⚛️ quantum physics

On Utility-optimal Entanglement Routing in Quantum Networks

यह शोध पत्र क्वांटम नेटवर्क में उपयोगिता-इष्टतम एंटैंगलमेंट रूटिंग समस्या को हल करने के लिए एक मिश्रित-पूर्णांक उत्तल प्रोग्राम (Mixed-Integer Convex Program) सूत्रीकरण और कुशल यादृच्छिक अनुमानी (randomized heuristics) प्रस्तावित करता है, जिससे पूर्व-निर्धारित मार्गों पर निर्भर हुए बिना इष्टतम पथ निर्धारित करने के लिए शास्त्रीय प्रवाह-आधारित रूटिंग अवधारणाओं का विस्तार किया जा सके जो नेटवर्क उपयोगिता को अधिकतम करते हैं।

मूल लेखक: Sounak Kar, Arpan Mukhopadhyay

प्रकाशित 2026-03-13

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Sounak Kar, Arpan Mukhopadhyay

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

एक ऐसे भविष्य की कल्पना करें जहाँ इंटरनेट केवल ईमेल और बिल्ली के वीडियो नहीं भेजता, बल्कि क्वांटम सूचना (quantum information) को टेलीपोर्ट करता है—उस तरह का डेटा जिसकी आवश्यकता अभेद्य संचार और सुपर-शक्तिशाली कंप्यूटरों के लिए होती है। यह है "क्वांटम इंटरनेट"।

लेकिन इस इंटरनेट का निर्माण करना कठिन है। हमारे वर्तमान इंटरनेट में, डेटा पाइपों के माध्यम से बहते पानी की तरह यात्रा करता है। यदि एक पाइप बंद हो जाता है, तो आप बस पानी को दूसरे पाइप में भेज देते हैं। एक क्वांटम नेटवर्क में, "पानी" एंटैंगलमेंट (entanglement) (कणों के बीच एक रहस्यमयी संबंध) है, और "पाइप" फाइबर ऑप्टिक केबल हैं।

यहाँ समस्या यह है: एंटैंगलमेंट बहुत नाजुक होता है। रास्ता जितना लंबा होगा, कनेक्शन उतना ही कमजोर होता जाएगा। साथ ही, यदि एक ही केबल का उपयोग करने वाले बहुत अधिक लोग होंगे, तो यह सभी के लिए कनेक्शन को खराब कर देगा।

प्रस्तुत शोध पत्र इस बारे में है कि इन क्वांटम कनेक्शनों को रूट (मार्गदर्शन) करने का सबसे अच्छा तरीका कैसे खोजा जाए ताकि हर किसी को एक निष्पक्ष और उच्च-गुणवत्ता वाली सेवा मिल सके।

मुख्य समस्या: "पिज्जा डिलीवरी" की दुविधा

क्वांटम नेटवर्क को एक व्यस्त शहर में पिज्जा डिलीवरी सेवा के रूप में सोचें।

ग्राहक: उपयोगकर्ता जो क्वांटम डेटा भेजना चाहते हैं (मांग/Demands)।
ड्राइवर: क्वांटम लिंक (फाइबर केबल)।
पिज्जा: एंटैंगल्ड कण (Entangled particles)।

एक सामान्य नेटवर्क में, आप ड्राइवर को बस कह सकते हैं, "सबसे छोटा रास्ता लें।" लेकिन एक क्वांटम नेटवर्क में, "सबसे छोटा रास्ता" बहुत भीड़भाड़ वाला हो सकता है, जिससे पिज्जा ठंडा (कम गुणवत्ता/फidelity) पहुँच सकता है। या, आप ड्राइवर को एक लंबे, खाली रास्ते पर भेज सकते हैं, लेकिन वह बाद में ट्रैफिक में फंस सकता है।

लक्ष्य "नेटवर्क यूटिलिटी" (Network Utility) को अधिकतम करना है। सरल शब्दों में इसका अर्थ है: सभी ग्राहकों की कुल खुशी कितनी है? हम यह सुनिश्चित करना चाहते हैं कि हर किसी को पिज्जा का एक अच्छा टुकड़ा मिले, न कि केवल एक व्यक्ति को पूरा पिज्जा मिले और दूसरों को केवल टुकड़े।

पुराना तरीका बनाम नया तरीका

पुराना तरीका ("निश्चित मार्ग" की धारणा):
पिछले शोधों ने माना था कि मार्ग पहले से ही तय थे। यह ऐसा था जैसे कहना, "ठीक है, ड्राइवर A को मेन स्ट्रीट से जाना ही होगा, ड्राइवर B को 5th एवेन्यू से जाना ही होगा। अब, आइए तय करें कि उन्हें कितनी तेजी से गाड़ी चलानी चाहिए।"

दोष: क्या होगा यदि मेन स्ट्रीट पर भारी ट्रैफिक हो? पुराना तरीका उस समस्या को ठीक नहीं कर सका; इसने बस खराब मार्ग को स्वीकार कर लिया।

नया तरीका (यह शोध पत्र):
लेखक कहते हैं, "आइए यह मानना बंद करें कि मार्ग निश्चित हैं। आइए सभी को खुश करने के लिए सर्वोत्तम संभव मार्ग और सर्वोत्तम गति एक साथ निर्धारित करें।"

चुनौती: एक शहर (नेटवर्क) में इतने सारे संभावित मार्ग हैं कि हर एक की जांच करना असंभव है। यह एक भूलभुलैया में हर एक गलत मोड़ की जांच करके सही रास्ता खोजने जैसा है। रास्तों की संख्या इतनी तेजी से बढ़ती है कि यह कंप्यूटरों को भी क्रैश कर देती है।

समाधान: "स्मार्ट मैप" और "जुआरी"

इस समस्या को हल करने के लिए, लेखकों ने दो मुख्य उपकरण बनाए:

1. "परफेक्ट मैप" (The MICP)

उन्होंने इस समस्या को एक विशाल, जटिल गणितीय पहेली में बदल दिया जिसे मिक्स्ड-इंटिजर कॉन्वेक्स प्रोग्राम (Mixed-Integer Convex Program - MICP) कहा जाता है।

उपमा: कल्पना करें कि एक सुपर-स्मार्ट जीपीएस (GPS) की जो न केवल ट्रैफिक देखता है, बल्कि यह भी गणना करता है कि मौसम, सड़क की गुणवत्ता और ड्राइवर का मूड पिज्जा के तापमान को कैसे प्रभावित करता है। यह मार्गों और गति के परफेक्ट संयोजन को खोजने की कोशिश करता है।
कमी: यह "परफेक्ट मैप" बहुत भारी है। यह छोटे शहरों (छोटे नेटवर्क) के लिए या जब सड़कें खाली हों, तो बहुत अच्छा काम करता है। लेकिन न्यूयॉर्क जैसे बड़े शहर के लिए, जीपीएस उत्तर की गणना करने में वर्षों ले सकता है।

2. "स्मार्ट जुआरी" (The Heuristics)

चूंकि "परफेक्ट मैप" बड़े नेटवर्क के लिए बहुत धीमा है, इसलिए लेखकों ने बहुत जल्दी एक बेहतरीन उत्तर प्राप्त करने के लिए दो "स्मार्ट जुआरी" (heuristics) का आविष्कार किया।

जुआरी A (रैंडमाइज्ड राउंडिंग - Randomized Rounding):
- यह कैसे काम करता है: "परफेक्ट मैप" एक धुंधला, भिन्नात्मक उत्तर देता है (जैसे, "मार्ग A का 30% और मार्ग B का 70% लें")। जुआरी इन प्रतिशतों को देखता है और कहता है, "ठीक है, मैं सिक्का उछालूँगा। 30% संभावना है कि मैं मार्ग A लूँगा, 70% संभावना है कि मैं मार्ग B लूँगा।"
- परिणाम: यह प्रत्येक ड्राइवर के लिए एक स्पष्ट मार्ग चुनता है। यह तेज़ है और आमतौर पर बहुत अच्छा परिणाम देता है।
जुआरी B ("मिन-कंजेशन" रणनीति - The "Min-Congestion" Strategy):
- यह कैसे काम करता है: यह जुआरी मैप को देखता है और पूछता है, "कौन सा मार्ग सबसे कम ट्रैफिक जाम पैदा करेगा?" यह ड्राइवरों को इस तरह फैलाने की कोशिश करता है ताकि कोई भी एक सड़क ओवरलोड न हो।
- परिणाम: आश्चर्यजनक रूप से, यह सरल "ट्रैफिक से बचने" वाली रणनीति अक्सर जटिल "सिक्का उछालने" वाली विधि की तुलना में बेहतर काम करती है, खासकर वास्तविक दुनिया के नेटवर्क में। यह तेज़ है और "परफेक्ट मैप" के उत्तर के अधिक करीब पहुँचती है।

यह क्यों महत्वपूर्ण है

यह शोध पत्र सिद्ध करता है कि उनके "स्मार्ट जुआरी" अविश्वसनीय रूप से सटीक हैं।

जब उन्होंने वास्तविक दुनिया के नेटवर्क मैप्स (जैसे यूरोप के इंटरनेट बैकबोन) पर इसका परीक्षण किया, तो उनके तेज़ तरीके धीमे, परफेक्ट तरीके की तुलना में 99.99% जितने सटीक थे।
उन्होंने यह भी साबित किया कि कुछ स्थितियों में उनका गणित "सटीक" (exact) है, जिसका अर्थ है कि कोई जानकारी खोई नहीं है।

मुख्य निष्कर्ष (The Big Picture Takeaway)

यह शोध भविष्य के क्वांटम इंटरनेट के लिए ट्रैफिक कंट्रोल सिस्टम को अपग्रेड करने जैसा है।

निष्पक्षता (Fairness): यह सुनिश्चित करता है कि यदि आप क्वांटम संदेश भेज रहे हैं, तो आपको खराब कनेक्शन न मिले क्योंकि कोई और नेटवर्क का उपयोग कर रहा है।
दक्षता (Efficiency): यह स्वचालित रूप से सर्वोत्तम पथ खोजता है, ताकि हम कीमती क्वांटम संसाधनों को बर्बाद न करें।
स्केलेबिलिटी (Scalability): यह हमें बिना कंप्यूटरों को क्रैश किए विशाल नेटवर्क को संभालने का तरीका देता है।

संक्षेप में, उन्होंने क्वांटम दुनिया के "रहस्यमयी" कनेक्शनों को रूट करने का तरीका खोज निकाला है ताकि भविष्य का इंटरनेट सभी के लिए तेज़, निष्पक्ष और विश्वसनीय हो।

यहाँ सौनाक कर और अर्पण मुखोपाध्याय के शोध पत्र "On Utility-optimal Entanglement Routing in the Quantum Networks" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र क्वांटम नेटवर्क यूटिलिटी मैक्सिमाइजेशन (QNUM) समस्या को संबोधित करता है, जो विशेष रूप से एंटैंगलमेंट रूटिंग (entanglement routing) पर केंद्रित है।

संदर्भ: क्वांटम नेटवर्क का लक्ष्य उपयोगकर्ताओं के बीच क्वांटम सूचना (एंटैंगलमेंट) वितरित करना है। शास्त्रीय (classical) नेटवर्क के विपरीत, जहाँ प्राथमिक संसाधन ट्रांसमिशन दर (transmission rate) है, क्वांटम उपयोगकर्ता की उपयोगिता (utility) एंटैंगलमेंट जनरेशन रेट और फिडेलिटी (fidelity) दोनों पर निर्भर करती है।
अंतराल (The Gap): मौजूदा QNUM ढांचे यह मानते हैं कि उपयोगकर्ताओं की मांगों के लिए मार्ग (routes) पूर्व-निर्धारित होते हैं। लेखक तर्क देते हैं कि वास्तविक अनुकूलन (optimality) प्राप्त करने के लिए, नेटवर्क को मार्गों के चयन और संसाधनों (दर और फिडेलिटी) के आवंटन को संयुक्त रूप से अनुकूलित (jointly optimize) करना चाहिए।
चुनौती: स्रोत-गंतव्य (source-destination) जोड़ों के बीच व्यवहार्य पथों (feasible paths) की संख्या नेटवर्क के आकार के साथ तेजी से (exponentially) बढ़ती है। प्रत्येक संभावित मार्ग संयोजन के लिए QNUM का मूल्यांकन करने वाला ब्रूट-फोर्स दृष्टिकोण गणनात्मक रूप से अव्यवहार्य (intractable) है।
उद्देश्य: व्यक्तिगत उपयोगकर्ता उपयोगिताओं के गुणनफल (नेटवर्क यूटिलिटी) को अधिकतम करने के लिए इष्टतम पथों और संसाधन आवंटन का चयन करके, सिंगल-पाथ यूटिलिटी-आधारित एंटैंगलमेंट रूटिंग समस्या को तैयार करना और हल करना।

2. कार्यप्रणाली और सूत्रीकरण (Methodology and Formulation)

A. नेटवर्क मॉडल और धारणाएँ (Network Model and Assumptions)

टोपोलॉजी: इसे $k$ स्रोत-गंतव्य (SD) मांगों वाले एक ग्राफ $G=(V, E)$ के रूप में दर्शाया गया है।
एंटैंगलमेंट जनरेशन: "सिंगल-क्लिक" प्रोटोकॉल का उपयोग करता है। प्रारंभिक लिंक ऐसी अवस्थाएँ उत्पन्न करते हैं जिन्हें वर्नर स्टेट्स (Werner states) में परिवर्तित किया जाता है।
रेट-फिडेलिटी ट्रेड-ऑफ: जनरेशन रेट ( $\mu$ $μ$ ) और वर्नर पैरामीटर ( $w$ $w$ , जो फिडेलिटी का प्रतिनिधित्व करता है) के बीच एक व्युत्क्रम संबंध होता है। उच्च दर का अर्थ है कम फिडेलिटी।
- $\mu_j = d_j(1 - w_j)$ , जहाँ $d_j$ एक लिंक-विशिष्ट स्थिरांक है।
एंड-टू-एंड (E2E) एंटैंगलमेंट: एंटैंगलमेंट स्वैपिंग के माध्यम से स्थापित किया जाता है। एक पथ के लिए E2E वर्नर पैरामीटर घटक लिंक्स के वर्नर पैरामीटर्स का गुणनफल होता है।
यूटिलिटी फंक्शन: मांग $i$ की उपयोगिता $x_i f_i(u_i)$ है, जहाँ $x_i$ दर है, $u_i$ E2E फिडेलिटी है, और $f_i$ एक एंटैंगलमेंट माप (Secret Key Fraction - SKF, Distillable Entanglement - DE, या Negativity) है।
नेटवर्क यूटिलिटी: व्यक्तिगत उपयोगिताओं के गुणनफल के रूप में परिभाषित है: $U = \prod x_i f_i(u_i)$ ।

B. गणितीय सूत्रीकरण (MICP)

लेखक इस समस्या को एक मिक्स्ड-इंटीजर कॉनवेक्स प्रोग्राम (MICP) के रूप में तैयार करते हैं।

डायरेक्ट लिंक-आधारित सूत्रीकरण:
- अनडिरेक्टेड ग्राफ को डिरेक्टेड ग्राफ में परिवर्तित करता है।
- दर आवंटन ( $x_{ij'}$ ) के लिए निरंतर चर (continuous variables) और यह दर्शाने के लिए बाइनरी चर ( $y_{ij'}$ ) पेश करता है कि यदि किसी लिंक का उपयोग किसी मांग द्वारा किया जा रहा है।
- बाइनरी चरों का उपयोग करके सिंगल-पाथ बाधाओं (फ्लो कंजर्वेशन, लूप नहीं, प्रति मांग ठीक एक पथ) को लागू करता है।
गैर-रैखिकता (Non-Linearity) को संभालना:
- इसमें ऑब्जेक्टिव फंक्शन में दरों के गुणनफल और फिडेलिटी के गैर-रेखीय कार्यों का समावेश है।
- लॉग-ट्रांसफॉर्मेशन: ऑब्जेक्टिव को लॉग लेकर रूपांतरित किया जाता है ( $\ln U$ को अधिकतम करना $U$ को अधिकतम करने के समान है)।
- सरोगेट वेरिएबल्स: लिंक उपयोग और E2E वर्नर पैरामीटर के बीच संबंध को रैखिक बनाने के लिए नए चर पेश किए जाते हैं।
- कॉनवेक्सिफिकेशन (Convexification):
  - $-\ln(\max x)$ टर्म को परस्पेक्टिव ट्रांसफॉर्मेशन के माध्यम से संभाला जाता है।
  - फिडेलिटी फंक्शन $f_i$ का अनुमान लगाया जाता है। Negativity के लिए, फंक्शन स्वाभाविक रूप से कॉनकेव (concave) है, जिससे सूत्रीकरण सटीक (exact) हो जाता है। SKF और DE के लिए, एक कॉनकेव एनवेलप ( $\hat{F}_i$ ) का उपयोग किया जाता है, जो एक नगण्य त्रुटि के साथ फंक्शन का अनुमान लगाता है।
परिणामी MICP: अंतिम सूत्रीकरण में $2kl $बाइनरी चर और$ 6kl + k + l $निरंतर चर शामिल हैं (जहाँ$ k $मांगें हैं,$ l$ लिंक्स हैं)।

C. स्केलेबिलिटी समाधान (Heuristics and Bounds)

चूंकि MICP सॉल्वर बड़े नेटवर्क के लिए संघर्ष करते हैं, इसलिए लेखक दो दृष्टिकोण प्रस्तावित करते हैं:

दृष्टिकोण 1: कॉनवेक्स रिलैक्सेशन और रैंडमाइज्ड राउंडिंग (Convex Relaxation & Randomized Rounding)

अपर बाउंड (Upper Bound): बाइनरी बाधाओं ( $y_{ij'} \in \{0,1\}$ ) को निरंतर ( $0 \le y_{ij'} \le 1$ ) में ढीला (relax) करें। इस कॉनवेक्स रिलैक्सेशन को हल करना इष्टतम उपयोगिता पर एक ऊपरी सीमा प्रदान करता है।
ह्यूरिस्टिक: रैंडमाइज्ड राउंडिंग का उपयोग करें। रिलैक्सेशन से प्राप्त भिन्नात्मक (fractional) समाधान को प्रायिकता (probabilities) के रूप में व्याख्यायित किया जाता है। एक "पाथ-स्ट्रिपिंग" एल्गोरिदम इन प्रायिकताओं के आधार पर वैध मार्गों को सैंपल करता है। एक बार मार्ग निश्चित हो जाने के बाद, इष्टतम दरों को खोजने के लिए एक मानक कॉनवेक्स QNUM समस्या को हल किया जाता है।

दृष्टिकोण 2: मिन-कंजेशन आधारित (Min-Congestion Based - प्रस्तावित विकल्प)

प्रेरणा: E2E फिडेलिटी काफी हद तक लिंक कंजेशन (कितने पथ एक लिंक साझा करते हैं) पर निर्भर करती है।
चरण 1 (LP): अधिकतम कंजेशन (किसी भी एकल लिंक पर पथों की उच्चतम संख्या) को कम करने के लिए एक लीनियर प्रोग्राम (LP) हल करें। यह कंजेशन के निचले स्तर $\lceil c \rceil$ को प्रदान करता है।
ह्यूरिस्टिक: मिन-कंजेशन LP समाधान के आधार पर मार्गों को सैंपल करें, फिर दरों के लिए कॉनवेक्स QNUM हल करें।
अपर बाउंड: एक "आशावादी" परिदृश्य का निर्माण करें जहाँ सभी एक को छोड़कर लिंक्स में न्यूनतम कंजेशन हो, और एकल कंजस्टेड लिंक $\lceil c \rceil$ पथों को वहन करता है। यह समस्या को केवल $k$ बाइनरी वेरिएबल्स वाले छोटे MICP में बदल देता है (एक प्रति मांग यह तय करने के लिए कि क्या वह कंजस्टेड लिंक का उपयोग करेगा), जिससे यह बहुत अधिक गणनात्मक रूप से तेज़ हो जाता है।

3. मुख्य योगदान (Key Contributions)

संयुक्त अनुकूलन (Joint Optimization): उपयोगिता अधिकतम करने के लिए क्वांटम नेटवर्क में मार्गों और संसाधन आवंटन (रेट/फिडेलिटी) को संयुक्त रूप से अनुकूलित करने वाला पहला सूत्रीकरण, जो पूर्ववर्ती QNUM कार्य के फिक्स्ड-रूट धारणा को हटाता है।
सटीक MICP सूत्रीकरण: Negativity एंटैंगलमेंट मेजर के लिए एक सटीक MICP विकसित किया गया है और SKF एवं DE के लिए एक अत्यधिक सटीक अनुमान ( $>99.99\%$ ) प्रदान किया गया है।
स्केलेबल एल्गोरिदम:
- एक रैंडमाइज्ड राउंडिंग ह्यूरिस्टिक और कॉनवेक्स रिलैक्सेशन पर आधारित अपर बाउंड प्रस्तावित किया गया।
- एक नवीन मिन-कंजेशन ह्यूरिस्टिक और अपर बाउंड पेश किया गया।
प्रदर्शन सत्यापन: वास्तविक दुनिया के टोपोलॉजी पर अपने तरीकों का मूल्यांकन किया गया।

4. संख्यात्मक परिणाम (Numerical Results)

लेखकों ने TopologyBench से तीन वास्तविक ऑप्टिकल फाइबर नेटवर्क टोपोलॉजी पर अपने तरीकों का मूल्यांकन किया:

BREN (10 नोड्स, 11 लिंक्स)
UNIC (15 नोड्स, 17 लिंक्स)
ARNES (17 नोड्स, 20 लिंक्स)

मुख्य निष्कर्ष:

सटीकता: SKF और DE के लिए अनुमान त्रुटि (approximation error) अनुभवजन्य रूप से 0.00051% से कम पाई गई, जो कॉनकेव एनवेलप अनुमान की पुष्टि करती है।
ह्यूरिस्टिक प्रदर्शन: मिन-कंजेशन (MC) ह्यूरिस्टिक ने प्राप्त नेटवर्क यूटिलिटी के मामले में मानक रैंडमाइज्ड राउंडिंग ह्यूरिस्टिक की तुलना में लगातार बेहतर प्रदर्शन किया।
अपर बाउंड की सटीकता: MC-आधारित अपर बाउंड अक्सर मानक रिलैक्सेशन बाउंड की तुलना में वास्तविक इष्टतम (MICP समाधान) के अधिक करीब था।
दक्षता: MC-आधारित दृष्टिकोण को हल करने के लिए काफी छोटे MICP (मानक रिलैक्सेशन के $2kl $बाइनरी वेरिएबल्स के मुकाबले केवल$ k$ बाइनरी वेरिएबल्स) की आवश्यकता थी, जिससे यह अधिक स्केलेबल हो गया।

5. महत्व (Significance)

शास्त्रीय और क्वांटम के बीच सेतु: यह कार्य शास्त्रीय फ्लो-आधारित रूटिंग और क्वालिटी ऑफ सर्विस (QoS) अवधारणाओं (जैसे मिन-कंजेशन रूटिंग) को क्वांटम नेटवर्क की अनूठी बाधाओं (फिडेलिटी-रेट ट्रेड-ऑफ) तक सफलतापूर्वक विस्तारित करता है।
व्यावहारिक ढांचा: यह भविष्य के क्वांटम इंटरनेट प्रोटोकॉल को डिजाइन करने के लिए एक कठोर गणितीय ढांचा प्रदान करता है जो संसाधन वितरण में निष्पक्षता (fairness) और दक्षता (efficiency) सुनिश्चित करता है।
स्केलेबिलिटी: इष्टतम समाधान के करीब पहुँचने वाले गणनात्मक रूप से कुशल ह्यूरिस्टिक्स प्रदान करके, यह शोध पत्र उपयोगिता-आधारित रूटिंग समस्या को व्यावहारिक आकार के नेटवर्क के लिए हल करने योग्य बनाता है, जो केवल सैद्धांतिक खिलौना मॉडलों (toy models) से आगे बढ़ता है।