतलब है कि यह क्वांटम कंप्यूटरों के लिए "परफेक्ट" कठिन समस्या है: यह जितना हो सकता है उतना कठिन है, लेकिन एक क्वांटम कंप्यूटर इसे पर्याप्त प्रयास करने पर हल कर सकता है।
"ऑर्डर 0" सेटिंग के लिए: यह एक विशेष मामला है जहाँ एन्ट्रॉपी मूल रूप से यह गिनती है कि थैली में कितने रंग हैं। शोध पत्र दिखाता है कि यह NQP-complete है। यह एक अलग प्रकार की कठिनाई है, जो उन समस्याओं से संबंधित है जहाँ आपको कई समाधानों में से केवल एक समाधान खोजना होता है, न कि एक सटीक संख्या की गणना करना।

5. यह क्यों मायने रखता है?

आप पूछ सकते हैं, "दो-रंग की थैली में भ्रम को मापने से किसे फर्क पड़ता है?"

सुरक्षा (Security): क्वांटम क्रिप्टोग्राफी (अभेद्य संचार) इन एन्ट्रॉपी मापों पर निर्भर करती है ताकि यह साबित किया जा सके कि एक गुप्त कुंजी वास्तव में रैंडम है। यदि हमें नहीं पता होता कि ये समस्याएँ कठिन हैं, तो हम एक ऐसे सिस्टम को सुरक्षित मान सकते हैं जो वास्तव में कमजोर है।
भौतिकी (Physics): ये एन्ट्रॉपी हमें यह समझने में मदद करती हैं कि चरम स्थितियों (जैसे ब्लैक होल या सुपरकंडक्टर्स) में कण कैसे परस्पर क्रिया करते हैं। गणनात्मक सीमाओं को जानना भौतिकविदों को प्रकृति की मौलिक सीमाओं को समझने में मदद करता है।
कंप्यूटर विज्ञान (Computer Science): यह हमें बताता है कि क्वांटम कंप्यूटर वास्तव में किस काम के हैं। यह एक रेखा खींचता है: "यहाँ वह है जिसे हम कुशलता से कर सकते हैं, और यहाँ वह है जहाँ हम एक दीवार से टकराते हैं।"

सारांश

इस शोध पत्र को क्वांटम भ्रम को मापने की कठिनाई को खोलने वाली एक मास्टर की (master key) के रूप में देखें।

पहले: हम जानते थे कि "मानक" भ्रम को मापना कठिन है। हमने अनुमान लगाया था कि अन्य भी कठिन होंगे, लेकिन हम इसे सिद्ध नहीं कर सके।
अब: हम जानते हैं कि प्रत्येक प्रकार का रेनी और सालाइस भ्रम उतना ही कठिन है जितने कि सबसे कठिन क्वांटम प्रश्न, यहाँ तक कि सबसे सरल सिस्टम के लिए भी।
विधि: उन्होंने एक "दो-वस्तु" शॉर्टकट का उपयोग करके, इन नए मापों को एक ज्ञात कठिन समस्या से जोड़कर एक चतुर गणितीय पुल बनाया।

संक्षेप में: क्वांटम विकार (disorder) को मापना एक क्वांटम सुपरपावर है, और इसे कुशलतापूर्वक करने के लिए आपको एक पूर्ण क्वांटम कंप्यूटर की आवश्यकता होती है।

यहाँ युपन लियू (Yupan Liu) के शोध पत्र "Computational hardness of estimating quantum entropies via binary entropy bounds" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र एक क्वांटम सर्किट द्वारा तैयार किए गए क्वांटम स्टेट $\rho$ के लिए क्वांटम एंट्रॉपी (quantum entropies) के अनुमान की कम्प्यूटेशनल जटिलता (computational complexity) को संबोधित करता है। विशेष रूप से, यह क्वांटम $\alpha$ -रेनी एंट्रॉपी एप्रोक्सिमेशन ( $\text{RényiQEA}_\alpha$ ) और क्वांटम $q$ -त्सालिस एंट्रॉपी एप्रोक्सिमेशन ( $\text{TsallisQEA}_q$ ) प्रॉमिस समस्याओं (promise problems) की जांच करता है।

परिभाषाएँ:
- रेनी एंट्रॉपी (Rényi Entropy): $S^R_\alpha(\rho) = \frac{\ln \text{Tr}(\rho^\alpha)}{1-\alpha}$
- त्सालिस एंट्रॉपी (Tsallis Entropy): $S^T_q(\rho) = \frac{1-\text{Tr}(\rho^q)}{q-1}$
- जैसे-जैसे ऑर्डर 1 की ओर बढ़ता है, दोनों वॉन न्यूमैन एंट्रॉपी (von Neumann entropy) में अभिसरित (converge) होते हैं।
प्रॉमिस समस्या (The Promise Problem): एक क्वांटम सर्किट दिया गया है जो $\rho$ तैयार करता है, यह तय करना कि क्या एंट्रॉपी $\tau_Y$ से अधिक है (हाँ) या $\tau_N$ से कम है (नहीं), जहाँ गैप $\tau_Y - \tau_N$ एक धनात्मक स्थिरांक (positive constant) है।
गैप (The Gap): जबकि यह ज्ञात था कि इन समस्याओं के लो-रैंक (low-rank) संस्करण BQP में हैं (क्वांटम कंप्यूटरों द्वारा कुशलतापूर्वक हल किए जा सकते हैं), इनकी कठिनाई (BQP-hardness) केवल निम्नलिखित के लिए स्थापित की गई थी:
- वॉन न्यूमैन एंट्रॉपी ( $\alpha=1, q=1$ )।
- टरिंग रिडक्शन (Turing reductions) के तहत $1 \le q \le 2$ के लिए त्सालिस एंट्रॉपी।
- सामान्य $\alpha \neq 1$ के विभिन्न ऑर्डर्स के लिए रेनी एंट्रॉपी की कठिनाई अज्ञात थी।

केंद्रीय प्रश्न यह है: क्या ये अनुमान समस्याएँ सभी धनात्मक ऑर्डर्स $\alpha$ और $q$ के लिए BQP-hard हैं?

2. कार्यप्रणाली (Methodology)

लेखक एक नवीन प्रमाण तकनीक पेश करते हैं जो क्वांटम जेन्सन-टाइप डाइवर्जेंस (quantum Jensen-type divergences) पर आधारित पिछले दृष्टिकोणों से भिन्न है (जो ऑर्डर मापदंडों के संबंध में प्रतिबंधात्मक थे)।

A. रैंक-2 अवस्थाओं में न्यूनीकरण (Reduction to Rank-2 States)

मुख्य रणनीति सामान्य अनुमान समस्या को रैंक-2 मामले में न्यूनीकृत करने की है। शोध पत्र निम्नलिखित रूप के स्टेट्स पर ध्यान केंद्रित करता है:
$\rho = \frac{1}{2}(|\psi_0\rangle\langle\psi_0| + |\psi_1\rangle\langle\psi_1|)$
जहाँ $|\psi_0\rangle$ और $|\psi_1\rangle$ क्वांटम सर्किट द्वारा तैयार की गई शुद्ध अवस्थाएँ (pure states) हैं।

B. बाइनरी एंट्रॉपी में मैपिंग (Mapping to Binary Entropies)

एक महत्वपूर्ण अवलोकन यह है कि रैंक-2 स्टेट $\rho$ की क्वांटम एंट्रॉपी, ओवरलैप $x = \frac{1 - |\langle\psi_0|\psi_1\rangle|^2}{2}$ के बाइनरी एंट्रॉपी फंक्शन से सीधे संबंधित है।

त्सालिस के लिए: $S^T_q(\rho) = H^T_q(x)$
रेनी के लिए: $S^R_\alpha(\rho) = H^R_\alpha(x)$

C. कठिनाई का स्रोत (Hardness Source)

शोध पत्र शुद्ध-अवस्था इन्फिडेलिटी (pure-state infidelity) $1 - |\langle\psi_0|\psi_1\rangle|^2$ (या समकक्ष मात्रा $x$ ) के अनुमान की ज्ञात BQP-hardness का लाभ उठाता है। यदि कोई बाइनरी एंट्रॉपी $H(x)$ को निरंतर परिशुद्धता (constant precision) के साथ अनुमानित कर सकता है, तो वह $x$ का अनुमान लगा सकता है, और इस प्रकार कठिन इन्फिडेलिटी समस्या को हल कर सकता है।

D. नई असमानताएँ (The Technical Core)

ऑर्डर 2 की ज्ञात कठिनाई को अन्य सभी ऑर्डर्स तक विस्तारित करने के लिए, लेखक विभिन्न ऑर्डर्स की बाइनरी एंट्रॉपी के बीच संबंध स्थापित करने वाली नई असमानताएँ व्युत्पन्न करते हैं।

मुख्य अंतर्दृष्टि: ऑर्डर 2 की बाइनरी एंट्रॉपी, $H_2(x)$ , $x$ के समानुपाती है (विशेष रूप से $4x(1-x)$ )।
रणनीति: यह सिद्ध करना कि किसी भी लक्षित ऑर्डर $\alpha$ (या $q$ ) के लिए, एंट्रॉपी $H_\alpha(x)$ प्रासंगिक रेंज के भीतर $H_2(x)$ (या उसके पावर) के निरंतर गुणकों द्वारा ऊपर और नीचे से बद्ध (bounded) है।
परिणाम: ये असमानताएँ ऑर्डर-2 समस्या से ऑर्डर- $\alpha$ समस्या तक एक कार्प रिडक्शन (Karp reduction/many-one reduction) की अनुमति देती हैं। यदि ऑर्डर-2 कठिन है, और ऑर्डर- $\alpha$ ऑर्डर-2 द्वारा "सैंडविच" किया गया है, तो ऑर्डर- $\alpha$ भी कठिन है।

3. मुख्य योगदान (Key Contributions)

A. बाइनरी एंट्रॉपी के लिए नई असमानताएँ

शोध पत्र द्वितीय-क्रम की बाइनरी एंट्रॉपी से $\alpha$ -रेनी और $q$ -त्सालिस बाइनरी एंट्रॉपी को जोड़ने वाले कड़े बंधन (tight bounds) स्थापित करता है।

रेनी ( $\alpha$ ):
- $0 < \alpha < 2$ के लिए: $H^R_\alpha(x) \le C_1 \cdot (H^R_2(x))^{\alpha/2}$ ।
- $\alpha \ge 2$ के लिए: $C_2 \cdot H^R_2(x) \le H^R_\alpha(x)$ ।
त्सालिस ( $q$ ):
- बाउंड्स $q$ की रेंज पर निर्भर करते हैं। विशेष रूप से, $2 < q \le 3$ के लिए, सामान्यीकृत त्सालिस एंट्रॉपी की मोनोटोनिसिटी (monotonicity) बदल जाती है, जिसके लिए अलग केस विश्लेषण की आवश्यकता होती है।
- $q > 3$ के लिए, बाउंड्स सामान्यीकृत द्विपद गुणांकों (generalized binomial coefficients) के व्यवहार से प्राप्त विभिन्न स्थिरांकों को शामिल करते हैं।

B. जटिलता वर्ग लक्षण वर्णन (Complexity Class Characterization)

शोध पत्र इन समस्याओं के लिए कम्प्यूटेशनल कठिनाई का पूर्ण वर्गीकरण प्रदान करता है:

रैंक-2 अवस्थाओं के लिए BQP-Hardness:
- प्रमेय: $\text{Rank2RényiQEA}_\alpha$ , सभी $\alpha > 0$ (समावेश $\alpha = \infty$ के) के लिए BQP-hard है।
- प्रमेय: $\text{Rank2TsallisQEA}_q$ , सभी $q > 0$ के लिए BQP-hard है।
- यह एक निरंतर योगात्मक त्रुटि गैप (constant additive error gap) के साथ भी मान्य है।
लो-रैंक अवस्थाओं के लिए BQP-Completeness:
मौजूदा क्वांटम क्वेरी एल्गोरिदम (जो दिखाते हैं कि ये समस्याएँ बहुपद रैंक के लिए BQP में हैं) के साथ संयोजन करते हुए, शोध पत्र निष्कर्ष निकालता है:
- $\text{LowRankRényiQEA}_\alpha$ , सभी $\alpha > 0$ के लिए BQP-complete है।
- $\text{LowRankTsallisQEA}_q$ , सभी $q > 0$ (विशेष रूप से लो-रैंक के लिए $q \le 1$ , और सामान्य रैंक के लिए $q > 1$ ) के लिए BQP-complete है।
ऑर्डर-0 मामला (NQP-Completeness):
- $\alpha=0$ और $q=0$ के लिए, एंट्रॉपी स्टेट के रैंक से संबंधित है।
- शोध पत्र सिद्ध करता है कि रैंक-2 अवस्थाओं के लिए इन ऑर्डर-0 एंट्रॉपी का अनुमान लगाना NQP-complete है (जो $\text{coC}_{=}\text{P}$ के समकक्ष है)। यह BQP से भिन्न है, क्योंकि यहाँ प्रॉमिस गैप अनिश्चित रूप से छोटा हो सकता है।

4. परिणामों का सारांश (Results Summary)

एंट्रॉपी प्रकार	ऑर्डर रेंज	रैंक बाधा	जटिलता वर्ग (Complexity Class)
रेनी (Rényi)	$\alpha > 0, \alpha=\infty$	Rank-2	BQP-hard
रेनी (Rényi)	$\alpha > 0, \alpha=\infty$	Polynomial Rank	BQP-complete
रेनी (Rényi)	$\alpha = 0$	Rank-2	NQP-complete
त्सालिस (Tsallis)	$q > 0$	Rank-2	BQP-hard
त्सालिस (Tsallis)	$0 < q \le 1$	Polynomial Rank	BQP-complete
त्सालिस (Tsallis)	$q > 1$	General Rank	BQP-complete

5. महत्व (Significance)

खुले प्रश्नों का समाधान: यह शोध पत्र इस प्रश्न को पूरी तरह से हल करता है कि क्या रेनी और त्सालिस एंट्रॉमी का अनुमान लगाना सभी ऑर्डर्स के लिए क्वांटम कंप्यूटेशन की पूरी शक्ति (BQP) को कैप्चर करता है। यह पुष्टि करता है कि सबसे सरल गैर-तुच्छ मामला (रैंक-2 स्टेट्स) भी BQP-hardness को एनकोड करने के लिए पर्याप्त है।
कार्यप्रणालीगत प्रगति: जेन्सन डाइवर्जेंस पर आधारित पिछले तरीकों की तुलना में बाइनरी एंट्रॉपी असमानताओं का उपयोग करने वाला दृष्टिकोण अधिक लचीला है। यह सभी ऑर्डर्स के लिए एक एकीकृत उपचार की अनुमति देता है, जिसमें वे मामले भी शामिल हैं जहाँ जॉइंट कॉन्वेक्सिटी (एक गुण जिसकी पिछले तरीकों द्वारा आवश्यकता थी) विफल हो जाती है।
जटिलता वर्गों का पृथक्करण: यह एंट्रॉपी अनुमान के संदर्भ में BQP और NQP के बीच की सीमा को स्पष्ट करता है, यह दिखाते हुए कि जबकि धनात्मक ऑर्डर्स BQP-complete हैं, ऑर्डर-0 मामला (रैंक अनुमान) NQP-complete में कूद जाता है।
क्वांटम एल्गोरिदम के लिए आधारभूत: इन समस्याओं की कठिनाई को स्थापित करके, यह शोध पत्र इन कार्यों के लिए क्या कुशलतापूर्वक अनुमानित किया जा सकता है, उस पर एक सैद्धांतिक सीमा लगाता है। इसका तात्पर्य यह है कि इन कार्यों के लिए कोई भी कुशल क्वांटम एल्गोरिदम या तो विशिष्ट संरचनात्मक बाधाओं (जैसे लो रैंक) पर निर्भर करेगा या रैंक के साथ स्केल होने वाली त्रुटियों को स्वीकार करेगा।

निष्कर्षतः, यह कार्य क्वांटम एंट्रॉपी अनुमान के लिए एक व्यापक जटिलता-सैद्धांतिक परिदृश्य प्रदान करता है, यह सिद्ध करता है कि इन समस्याओं की कठिनाई एंट्रॉपी फलन के विशिष्ट ऑर्डर के बजाय स्टेट्स की क्वांटम प्रकृति (विशेष रूप से स्टेट ओवरलैप का अनुमान लगाने की कठिनाई) के प्रति अंतर्निहित है।