⚛️ quantum physics

Quantum Reservoir Autoencoder for Blind Decryption: Two-Phase Protocol and Noise Resilience

यह शोध पत्र एक शोर-लचीला (noise-resilient) क्वांटम रिज़र्वोअर ऑटोएनकोडर प्रोटोकॉल प्रस्तुत करता है जो शॉट-नॉइज़ संवेदनशीलता को दबाने के लिए रीसेट नॉइज़ चैनलों का लाभ उठाकर और साझा प्रशिक्षण डेटा का उपयोग करके उच्च सटीकता के साथ ब्लाइंड डिक्रिप्शन प्राप्त करता है, जबकि वेरिएशनल क्वांटम सर्किट बेसलाइन की तुलना में शोर के विरुद्ध बेहतर मजबूती प्रदर्शित करता है।

मूल लेखक: Hikaru Wakaura, Taiki Tanimae

प्रकाशित 2026-03-16

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Hikaru Wakaura, Taiki Tanimae

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 आपके पास एक जादुई, थोड़ा खराब मशीन है जो एक गुप्त संदेश को उलझाकर गड़बबड़ बना सकती है और फिर उसे पूरी तरह से सुलझा भी सकती है। यह शोध पत्र उस मशीन को क्वांटम भौतिकी के अजीब नियमों का उपयोग करके बनाने के बारे में है, लेकिन एक मोड़ के साथ: मशीन तब वास्तव में बेहतर होती है जब वह खराब होती है।

यहाँ इस शोध की कहानी सरल शब्दों में दी गई है।

1. समस्या: "खराब" मशीन

आमतौर पर, जब वैज्ञानिक क्वांटम कंप्यूटर बनाते हैं, तो वे "शोर" (noise) से बहुत डरते हैं। शोर रेडियो पर आने वाली खरखराहट या कैमरा लेंस पर जमी धूल की तरह होता है। यह डेटा को बिगाड़ देता है।

पुराना तरीका: यदि आप एक क्वांटम मशीन के माध्यम से गुप्त संदेश भेजने की कोशिश करते हैं जिसमें शोर है, तो संदेश गड़बड़ा जाता है। यह एक हवादार मैदान में फुसफुसाकर रहस्य बताने की कोशिश करने जैसा है; हवा (शोर) शब्दों को दबा देती है।
आश्चर्य: शोधकर्ताओं ने पाया कि जानबूझकर एक विशिष्ट प्रकार का "रीसेट शोर" (जैसे कि एक ऐसी मशीन जो कभी-कभी अपने आप अपनी मेमोरी पर "रीसेट" बटन दबा देती है) जोड़ने से, क्वांटम मशीन संदेश को वापस पढ़ने में 10 अरब गुना बेहतर हो गई।
- उपमा: कल्पना कीजिए कि आप अपने हाथ पर एक झाडू को संतुलित करने की कोशिश कर रहे हैं। यदि आप पूरी तरह से स्थिर हैं, तो एक हल्की सी हवा उसे गिरा देगी। लेकिन यदि आप अपने हाथ को एक विशिष्ट, लयबद्ध पैटर्न (शोर) में हिलाते हैं, तो झाडू वास्तव में सीधा खड़ा हो जाता है क्योंकि हिलना हवा के प्रभाव को रद्द कर देता है। शोधकर्ताओं ने इस "हिलाने" का एक क्वांटम संस्करण खोजा जो सिस्टम को माप त्रुटियों (measurement errors) के प्रति प्रतिरक्षित बनाता है।

2. समाधान: दो-चरणीय प्रोटोकॉल (Two-Phase Protocol)

यह शोध पत्र एक पेचीदा समस्या को हल करता है जिसे "ब्लाइंड डिक्रिप्शन" (Blind Decryption) कहा जाता है।

परिदृश्य: आप अपने दोस्त को एक गुप्त संदेश भेजना चाहते हैं। आप इसे एन्क्रिप्ट करते हैं। आपका दोस्त उलझा हुआ कोड प्राप्त करता है। लेकिन इसे अनस्क्रैम्बल (unscramble) करने के लिए, आपके दोस्त को आमतौर पर यह जानने की आवश्यकता होती है कि मूल संदेश शुरू करने से पहले कैसा दिखता था। यह एक विरोधाभास है! आप किसी ऐसी चीज़ को कैसे सुलझा सकते हैं जिसे आपने कभी देखा ही नहीं?
समाधान (चरण 1): वास्तविक गुप्त संदेश भेजने से पहले, आप और आपका दोस्त एक "प्रशिक्षण सत्र" (training session) तय करते हैं। आप उन्हें 100 अभ्यास संदेश भेजते हैं (जैसे "Hello," "World," "Test")। वे अध्ययन करते हैं कि मशीन इन विशिष्ट उदाहरणों को कैसे उलझाती और सुलझाती है। वे ज्ञात जोड़ों (known pairs) के आधार पर "खेल के नियम" सीखते हैं।
समाधान (चरण 2): अब, आप वास्तविक गुप्त संदेश भेजते हैं। क्योंकि आपके दोस्त ने चरण 1 में नियमों का अध्ययन किया था, इसलिए वे नए संदेश को बिना देखे ही अनस्क्रैम्बल कर सकते हैं।
- उपमा: यह एक नई भाषा सीखने जैसा है। चरण 1 में, आप एक शब्दकोश और एक वाक्यांश पुस्तिका (phrasebook) का अध्ययन करते हैं। चरण 2 में, आप एक उपन्यास पढ़ सकते हैं जिसे आपने पहले कभी नहीं देखा है क्योंकि आपने व्याकरण और शब्दावली सीख ली है।

3. बड़ी खोज: आप अकेले यह नहीं कर सकते

शोधकर्ताओं ने चालाकी दिखाने की कोशिश की। उन्होंने पूछा: "क्या होगा यदि हमारे पास कोई शब्दकोश न हो? क्या होगा यदि दोस्त को केवल उलझे हुए संदेश को देखकर नियमों का अनुमान लगाना पड़े?"

उन्होंने एक ऐसी विधि आजमाई जहाँ कंप्यूटर उत्तर का अनुमान लगाता है, अपने काम की जाँच करता है, और फिर से प्रयास करता है (एक "स्व-सुसंगत लूप" या self-consistent loop)।
परिणाम: यह बुरी तरह विफल रहा। कंप्यूटर बेतुकी चीजें सोचने में फंस गया।
सबक: आप मूल संदेश का एक भी उदाहरण देखे बिना संदेश को डिक्रिप्ट करना नहीं सीख सकते। साझा प्रशिक्षण डेटा (shared training data) ही असली "सीक्रेट सॉस" है। इसके बिना, चाहे क्वांटम कंप्यूटर कितना भी शक्तिशाली क्यों न हो, गणित काम नहीं करता।

4. "फेज ट्रांजिशन" (द टिपिंग पॉइंट)

शोधकर्ताओं ने यह भी खोजा कि मशीन को कितना बड़ा होना चाहिए।

यदि आप एक ऐसा संदेश भेजने की कोशिश करते हैं जो मशीन में मौजूद "क्वांटम बिट्स" (qubits) की संख्या के लिए बहुत लंबा है, तो सिस्टम अचानक टूट जाता है।
उपमा: कल्पना कीजिए कि आप एक कार की डिक्की में 10 फुट की सीढ़ी रखने की कोशिश कर रहे हैं। यदि डिक्की 9 फीट लंबी है, तो सीढ़ी फिट हो जाएगी। यदि आप सीढ़ी में बस एक इंच भी जोड़ते हैं, तो वह थोड़ा सा नहीं फँसेगी—वह पूरी तरह से फंस जाएगी और बेकार हो जाएगी। शोध पत्र ने ठीक से बताया कि आपके संदेश की लंबाई के आधार पर आपको कितने क्यूबिट्स (qubits) की आवश्यकता है।

5. यह क्यों मायने रखता है

यह शोध पत्र दो बड़ी चीजें सिद्ध करता है:

शोर एक विशेषता है, दोष नहीं: हमें यह करने के लिए एकदम सटीक, महंगे क्वांटम कंप्यूटरों की आवश्यकता नहीं है। हम "शोर वाले" कंप्यूटरों का उपयोग कर सकते हैं, और शोर वास्तव में डेटा की रक्षा करने में मदद करता है।
आर्किटेक्चर जीतता है: उन्होंने अपने "ठीक किए गए" मशीन (जो केवल एक सेट पैटर्न का उपयोग करता है) की तुलना एक "सीखने वाली" मशीन (जो खुद को अनुकूलित करने की कोशिश करती है) से की। ठीक की गई मशीन कहीं अधिक श्रेष्ठ थी। यह एक मास्टर शेफ की तुलना करने जैसा है जो जानता है कि व्यंजन कैसे बनाना है (फिक्स्ड रिज़र्वोइर) बनाम एक रोबोट जो हर एक सामग्री को चखकर खाना बनाना सीखने की कोशिश करता है (वेरिएशनल सर्किट)। मास्टर शेफ हर बार जीतता है।

सारांश

शोधकर्ताओं ने एक क्वांटम "स्क्रैम्बलर/अनस्क्रैम्बलर" बनाया जो शोर के बावजूद आश्चर्यजनक रूप से अच्छा काम करता है। उन्होंने साबित किया कि जिस संदेश को आपने कभी नहीं देखा है उसे अनस्क्रैम्बल करने के लिए, आपको पहले कुछ उदाहरणों का अध्ययन करना ही होगा। और उन्होंने पाया कि यदि आपका संदेश आपकी मशीन के लिए बहुत लंबा है, तो यह तुरंत काम करना बंद कर देता है। यह क्वांटम एन्क्रिप्शन को वास्तविक दुनिया के लिए व्यावहारिक बनाने की दिशा में एक बड़ा कदम है।

यहाँ हिकारू वाकुरा और ताकी तनिमाए के शोध पत्र "क्वांटम रिज़र्वोयर ऑटोएनकोडर फॉर ब्लाइंड डिक्रिप्शन: टू-फ़ेज़ प्रोटोकॉल एंड नॉइज़ रेज़िलिएंस" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र रिवर्सिबल सूचना रूपांतरण (एन्क्रिप्शन/डिक्रिप्शन) में लागू क्वांटम रिज़र्वोयर कंप्यूटिंग (QRC) की दो महत्वपूर्ण खुली चुनौतियों को संबोधित करता है:

शोर प्रतिरोध (Noise Resilience): पिछले QRC प्रोटोकॉल "शॉट नॉइज़" (मापन शोर) के कारण गंभीर प्रदर्शन गिरावट से ग्रस्त थे, जहाँ मीन स्क्वेर्ड एरर (MSE) मशीन प्रिसिजन ( $\sim 10^{-17}$ ) से उछलकर $\sim 10^{-1}$ या $10^{-3}$ हो जाता था।
ब्लाइंड डिक्रिप्शन (Blind Decryption): व्यावहारिक परिदृश्यों में, एक डिकोडर को पूर्व ज्ञान के बिना प्लेनटेक्स्ट को रिकवर करना होता है। पिछले कार्यों ने इसे एक खुली चुनौती के रूप में पहचाना क्योंकि डिकोडिंग वेट्स प्लेनटेक्स्ट पर निर्भर करते हैं, जो एक चक्रीय निर्भरता (circular dependency) पैदा करता है जिसे मानक अल्टरनेटिंग लीस्ट स्क्वायर्स (ALS) सॉल्वर साझा प्रशिक्षण डेटा के बिना हल नहीं कर सकते।

2. कार्यप्रणाली (Methodology)

A. क्वांटम रिज़र्वोयर ऑटोएनकोडर (QRA) आर्किटेक्चर

लेखक एक नॉइज़-इंड्यूस्ड रिज़र्वोयर आर्किटेक्चर (Dudaš et al. पर आधारित) का उपयोग करके एक QRA को स्थापित करते हैं। पारंपरिक हैमिल्टनियन-संचालित रिज़र्वोयर्स के विपरीत, यह आर्किटेक्चर शोर को एक विशेषता (feature) के रूप में मानता है:

सर्किट संरचना: $N_q$ क्यूबिट्स पर लागू एक 4-लेयर क्वांटम सर्किट (एनकोडिंग, एंटैंगलमेंट, रोटेशन, आउटपुट)।
शोर तंत्र (Noise Mechanism): सर्किट में हर लेयर पर ट्यूनेबल प्रोबेबिलिटी $p_i$ के साथ रीसेट नॉइज़ चैनल्स ( $\mathcal{E}_{PR}$ ) शामिल हैं। रीसेट चैनल एक क्यूबिट स्टेट $\rho$ को $(1-p)\rho + p|0\rangle\langle 0|$ में मैप करता है।
मुख्य नवाचार: शोर की संभावनाएँ एक यूनिफॉर्म डिस्ट्रीब्यूशन से ली गई हैं और फिक्स्ड (गैर-अनुकूलित) हैं। लीनियर रीडआउट लेयर इस विशिष्ट "नॉइज़ फिंगरप्रिंट" के अनुकूल होती है।
विशेषताएँ: रिज़र्वोयर एक फीचर वेक्टर आउटपुट करता है जिसमें सिंगल-क्यूबिट और टू-क्यूबिट पाउली-Z एक्सपेक्टेशन वैल्यूज़ ( $\langle Z_i \rangle, \langle Z_i Z_j \rangle$ ) और एक बायस टर्म शामिल है। $N_q=10$ के लिए, आयाम $D=56$ है।

B. टू-फ़ेज़ ब्लाइंड डिक्रिप्शन प्रोटोकॉल

ब्लाइंड डिक्रिप्शन समस्या को हल करने के लिए, लेखक एक दो-चरणीय दृष्टिकोण प्रस्तावित करते हैं:

चरण 1 (की एस्टेब्लिशमेंट): प्रेषक और प्राप्तकर्ता $M$ ट्रेनिंग प्लेनटेक्स्ट-साइफरटेक्स्ट पेयर्स साझा करते हैं। रिसीवर एक ऑगमेंटेड फीचर मैट्रिक्स (जिसमें डिकोडेड सीक्वेंस की पॉलिनॉमियल पावर्स शामिल हैं) पर रिज (ridge) रिग्रेशन का उपयोग करके पर-पोजीशन डिकोडिंग वेट्स को प्रशिक्षित करता है। यह प्रत्येक स्थिति $i$ के लिए इनवर्स मैपिंग $d_i \to C_i$ को सीखता है।
चरण 2 (ब्लाइंड कम्युनिकेशन): एक नए, अनदेखे साइफरटेक्स्ट के लिए, रिसीवर संदेश को डिक्रिप्ट करने के लिए चरण 1 से प्राप्त फ्रीज्ड वेट्स को लागू करता है, बिना कभी प्लेनटेक्स्ट देखे।

C. वेरिएंट्स और बेसलाइन्स

सिंगल-C प्रोटोकॉल: मानक ALS ऑप्टिमाइज़ेशन जहाँ प्लेनटेक्स्ट दोनों सिरों पर ज्ञात होता है (रिवर्सिबिलिटी वेरिफिकेशन के लिए उपयोग किया जाता है)।
ब्लाइंड डिकोडर वेरिएंट्स:
- सिंगल-C ब्लाइंड: केवल क्रॉस-पाथ एस्टीमेट्स का उपयोग करके डिक्रिप्शन को बूटस्ट्रैप करने का प्रयास करता है (कोई साझा प्रशिक्षण डेटा नहीं)।
- टू-फेज़ ब्लाइंड: $M$ सैंपल्स पर सांख्यिकीय औसत का उपयोग करने का प्रयास करता है लेकिन ग्राउंड-ट्रुथ टारगेट्स को क्रॉस-पाथ एस्टीमेट्स से बदल देता है।
बेसलाइन्स: एक वेरिएशनल क्वांटम ऑटोएनकोडर ( $\zeta$ -QVAE) और एक क्वांटम रिकरेंट न्यूरल नेटवर्क (QRNN) के विरुद्ध तुलना।

3. मुख्य योगदान (Key Contributions)

नॉइज़-इंड्यूस्ड शॉट नॉइज़ सप्रेशन: यह पेपर प्रदर्शित करता है कि एक ओपन-सिस्टम रिज़र्वोयर जिसमें रैंडम, नॉन-ऑप्टिमाइज्ड रीसेट नॉइज़ है, शॉट नॉइज़ संवेदनशीलता को 10 ऑर्डर्स ऑफ मैग्नीट्यूड तक कम कर देता है।
- परिणाम: $N_q=10$ के लिए, MSE शॉट नॉइज़ के $\sim 10^{-3}$ से गिरकर रीसेट + शॉट नॉइज़ के $\sim 10^{-14}$ हो जाता है।
- तंत्र: रीसेट चैनल्स ब्लॉच स्फीयर को सिकोड़ते हैं, जिससे एक्सपेक्टेशन वैल्यूज़ $\pm 1$ की ओर बढ़ती हैं। चूंकि शॉट नॉइज़ वेरिएंस $p(1-p)$ के साथ स्केल करता है, $\pm 1$ के पास वेरिएंस लगभग शून्य होता है। लीनियर रीडआउट इन लो-वेरिएंस फीचर्स का लाभ उठाना सीखता है।
ब्लाइंड डिक्रिप्शन का समाधान: टू-फ़ेज़ प्रोटोकॉल सफलतापूर्वक ब्लाइंड डिक्रिप्शन की चुनौती को हल करता है।
- यह अनदेखे संदेशों के लिए $\sim 10^{-4}$ का MSE प्राप्त करता है।
- महत्वपूर्ण रूप से, सांख्यिकीय परीक्षण दिखाते हैं कि आदर्श, शॉट-नॉइज़, और रीसेट-प्लस-शॉट-नॉइज़ स्थितियों के बीच कोई महत्वपूर्ण प्रदर्शन अंतर नहीं है ( $p > 0.05$ ), जो यह सिद्ध करता है कि प्रोटोकॉल नॉइज़-इनवेरिएंट है।
"ब्लाइंड डिकोडर बैरियर" की पहचान:
- प्रयोगों से पता चलता है कि साझा प्रशिक्षण डेटा ब्लाइंड डिक्रिप्शन के लिए अपरिहार्य आवश्यकता है।
- वे वेरिएंट्स जिनमें ग्राउंड-ट्रुथ टारगेट्स की कमी है (सिंगल-C ब्लाइंड और टू-फेज़ ब्लाइंड), पूरी तरह विफल हो जाते हैं, और MSE $\approx 0.3$ (सिंगल-C ब्लाइंड) या $\approx 0.53$ (टू-फेज़ ब्लाइंड, रैंडम गेसिंग से भी बदतर) पर संतृप्त हो जाते हैं। यह सिद्ध करता है कि इस फ्रेमवर्क में सेल्फ-कंसिस्टेंट इटरेशन या सांख्यिकीय औसत, स्पष्ट प्लेनटेक्स्ट ज्ञान का विकल्प नहीं हो सकते।
फेज़ ट्रांजिशन और डिज़ाइन रूल:
- लेखक प्लेनटेक्स्ट लंबाई ( $N_c$ ) और ऑगमेंटेड फीचर डायमेंशन ( $D_{aug}$ ) के बीच संबंध के आधार पर टू-फेज़ प्रोटोकॉल में एक तीव्र फेज़ ट्रांजिशन की पहचान करते हैं।
- नियम: विश्वसनीय डिक्रिप्शन ( $MSE \sim 10^{-4}$ ) तभी होता है जब $N_c < D_{aug}$ हो।
- फॉर्मूला: $D_{aug} = \frac{N_q(N_q+1)}{2} + 1 + K$ ।
- यह एक व्यावहारिक डिज़ाइन नियम प्रदान करता है: $N_q \gtrsim \lceil \sqrt{2N_c} \rceil$ ।
वेरिएशनल मेथड्स पर श्रेष्ठता:
$\zeta$ -QVAE और QRNN जैसे वेरिएशनल अप्रोच की तुलना में फिक्स्ड-रिज़र्वोयर QRA और एनालिटिक रीडआउट बहुत बेहतर प्रदर्शन करता है।
- जबकि वेरिएशनल मेथड्स डिपोलराइजिंग नॉइज़ के तहत पूरी तरह विफल हो जाते हैं (QRNN लॉस $> \ln 2$ ), QRA मजबूत बना रहता है। यह लाभ नॉन-कॉन्वेक्स ऑप्टिमाइज़ेशन के बजाय एनालिटिक लीनियर रीडआउट (रिज रिग्रेशन) के कारण है।

4. मुख्य परिणाम (Key Results)

मेट्रिक	आइडियल (नो नॉइज़)	शॉट नॉइज़ ओनली	रीसेट + शॉट नॉइज़
Single-C MSE	$\sim 10^{-17}$	$\sim 10^{-3}$	$\sim 10^{-14}$
Two-Phase MSE	$\sim 10^{-4}$	$\sim 10^{-4}$	$\sim 10^{-4}$
Blind Decoder MSE	$0.3 $\|$ 0.3 $\|$ \sim 0.53$

नॉइज़ रेज़िलिएंस: सिंगल-C के लिए "रीसेट + शॉट" स्थिति सबसे उल्लेखनीय परिणाम है, जो दिखाता है कि शोर (रीसेट चैनल्स) जोड़ने से मापन शोर की उपस्थिति में प्रदर्शन में सुधार होता है।
ब्लाइंड डिक्रिप्शन: टू-फेज़ प्रोटोकॉल $\sim 10^{-4}$ MSE प्राप्त करता है, जबकि साझा प्रशिक्षण डेटा हटाने का कोई भी प्रयास विफलता ( $\sim 0.3$ से $0.53$) की ओर ले जाता है।
फेज़ ट्रांजिशन: $N_q=10$ ( $D_{aug}=63$ ) के लिए, प्रोटोकॉल $N_c=35$ तक पूरी तरह काम करता है। जब $N_c, D_{aug}$ से अधिक हो जाता है, तो MSE $\sim 0.2$ तक उछल जाता है, जो रैंक-डेफिशिएंट रिग्रेशन समस्या को दर्शाता है।

5. महत्व और निहितार्थ (Significance and Implications)

व्यावहारिक NISQ व्यवहार्यता: प्रोटोकॉल की नॉइज़ इनवेरिएंस बताती है कि इसे जटिल एरर करेक्शन के बिना निकट-अवधि क्वांटम हार्डवेयर (NISQ) पर तैनात किया जा सकता है, क्योंकि रिज़र्वोयर डायनेमिक्स स्वाभाविक रूप से मापन शोर को कम करता है।
आर्किटेक्चरल अंतर्दृष्टि: यह कार्य रेखांकित करता है कि रिवर्सिबल सूचना रूपांतरण के लिए, एक फिक्स्ड नॉन-लीनियर एम्बेडिंग + एनालिटिक लीनियर रीडआउट, एंड-टू-एंड वेरिएशनल ऑप्टिमाइज़ेशन की तुलना में कहीं अधिक श्रेष्ठ है, विशेष रूप से शोर वाले वातावरण में।
सैद्धांतिक सीमा: यह पेपर एक मौलिक सीमा स्थापित करता है: इस फ्रेमवर्क में साझा प्रशिक्षण डेटा के बिना ब्लाइंड डिक्रिप्शन असंभव है। यह रिज़र्वोयर कंप्यूटिंग का उपयोग करने वाले भविष्य के क्वांटम क्रिप्टोग्राफिक प्रोटोकॉल के लिए आवश्यकताओं को स्पष्ट करता है।
डिज़ाइन गाइडलाइन्स: व्युत्पन्न क्वाड्रेटिक स्केलिंग नियम ( $N_q \propto \sqrt{N_c}$ ) भविष्य के कार्यान्वयन के लिए हार्डवेयर आवश्यकताओं हेतु एक ठोस दिशा-निर्देश प्रदान करता है।

निष्कर्ष: यह पेपर एक मजबूत, शोर-प्रतिरोधी क्वांटम एन्क्रिप्शन/डिक्रिप्शन योजना प्रस्तुत करता है। यह टू-फेज़ ट्रेनिंग प्रोटोकॉल के माध्यम से ब्लाइंड डिक्रिप्शन की समस्या को हल करता है और प्रदर्शित करता है कि "नॉइज़-इंड्यूस्ड" रिज़र्वोयर्स पर्यावरणीय शोर को एक कम्प्यूटेशनल संपत्ति में बदलकर, क्लोज्ड-सिस्टम QRC और वेरिएशनल क्वांटम एल्गोरिदम दोनों से बेहतर प्रदर्शन कर सकते हैं। हालाँकि, यह पूरी तरह से "ब्लाइंड" बूटस्ट्रैपिंग विधियों को खारिज करते हुए साझा प्रशिक्षण डेटा की आवश्यकता को भी कड़ाई से परिभाषित करता है।