🔢 mathematics

Finite-Depth, Finite-Shot Guarantees for Constrained Quantum Optimization via Fejér Filtering

यह शोध पत्र यह प्रदर्शित करके कि लागत कोणों (cost angles) को एक हार्मोनिक लैटिस (harmonic lattice) तक सीमित करना एक सकारात्मक फेयरर फ़िल्टर (Fejér filter) प्रभाव उत्पन्न करता है, कॉन्स्ट्रेंट-एन्हांस्ड क्वांटम एप्रोक्सिमेट ऑप्टिमाइज़ेशन एल्गोरिदम (CE-QAOA) के लिए इष्टतम समाधानों के नमूनाकरण की सफलता प्रायिकता पर परिमित-गहराई (finite-depth) और परिमित-शॉट (finite-shot), आयाम-मुक्त निचली सीमाएं स्थापित करता है।

मूल लेखक: Chinonso Onah, Kristel Michielsen

प्रकाशित 2026-03-03

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Chinonso Onah, Kristel Michielsen

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 बड़ी तस्वीर: घास के ढेर में सुई की तलाश

कल्पना कीजिए कि आप एक खजाने के संदूक को खोलने वाली एक अकेली सबसे अच्छी कुंजी (इष्टतम समाधान/optimal solution) खोजने की कोशिश कर रहे हैं। हालाँकि, आप लाखों कुंजियों से भरे एक विशाल कमरे में हैं। इनमें से अधिकांश कुंजियाँ टूटी हुई हैं या ताले में फिट ही नहीं होतीं (वे अयोग्य/infeasible हैं)। केवल कुछ ही वास्तव में ताले में फिट बैठती हैं, और उनमें से केवल एक ही "परफेक्ट" कुंजी है।

यह वही समस्या है जिसे क्वांटम कंप्यूटर, QAOA नामक एल्गोरिदम का उपयोग करके हल करने की कोशिश करते हैं। चुनौती यह है कि क्वांटम कंप्यूटर शोर वाले (noisy) होते हैं और वे बहुत कम समय के लिए चल सकते हैं (सीमित गहराई/depth) और वे केवल सीमित संख्या में माप (सीमित शॉट्स/shots) ले सकते हैं। यदि एल्गोरिदम "टूटी हुई कुंजियों" में खो जाता है या "परफेक्ट कुंजी" खोजने में बहुत अधिक समय लेता है, तो यह विफल हो जाता है।

यह शोध पत्र सफलता की गारंटी देने का एक नया तरीका पेश करता है, भले ही समय और संसाधन सीमित हों। वे अपने इस तरीके को Fejér Filtering के साथ CE-QAOA कहते हैं।

तीन मुख्य सामग्रियाँ

1. "स्मार्ट रूम" (कन्स्ट्रेंट-एनहैंस्ड QAOA)

मानक एल्गोरिदम पूरे कमरे में बेतरतीब ढंग से घूमते हैं, जिसमें टूटी हुई कुंजियाँ भी शामिल हैं। यह शोध पत्र एक स्मार्ट रूम (एक विशिष्ट गणितीय स्थान जिसे मैनिफोल्ड/manifold कहा जाता है) बनाने का सुझाव देता है।

उपमा: कल्पना कीजिए कि एक विशाल अस्त-व्यस्त कमरे के बजाय, आप एक ऐसे गलियारे में हैं जहाँ हर एक वस्तु गारंटी के साथ एक काम करने वाली कुंजी है। आप गलती से भी टूटी हुई कुंजी नहीं उठा सकते क्योंकि गलियारा ऐसा बनाया गया है कि वहाँ टूटी हुई कुंजियाँ मौजूद ही नहीं हैं।
यह क्यों महत्वपूर्ण है: एल्गोरिदम टूटी हुई कुंजियों की जाँच करने में समय बर्बाद नहीं करता है। यह शुरुआत से ही "योग्य क्षेत्र" (feasible zone) के भीतर रहता है।

2. "मिक्सिंग डांस" (द मिक्सर)

सबसे अच्छी कुंजी खोजने के लिए, क्वांटम कंप्यूटर को संभावनाओं को इधर-उधर घुमाना होगा, एक कुंजी से दूसरी कुंजी की ओर बढ़ना होगा।

उपमा: मिक्सर को एक डीजे (DJ) के रूप में सोचें जो रिकॉर्ड घुमा रहा है। यदि डीजे बहुत धीरे या अजीब लय में घूमता है, तो संगीत (सही कुंजी खोजने की संभावना) अटक सकता है।
शोध पत्र की खोज: लेखक सिद्ध करते हैं कि जब तक डीजे (मिक्सर) एक "सुरक्षित" गति (किसी विशिष्ट गणितीय "डेड ज़ोन" से टकराए बिना) पर घूमता है, तब तक यह नृत्य अंततः गलियारे के हर हिस्से को कवर कर लेगा। यह गारंटी देता है कि एल्गोरिदम सबसे अच्छी कुंजी तक पहुँच सकता है, बशर्ते वह पर्याप्त समय तक नाचता रहे।

3. "Fejér Filter" (जादुई छलनी)

यह इस शोध पत्र का सबसे बड़ा नवाचार है। एक बार जब एल्गोरिदम कुंजियों को इधर-उधर घुमा देता है, तो हम यह कैसे सुनिश्चित करें कि सबसे अच्छी कुंजी अन्य कुंजियों की तुलना में अधिक बार सामने आए?

उपमा: कल्पना कीजिए कि आपके पास एक छलनी (फिल्टर) है जिसमें एक विशिष्ट आकार के छेद हैं।
- समस्या: यदि आप केवल डिब्बे को हिलाते हैं, तो सबसे अच्छी कुंजी खराब कुंजियों के नीचे दब सकती है।
- समाधान: लेखक एक Fejér Filter का उपयोग करते हैं। इसे एक ऐसी जादुई छलनी के रूप में सोचें जो एक "बेल कर्व" या "पहाड़ी" के आकार की है।
- यह कैसे काम करता है: "परफेक्ट कुंजी" पहाड़ी के बिल्कुल शीर्ष पर स्थित है। "ठीक-ठाक कुंजियाँ" ढलानों पर हैं, और "खराब कुंजियाँ" गहरी घाटियों में हैं।
- Fejér फ़िल्टर को इस तरह डिज़ाइन किया गया है कि यह पहाड़ी के शीर्ष को बढ़ाता (amplify) है (सबसे अच्छा समाधान) और घाटियों को दबा (suppress) देता है (बुरे समाधान)। यह एक स्पॉटलाइट की तरह काम करता है जो ठीक वहीं सबसे तेज़ चमकता है जहाँ उत्तर है, जबकि आसपास के शोर को धुंधला कर देता है।

"हार्मोनिक लैटिस" (गुप्त नुस्खा)

इस जादु적인 छलनी को पूरी तरह से काम करने के लिए, कुंजियों की "ऊँचाई" (उनकी लागत/costs) को एक विशिष्ट पैटर्न का पालन करना चाहिए, जैसे सीढ़ियों के पायदान।

उपमा: कल्पना कीजिए कि कुंजियाँ संगीत के सुर (musical notes) हैं। यदि सुर पूरी तरह से सुरीले हैं (एक "हार्मोनिक लैटिस" पर), तो Fejér फ़िल्टर सही सुर के लिए एक पूर्ण एम्पलीफायर के रूप में कार्य करता है।
वास्तविकता की जाँच: वास्तविक दुनिया में, सुर हमेशा पूरी तरह से सुरीले नहीं होते। लेखक दिखाते हैं कि भले ही सुर थोड़े गलत हों (शोर या अव्यवस्थित डेटा के कारण), आप बस फ़िल्टर को थोड़ा सा "हिला" सकते हैं (एक तकनीक जिसे Riemann-Lebesgue averaging कहा जाता है)। यह खामियों को सुचारू बना देता है, और फ़िल्टर फिर भी शानदार काम करता है।

गारंटी: "मुझे कितनी बार प्रयास करने की आवश्यकता है?"

सबसे रोमांचक हिस्सा इस शोध पत्र की गारंटी है। आमतौर पर, क्वांटम कंप्यूटरों के साथ, हम कहते हैं, "यह काम कर सकता है, या नहीं भी।" यह शोध पत्र कहता है, "हम सटीक रूप से गणना कर सकते हैं कि आपको कितनी बार प्रयास करने की आवश्यकता है।"

उन्होंने एक सरल सूत्र निकाला है:
$\text{सफलता दर (Success Rate)} \approx \frac{x}{1 + x}$

जहाँ $x$ तीन चीजों पर निर्भर करता है:

गहराई ( $p$ ): एल्गोरिदम के कितने स्तर (layers) आप चलाते हैं (आप कितनी देर नाचते हैं)।
अंतराल ( $\delta$ - The Gap): "सबसे अच्छी कुंजी" "ठीक-ठाक कुंजियों" से कितनी स्पष्ट रूप से अलग दिखती है।
द्रव्यमान ( $C_\beta$ - The Mass): "मिक्सिंग डांस" का कितना हिस्सा वास्तव में अच्छी कुंजियों पर उतरता है।

जादुई परिणाम:
यदि आप एक विशिष्ट, सीमित समय (गहराई) के लिए एल्गोरिदम चलाते हैं और "अंतराल" बहुत छोटा नहीं है, तो आप समाधान खोजने की गारंटी पाते हैं।

डायमेंशन-फ्री (Dimension-Free): यह बहुत बड़ी बात है। इसका अर्थ है कि आपको जितने प्रयास करने की आवश्यकता है, वह इस बात पर निर्भर नहीं करता कि समस्या कितनी बड़ी है। चाहे आप 10 टुकड़ों वाली पहेली सुलझा रहे हों या 10,000 टुकड़ों वाली, यदि "अंतराल" और "मिक्सिंग" अच्छे हैं, तो प्रयासों की संख्या प्रबंधनीय रहती है।

सामान्य दर्शकों के लिए सारांश

कल्पना कीजिए कि आप एक भीड़ भरे स्टेडियम में किसी विशिष्ट व्यक्ति को ढूंढ रहे हैं।

पुराना तरीका: आप बेतरतीब ढंग से चिल्लाते हैं और उम्मीद करते हैं कि वे आपकी आवाज़ सुन लेंगे। इसमें बहुत समय लग सकता है।
इस शोध पत्र का तरीका:
- आप उस अनुभाग के चारों ओर एक घेरा बनाते हैं जहाँ वह व्यक्ति जरूर होना चाहिए (कन्स्ट्रेंट-एनहैंस्ड)।
- आप एक मेगाफोन का उपयोग करते जिसमें एक विशेष "Fejér" पैटर्न होता है। यह पैटर्न आपकी आवाज़ को केवल उसी सटीक सीट में गूँजने के लिए बनाता है जहाँ वह व्यक्ति बैठा है, जबकि बाकी जगहों पर आवाज़ को धीमा कर देता है।
- भले ही स्टेडियम बहुत बड़ा हो (विशाल आयाम/large dimension), जब तक वह व्यक्ति ऐसी सीट में नहीं छिपा है जो उसके पड़ोसी की सीट के बिल्कुल समान दिखती हो (फेज़ गैप), आप उन्हें जल्दी ढूंढ लेंगे।

मुख्य बात: लेखकों ने एक गणितीय "सुरक्षा जाल" खोज लिया है जो यह सिद्ध करता है कि हम जटिल अनुकूलन समस्याओं (optimization problems) को क्वांटम कंप्यूटरों पर अनुमानित, सीमित प्रयासों के साथ हल कर सकते हैं, बिना यह जाने कि समस्या का सटीक आकार क्या है।

यहाँ ओनाह और मिचिएलसेन के शोध पत्र "Finite-Depth, Finite-Shot Guarantees for Constrained Quantum Optimization via Fejér Filtering" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र बाधाओं वाले क्वांटम अनुकूलन एल्गोरिदम (constrained quantum optimization algorithms), विशेष रूप से कन्स्ट्रेंट-एनहैंस्ड क्वांटम एप्रोक्सिमेट ऑप्टिमाइजेशन एल्गोरिदम (CE-QAOA) के लिए कठोर व्यवहार्यता (feasibility) और इष्टतमता (optimality) की गारंटी प्रदान करने की चुनौती को संबोधित करता है।

संदर्भ: मानक QAOA और इसके वेरिएंट अक्सर बाधाओं वाली समस्याओं (constrained problems) के साथ संघर्ष करते हैं क्योंकि उथले सर्किट (shallow circuits) गतिशील रूप से व्यवहार्य सेट (feasible set) की ज्यामिति के साथ गलत संरेखित हो सकते हैं, जिससे वैध विन्यासों (valid configurations) के बीच प्रभावी आयाम परिवहन (amplitude transport) बाधित होता है।
अंतराल (Gap): जबकि CE-QAOA (जो पिछले कार्य में प्रस्तुत किया गया था) बाधाओं को बनाए रखने के लिए एक "ब्लॉक वन-हॉट मैनिफोल्ड" पर स्वाभाविक रूप से कार्य करता है, निम्नलिखित के संबंध में सैद्धांतिक गारंटी की कमी थी:
1. व्यवहार्यता (Feasibility): क्या एल्गोरिदम परिमित गहराई (finite depth) पर व्यवहार्य उपस्थान (feasible subspace) तक पहुँच सकता है।
2. इष्टतमता (Optimality): क्या एल्गोरिदम उच्च प्रायिकता के साथ इष्टतम समाधान को सीमित संख्या में शॉट्स (मापन) और परिमित सर्किट गहराई का उपयोग करके नमूना (sample) ले सकता है, जो समस्या के आयाम (Hilbert space size) से स्वतंत्र हो।

2. कार्यप्रणाली (Methodology)

लेखक एक नवीन विश्लेणात्मक ढांचे का उपयोग करते हैं जो क्वांटम गतिकी (quantum dynamics) को हार्मोनिक विश्लेषण (harmonic analysis) के साथ जोड़ता है, विशेष रूप से फेजेर कर्नेल (Fejér kernels) का उपयोग करता है।

A. CE-QAOA एंसेट (Ansatz)

अध्ययन CE-QAOA पर केंद्रित है, जो उपयोग करता है:

एन्कोडिंग (Encoding): एक ब्लॉक वन-हॉट मैनिफोल्ड (प्रत्येक ब्लॉक में एक उत्तेजना) में एक निश्चित एन्कोडिंग।
मिक्सर (Mixer): एक सामान्यीकृत ब्लॉक-XY मिक्सर ( $U_M$ ) जो बाधा उपस्थान को सुरक्षित रखता है।
कॉस्ट यूनिटरी (Cost Unitary): $U_C(\gamma) = e^{-i\gamma H_C}$ , जहाँ $H_C$ में ऑब्जेक्टिव फंक्शन और बाधाओं के लिए दंड (penalty) पद शामिल हैं।

B. "क्लासिकलकृत" संदर्भ मॉडल (The "Classicalized" Reference Model)

विश्लेणात्मक सीमाएँ (analytical bounds) प्राप्त करने के लिए, लेखक परतों के बीच एक कॉस्ट-बेसिस डीफेज़िंग/ट्वर्लिंग चैनल ( $\mathcal{T}$ ) पेश करते हैं।

उद्देश्य: यह एक विश्लेषणात्मक उपकरण (जो वास्तविक हार्डवेयर निष्पादन का हिस्सा नहीं है) है जो ऑफ-डायगोनल कोहेरेंस (off-diagonal coherences) को हटा देता है। यह क्वांटम विकास को डेंसिटी मैट्रिक्स के डायगोनल पर एक क्लासिकल मार्कोव प्रक्रिया में बदल देता है।
परिणाम: यह मापन प्रायिकता वितरण को दो पदों के उत्पाद के रूप में उजागर करता है:
1. मिक्सर एनवेलप ( $W_p$ ): मिक्सर द्वारा प्रेरित एक क्लासिकल प्रायिकता वितरण, जो "एक्सप्लोरेशन" (exploration) क्षमता का प्रतिनिधित्व करता है।
2. पॉजिटिव ट्रिगोनोमेट्रिक फ़िल्टर: कॉस्ट फेजेस (cost phases) पर कार्य करने वाला एक कर्नेल, जो "सिलेक्शन" (selection) क्षमता का प्रतिनिधित्व करता है।

C. फेजेर फ़िल्टरिंग तंत्र (Fejér Filtering Mechanism)

लागत कोणों को एक हार्मोनिक लैटिस ( $\gamma_r = r\gamma$ ) तक सीमित करके, कॉस्ट यूनिटरी में हस्तक्षेप पद (interference terms) एक फेजेर कर्नेल ( $F_p$ ) बनाने के लिए एकत्रित होते हैं।

फेजेर कर्नेल एक धनात्मक, गैर-ऋणात्मक ट्रिगोनोमेट्रिक बहुपद है।
यह एक फ़िल्टर के रूप में कार्य करता है जो इष्टतम चरण (optimal phase) पर प्रायिकता द्रव्यमान (probability mass) को बढ़ाता है और गैर-इष्टतम चरणों पर द्रव्यमान को दबाता है, बशर्ते कि इष्टतम और उप-इष्टतम समाधानों के बीच एक फेज गैप ( $\delta$ ) मौजूद हो।

3. मुख्य योगदान (Key Contributions)

1. निरंतर व्यवहार्यता प्रायिकता की उपस्थिति (Existence of Constant Feasibility Probability)

लेखक सिद्ध करते हैं कि CE-QAOA मिक्सर के लिए, गतिकी एन्कोडेड मैनिफोल्ड पर अर्गोडिक (ergodic) और प्रिमिटिव (primitive) है।

वे स्थापित करते हैं कि मिक्सर एक मार्कोव श्रृंखला को प्रेरित करता है जिसमें स्ट्रिक्टली पॉजिटिव ट्रांजिशन प्रोबेबिलिटी होती है (शून्य-माप रेजोनेंट कोणों को छोड़कर)।
थ्योरम 13: एक नियंत्रणीयता परिकल्पना (controllability hypothesis) के तहत, एक परिमित गहराई $p$ और कोणों का एक सेट मौजूद है जिससे व्यवहार्य समाधान को नमूना लेने की प्रायिकता 1 के अत्यंत निकट (विशेष रूप से $\geq 1/2$ ) हो सकती है। यह गारंटी देता है कि एल्गोरिदम व्यवहार्य क्षेत्रों में फंसता नहीं है।

2. आयाम-मुक्त परिमित-गहराई और परिमित-शॉट सीमाएं (Dimension-Free Finite-Depth and Finite-Shot Bounds)

इष्टतम समाधान को नमूना लेने की सफलता की प्रायिकता ( $q_0$ ) के लिए मुख्य सैद्धांतिक योगदान एक अनुपात-रूप गारंटी (ratio-form guarantee) है।

सीमा (The Bound):
$q_0 \geq \frac{x}{1 + x}, \quad \text{जहाँ } x = (p+1)^2 \sin^2(\delta/2) C_\beta$
- $p$ : सर्किट गहराई।
- $\delta$ : फेज गैप प्रॉक्सी (इष्टतम और उप-इष्टतम चरणों के बीच अलगाव)।
- $C_\beta$ : मिक्सर-एनवेलप मास (फ़िल्टरिंग से पहले मिक्सर द्वारा इष्टतम सेट पर रखा गया प्रायिकता भार)।
महत्व: यह सीमा आयाम-मुक्त (dimension-free) है। यह एम्बिएंट हिल्बर्ट स्पेस आयाम ( $N$ ) पर निर्भर नहीं करती है, केवल समस्या-विशिष्ट मापदंडों ( $\delta, C_\beta$ ) और गहराई $p$ पर निर्भर करती है।

3. शॉट जटिलता विश्लेषण (Shot Complexity Analysis)

सफलता की प्रायिकता सीमा के आधार पर, लेखकीय सफलता की संभावना $1-\epsilon$ के साथ इष्टतम समाधान खोजने के लिए आवश्यक शॉट्स ( $S$ ) की संख्या निकालते हैं:
$S \lesssim \left(1 + \frac{1}{x}\right) \ln(1/\epsilon)$

रेजीम्स (Regimes):
- यदि $x \gg 1$ (अच्छा गैप और एनवेलप), तो $S \approx \ln(1/\epsilon)$ (इष्टतम स्केलिंग)।
- यदि $x \ll 1$ , तो शॉट्स $x$ के व्युत्क्रम (inverse) के रूप में स्केल होते हैं।
यह संसाधन अनुमान के लिए एक ठोस रेसिपी प्रदान करता है: व्यक्ति को केवल यह सुनिश्चित करने की आवश्यकता है कि उत्पाद $(p+1)^2 \sin^2(\delta/2) C_\beta)$ $\Omega(1)$ है।

4. गैर-लैटिस लागतों के प्रति मजबूती (Robustness to Non-Lattice Costs)

लेखक रीमैन-लेबग एवरजिंग (Riemann-Lebesgue averaging) का उपयोग करके सटीक लैटिस-सामान्यीकृत लागतों से परे विश्लेषण का विस्तार करते हैं। कॉस्ट कोणों में एक छोटा रैंडम डिथर (शोर) पेश करके, वे दिखाते हैं कि सकारात्मक फ़िल्टरिंग प्रभाव बना रहता है, भले ही कॉस्ट स्पेक्ट्रम पूरी तरह से कम्यूटरेटिव न हो, जिससे एलियासिंग प्रभावों (aliasing effects) को दबाया जा सके।

4. मुख्य परिणाम (Key Results)

व्यवहार्यता गारंटी: CE-QAOA मिक्सर सुनिश्चित करता है कि व्यवहार्य उपस्थान सुलभ है और व्यवहार्य अवस्था खोजने की प्रायिकता परिमित गहराई पर शून्य से ऊपर रहती है।
इष्टतमता गारंटी: फेजेर फ़िल्टर वैश्विक इष्टतम को नमूना लेने की प्रायिकता पर एक कठोर निचली सीमा प्रदान करता है।
फेज डायग्राम: शोध पत्र $x$ $x$ के आधार पर तीन रेजीम की पहचान करता है:
1. छोटा $x$ : कमजोर गैप/छोटा एनवेलप; कई शॉट्स की आवश्यकता।
2. थ्रेशोल्ड $x \approx 1$ : "नाइफ-एज" (knife-edge) रेजीम; शॉट जटिलता सीमित और आयाम-मुक्त है।
3. बड़ा $x$ : स्वस्थ गैप/अच्छा एनवेलप; निकट-इष्टतम शॉट जटिलता।
ऑर्डर रिडक्शन: शोध पत्र यह प्रदर्शित करता है कि भले ही सटीक फेजेर प्रोफाइल पूरी तरह से साकार न हो (जैसे, कम गहराई या मोटे कोण ग्रिड के कारण), सफलता बनी रहती है जब तक कि मेन-लोब ओवरलैप (main-lobe overlap) इष्टतम चरण के साथ संरक्षित रहे और ऑफ-पीक दमन पर्याप्त हो।

5. महत्व और भविष्य की दृष्टि (Significance and Outlook)

सैद्धांतिक सफलता: यह उन पहले कार्यों में से एक है जो आयाम-मुक्त, परिमित-शॉट गारंटी के लिए कठोर गणितीय आधार प्रदान करता है। यह केवल एसिम्प्टोटिक अभिसरण (asymptotic convergence) प्रमाणों से आगे बढ़कर व्यावहारिक संसाधन अनुमान प्रदान करता है।
वैचारिक पृथक्करण: यह कार्य अवधारणात्मक रूप से एक्सप्लोरेशन (मिक्सर एनवेलप $W_p$ द्वारा संचालित) को सिलेक्शन (फेजेर फ़िल्टर द्वारा संचालित) से अलग करता है। यह स्पष्ट करता है कि बाधाओं वाले मिक्सर क्यों आवश्यक हैं: वे यह सुनिश्चित करते हैं कि $C_\beta$ घातीय रूप से छोटा न हो।
व्यावहारिक निहितार्थ: परिणाम बताते हैं कि कई बाधाओं वाली समस्याओं के लिए, यदि समस्या की संरचना (फेज गैप) और मिक्सर डिज़ाइन (एनवेलप मास) अनुकूल है, तो आपको गहरे सर्किट या भारी शॉट काउंट की आवश्यकता नहीं है।
भविष्य की दिशाएँ: लेखक इन सकारात्मक स्पेक्ट्रल फिल्टरों के कोहेरेंट रियलाइजेशन (coherent realizations) की आवश्यकता पर बल देते हैं। वर्तमान में, फेजेर फ़िल्टर एक डीफेज़िंग विश्लेषण के माध्यम से प्राप्त किया गया है; अगला कदम हार्डवेयर-कुशल यूनिटरी सर्किट लागू करना है जो बिना क्लासिकलाइजेशन के स्वाभाविक रूप से इस सकारात्मक फ़िल्टरिंग को प्रेरित करें।

संक्षेप में, यह शोध पत्र इस बात का कठोर गणितीय आधार प्रदान करता है कि CE-QAOA क्यों काम करता है, और यह सटीक रूप से मात्रा निर्धारित करता है कि सर्किट की गहराई, मिक्सर डिज़ाइन और समस्या की संरचना कैसे मिलकर सफलता की गारंटी देते हैं, जो सिस्टम के आकार से स्वतंत्र है।