⚛️ quantum physics

A Polylogarithmic-Depth Quantum Multiplier

यह शोध पत्र दो $n$ -बिट पूर्णांकों को गुणा करने के लिए एक क्वांटम एल्गोरिदम प्रस्तुत करता है जो $O(n^2)$ संसाधनों का उपयोग करते हुए $O(\log^2 n)$ सर्किट और $T$ -डेप्थ प्राप्त करता है, जो क्लिफोर्ड + $T$ मॉडल में गुणन के लिए ज्ञात सबसे कम $T$ -डेप्थ है और बड़े पैमाने पर दोष-सहिष्णु क्वांटम कंप्यूटिंग की व्यवहार्यता को महत्वपूर्ण रूप से आगे बढ़ाता है।

मूल लेखक: Fred Sun, Anton Borissov

प्रकाशित 2026-04-14

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Fred Sun, Anton Borissov

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 दो बहुत बड़ी संख्याओं का गुणा करने की कोशिश कर रहे हैं, जैसे कि एक आकाशगंगा में सितारों की संख्या को एक समुद्र तट पर रेत के कणों की संख्या से गुणा करना। क्लासिकल कंप्यूटरों की दुनिया में, यह एक बहुत तेज़ कैलकुलेटर का काम है। लेकिन क्वांटम कंप्यूटरों की दुनिया में, गणित करना कठिन है। यह एक पहेली को हल करने जैसा है जहाँ टुकड़े लगातार अपना आकार बदल रहे हैं, और आपको बहुत सावधान रहना होगा ताकि नाजुक क्वांटम अवस्था (quantum state) टूट न जाए।

यह शोध पत्र क्वांटम कंप्यूटर पर इस गुणन (multiplication) को करने का एक नया, सुपर-कुशल तरीका प्रस्तुत करता है। यहाँ सरल उपमाओं का उपयोग करके इसका विवरण दिया गया है।

समस्या: "धीमी और स्थिर" बनाम "तेज़ और उग्र"

परंपरागत रूप से, क्वांटम गुणन एक लंबे गलियारे में एक भारी बक्से को नीचे ले जाते हुए श्रमिकों की एक एकल-पंक्ति (single-file line) की तरह था।

पुराना तरीका (स्कूलबुक विधि): आप पहली संख्या के पहले अंक को लेते हैं, उसे दूसरी पूरी संख्या से गुणा करते हैं, फिर दूसरे अंक को, और इसी तरह। आप इसे एक समय में एक चरण में करते हैं। यदि आपके पास 100-अंकों की संख्या है, तो आपको 100 चरणों के लिए प्रतीक्षा करनी होगी। यह धीमा है (quadratic time)।
"गैलेक्टिक" तरीका: कुछ वैज्ञानिकों ने एक बहुत ही जटिल विधि (जैसे शोनहागे-स्ट्रैसेन एल्गोरिदम) का उपयोग करने की कोशिश की जो सैद्धांतिक रूप से तेज़ है लेकिन इसके लिए इतने विशाल संसाधनों की आवश्यकता होती है कि यह केवल तभी उपयोगी है जब आप ट्रिलियन अंकों वाली संख्याओं का गुणा कर रहे हों। यह ब्रेड के एक स्लाइस को टोस्ट करने के लिए परमाणु ऊर्जा संयंत्र का उपयोग करने जैसा है।

समाधान: "फैक्ट्री असेंबली लाइन"

लेखकों, फ्रेड सन और एंटोन बोरिसोव ने एक क्वांटम फैक्ट्री बनाई है जो गणित को समानांतर (parallel) में करती है। श्रमिकों की एक एकल पंक्ति के बजाय, उन्होंने एक विशाल असेंबली लाइन बनाई है जहाँ हजारों कार्यकर्ता बिल्कुल एक ही समय में अपना काम करते हैं।

यहाँ उनका "फास्ट क्वांटम मल्टीप्लायर" चरण-दर-चरण कैसे काम करता है:

1. फोटोकॉपी मशीन (तेज़ कॉपी करना)

कल्पना कीजिए कि आपके पास एक मास्टर ब्लूप्रिंट (संख्या $x$ ) और निर्देशों की एक सूची (संख्या $y$ ) है। गणित को तेज़ी से करने के लिए, आपको हर निर्देश के लिए ब्लूप्रिंट की कॉपियाँ बनाने की आवश्यकता है।

चाल: उन्हें एक-एक करके कॉपी करने के बजाय (जिसमें बहुत समय लगता है), वे एक "जादुई फोटोकॉपी मशीन" का उपयोग करते हैं जो हर सेकंड कॉपियों की संख्या को दोगुना कर देती है।
- सेकंड 1: 1 कॉपी।
- सेकंड 2: 2 कॉपियाँ।
- सेकंड 3: 4 कॉपियाँ।
- सेकंड 4: 8 कॉपियाँ।
परिणाम: कुछ ही सेकंड में (लॉगारिदमिक समय में), उनके पास असेंबली लाइन के हर कार्यकर्ता को एक साथ खिलाने के लिए संख्याओं की पर्याप्त कॉपियाँ उपलब्ध होती हैं।

2. आंशिक उत्पाद (The "Mini-Calculations")

अब, प्रत्येक कार्यकर्ता ब्लूप्रिंट की एक प्रति और एक निर्देश लेता है। वे एक छोटा सा कैलकुलेशन करते हैं (एक एकल अंक को पूरी संख्या से गुणा करना)।

क्योंकि उन सभी के पास अपना स्वयं का कार्यक्षेत्र है और वे यह सब एक ही समय में करते हैं, यह चरण तुरंत होता है। यह एक स्टेडियम में लोगों के एक साथ ताली बजाने जैसा है; आवाज़ तुरंत आती है, एक-एक करके नहीं।

3. एडर्स का पेड़ (The "Pyramid of Summation")

यह सबसे चतुर हिस्सा है। अब आपके पास हजारों "आंशिक परिणाम" (मिनी-कैलकुलेशन) हैं जिन्हें एक साथ जोड़ा जाना है।

पुराना तरीका: आप परिणाम #1 को #2 में जोड़ेंगे, फिर उस योग को #3 में, फिर #4 में... एक लंबी, धीमी श्रृंखला।
नया तरीका (बाइनरी ट्री): एक पिरामिड की कल्पना करें।
- लेयर 1: आप परिणामों की जोड़ी बनाते हैं। कार्यकर्ता A अपने परिणाम को कार्यकर्ता B के परिणाम के साथ जोड़ता है। कार्यकर्ता C, कार्यकर्ता D के साथ जोड़ता है। ये सभी जोड़े एक ही समय में होते हैं।
- लेयर 2: लेयर 1 के विजेता फिर से जोड़ी बनाते हैं और अपने परिणामों को जोड़ते हैं।
- लेयर 3: वे फिर से जोड़ी बनाते हैं।
क्योंकि जोड़ों की संख्या हर बार आधी हो जाती है, पिरामिड की "ऊंचाई" बहुत कम होती है। विशाल संख्याओं के लिए भी, परतों का ढेर बहुत छोटा (लॉगारिदमिक डेप्थ) होता है। इसका मतलब है कि अंतिम उत्तर पलक झपकते ही तैयार हो जाता है।

4. "क्लीन-अप क्रू" (Uncomputation)

क्वांटम कंप्यूटर नाजुक होते हैं। आप कचरे (मध्यवर्ती चरणों) को बस यूँ ही नहीं फेंक सकते क्योंकि यह नाजुक क्वांटम अवस्था को बिगाड़ सकता है। आपको कार्यक्षेत्र को शून्य पर रीसेट करने के लिए काम को "अन-डू" (un-do) करना होगा, लेकिन आपको अंतिम उत्तर को बनाए रखना होगा।

लेखकों ने एक ऐसी प्रणाली डिज़ाइन की है जहाँ "क्लीन-अप क्रू" ठीक वैसे ही काम करता है जैसे फिल्म को रिवाइंड करना, लेकिन वे इसे इस तरह से करते हैं कि प्रक्रिया धीमी न हो। वे पिछले चरणों द्वारा छोड़ी गई खाली जगह का पुन: उपयोग करते हैं, ताकि उन्हें सफाई के लिए एक नई फैक्ट्री बनाने की आवश्यकता न पड़े।

यह एक बड़ी बात क्यों है?

क्वांटम कंप्यूटिंग की दुनिया में, एक विशिष्ट प्रकार का ऑपरेशन है जिसे T-गेट (या टोफोली गेट) कहा जाता है, जो बहुत महंगा और धीमा होता है। यह क्वांटम दुनिया के "सोने" की तरह है।

पिछले तरीकों में इन महंगे गोल्ड ऑपरेशन्स की बहुत आवश्यकता होती थी, जिससे प्रक्रिया धीमी और त्रुटिपूर्ण हो जाती थी।
यह नया तरीका इन महंगे गोल्ड ऑपरेशन्स की संख्या को बिल्कुल सैद्धांतिक न्यूनतम तक कम कर देता है।

ट्रेड-ऑफ (समझौता)

क्या इसमें कोई पेच है? हाँ। इस अविश्वसनीय गति को प्राप्त करने के लिए, उन्हें बहुत अधिक अतिरिक्त स्थान (ancillary qubits) की आवश्यकता है।

इसे एक राजमार्ग की तरह समझें। कारों को 200 मील प्रति घंटे की रफ्तार से चलाने के लिए, आपको एक विशाल, बहु-लेन राजमार्ग की आवश्यकता है जिसमें कोई ट्रैफिक लाइट न हो। आपको बहुत सारा डामर (qubits) चाहिए।
पुराने तरीकों में एक संकीर्ण, सिंगल-लेन सड़क (कम क्यूबिट्स) का उपयोग किया जाता था लेकिन उन्हें बहुत धीरे चलना पड़ता था।
यह नया तरीका पॉलीलॉगारिदमिक डेप्थ (सुपर-फास्ट स्पीड) प्राप्त करने के लिए एक विशाल राजमार्ग (क्वाड्रेटिक संख्या में क्यूबिट्स) का उपयोग करता है।

सारांश

लेखकों ने एक क्वांटम मल्टीप्लिकेशन इंजन बनाया है जो मानक क्वांटम उपकरणों का उपयोग करके बड़ी संख्याओं को गुणा करने का सबसे तेज़ ज्ञात तरीका है।

गति: यह अविश्वसनीय रूप से तेज़ है (लॉगारिदमिक डेप्थ)।
दक्षता: यह "महंगे" क्वांटम ऑपरेशन्स की न्यूनतम संभव मात्रा का उपयोग करता है।
लागत: इसके लिए अतिरिक्त मेमोरी (qubits) की बहुत आवश्यकता है, लेकिन भविष्य के बड़े पैमाने के क्वांटम कंप्यूटरों (जैसे कोड तोड़ने या नई दवाओं के अनुकरण के लिए आवश्यक) के लिए, गति सबसे महत्वपूर्ण कारक है।

संक्षेप में: उन्होंने श्रमिकों की एक धीमी, एकल-पंक्ति को एक उच्च-गति, समानांतर असेंबली लाइन में बदल दिया है, जिससे क्वांटम कंप्यूटर पहले की तुलना में बहुत तेज़ी से जटिल गणित कर सकते हैं।

यहाँ फ्रेड सन और एंटोन बोरिसोव के शोध पत्र "ए पॉलीलॉगैरिद्मिक-डेप्थ क्वांटम मल्टीप्लायर" (A Polylogarithmic-Depth Quantum Multiplier) का विस्तृत तकनीकी सारांश दिया गया।

1. समस्या विवरण (Problem Statement)

क्वांटम अंकगणित, विशेष रूप से पूर्णांक गुणन (integer multiplication), शोर के फैक्टरिंग एल्गोरिदम (Shor's factoring algorithm), हैमिल्टनियन सिमुलेशन और रैखिक प्रणालियों के लिए HHL एल्गोरिदम जैसे प्रमुख क्वांटम एल्गोरिदम का एक मौलिक घटक है। फॉल्ट-टोलरेंट क्वांटम कंप्यूटिंग (FTQC) के संदर्भ में, किसी एल्गोरिदम का प्रदर्शन केवल कुल गेटों की संख्या (gate count) से ही नहीं, बल्कि सर्किट डेप्थ (circuit depth) और विशेष रूप से T-डेप्थ (T-depth) से निर्धारित होता है।

बाधा (The Bottleneck): नॉन-क्लिफोर्ड गेट्स (विशेष रूप से $T$ -गेट) मैजिक स्टेट डिस्टिलेशन (magic state distillation) के ओवरहेड के कारण FTFC में सबसे महंगे संसाधन होते हैं।
चुनौती (The Challenge): मौजूदा गुणन एल्गोरिदम एक ट्रेड-ऑफ का सामना करते हैं। "स्कूलबुक" (शिफ्ट-एंड-ऐड) विधियों में कम क्वबिट संख्या होती है लेकिन द्विघात गहराई ( $O(n^2)$ ) होती है। करात्सुबा (Karatsuba) या टूम-कुक (Toom-Cook) जैसी पुनरावर्ती (recursive) विधियाँ गेट जटिलता में सुधार करती हैं, लेकिन अक्सर उच्च गहराई बनाए रखती हैं या जटिल संरचनाओं की आवश्यकता होती है। शोनहागे-स्ट्रैसेन (Schönhage–Strassen) एल्गोरिदम लॉगरिदमिक गहराई प्राप्त करता है, लेकिन यह एक "गैलेक्टिक एल्गोरिदम" है—इसके स्थिरांक (constant factors) इतने बड़े हैं कि यह केवल खगोलीय आकार के इनपुट ( $n \ge 2^{40}$ ) के लिए ही व्यावहारिक है।
लक्ष्य (Goal): लेखकों का लक्ष्य एक ऐसा क्वांटम मल्टीप्लायर डिजाइन करना है जो पॉलिलॉगैरिद्मिक डेप्थ (विशेष रूप से $O(\log^2 n)$ ) और न्यूनतम T-डेप्थ प्राप्त करे, जबकि मध्यम इनपुट आकारों के लिए व्यावहारिक भी बना रहे, भले ही इसके लिए अधिक सहायक क्वबिट्स (ancillary qubits) की आवश्यकता हो।

2. कार्यप्रणाली (Methodology)

प्रस्तावित एल्गोरिदम दो $n$ -बिट पूर्णांकों, $x$ और $y$ के गुणनफल का निर्माण दो $n$ -बिट पूर्णांकों, $x$ और $y$ के गुणनफल का निर्माण करके करता है, जो आंशिक उत्पादों (partial products) को उत्पन्न करता है और उन्हें एक समानांतर बाइनरी ट्री संरचना का उपयोग करके जोड़ता है। यह दृष्टिकोण तीन मुख्य सबमॉड्यूल्स पर आधारित है:

A. फास्ट कॉपीइंग (Fast Copying - समानांतरकरण)

अधिकतम समानांतरता (parallelism) के लिए, एल्गोरिदम पहले इनपुट रजिस्टरों $|x\rangle$ और $|y\rangle$ की $n$ प्रतियां बनाता है।

तंत्र (Mechanism): यह एक "फास्ट कॉपी" एल्गोरिदम (एल्गोरिदम 1) का उपयोग करता है जो 'डबलिंग स्ट्रैटेजी' को नियोजित करता है। प्रत्येक समय चरण में, समानांतर CNOT गेट्स के माध्यम से नई प्रतियां बनाने के लिए मौजूदा प्रतियों का उपयोग स्रोत के रूप में किया जाता है।
जटिलता (Complexity): यह $O(\log n)$ डेप्थ में $n$ प्रतियां उत्पन्न करता है जिसमें $O(n^2)$ सहायक क्वबिट्स का उपयोग होता है।
उद्देश्य (Purpose): यह सुनिश्चित करता है कि सभी आगामी आंशिक उत्पाद गणनाएं क्रमिक (sequential) होने के बजाय एक साथ संपन्न हों।

B. कंडीशनल कॉपीइंग (Conditional Copying - आंशिक उत्पाद पीढ़ी)

एक बार जब $x$ और $y$ की $n$ प्रतियां उपलब्ध हो जाती हैं, तो एल्गोरिदम आंशिक उत्पाद $\alpha_{(0,i)} = y_i \cdot x$ की गणना करता है।

तंत्र (Mechanism): यह एक "कंडीशनल कॉपी" सबरूटीन का उपयोग करता है। प्रत्येक बिट $y_i$ के लिए, यदि $y_i=1$ , तो रजिस्टर $x$ को एक टारगेट रजिस्टर में कॉपी किया जाता है; अन्यथा, टारगेट शून्य रहता है। इसे अलग-अलग क्वबिट सेटों पर कार्य करने वाले $n$ टोफोली (Toffoli) गेट्स का उपयोग करके लागू किया जाता है।
जटिलता (Complexity): चूंकि सभी टोफोली गेट्स विजातीय (disjoint) क्वबिट्स पर कार्य करते हैं, इसलिए इस चरण की टोफोली डेप्थ 1 है और T-काउंट $n^2$ है।

C. पैरेलल एडर ट्री (Parallel Adder Tree - संचय)

मुख्य नवाचार $n$ आंशिक उत्पादों को जोड़ने में निहित है। एक रैखिक श्रृंखला (linear chain) के बजाय, लेखक एक बाइनरी ट्री आर्किटेक्चर का उपयोग करते हैं।

संरचना (Structure): आंशिक उत्पाद ट्री की पत्तियों (leaves) के रूप में होते हैं। प्रत्येक स्तर $d$ पर, अगले स्तर के योग बनाने के लिए आंशिक योगों के जोड़ों को जोड़ा जाता है।
संशोधित QCLA (Modified QCLA): लेखक ड्रेपर एट अल (Draper et et al.) के क्वांटम कैरी लुकअहेड एडर (QCLA) के संशोधित संस्करण का उपयोग करते हैं।
- अनुकूलन (Optimization): शिफ्ट किए गए नंबरों के मानक जोड़ में अग्रणी/अनुवर्ती शून्य (leading/trailing zeros) जोड़ने की आवश्यकता होती है। संशोधित QCLA इन ज़ीरो के लिए स्पष्ट रूप से क्वबिट आवंटित करने से बचता है। यह जोड़ को तीन चरणों में विभाजित करता है: सफिक्स कॉपीइंग (गैर-अतिव्यापी बिट्स को कॉपी करना), ओवरलैपिंग सम (ओवरलैप पर मानक QCLA), और कैरी प्रोपेगेशन (शेष बिट्स में कैरी जोड़ना)।
अनकंप्यूटेशन (Uncomputation): उत्क्रमणीयता (reversibility) बनाए रखने और सहायक क्वबिट्स को मुक्त करने के लिए, एल्गोरिदम मध्यवर्ती परिणामों को अनकंप्यूट करता है। ट्री संरचना "पाइप्लाइड अनकंप्यूटेशन" की अनुमति देती है: स्तर $d$ की गणना करते समय, एल्गोरिदम एक साथ स्तर $d-2$ को अनकंप्यूट करता है। यह सुनिश्चित करता है कि सहायक क्वबिट्स का कुशलतापूर्वक पुन: उपयोग किया जाए बिना एसिम्प्टोटिक डेप्थ को बढ़ाए।

3. मुख्य योगदान (Key Contributions)

न्यूनतम ज्ञात T-डेप्थ: यह एल्गोरिदम $O(\log^2 n)$ की T-डेप्थ प्राप्त करता है, जो क्लिफोर्ड+T मॉडल का उपयोग करने वाले सभी ज्ञात गुणन एल्गोरिदम में सबसे कम है।
व्यावहारिक पॉलीलॉगैरिद्मिक डेप्थ: शोनहागे-स्ट्रैसेन एल्गोरिदम के विपरीत, इस डिज़ाइन के स्थिरांक (constants) प्रबंधनीय हैं, जिससे यह उन इनपुट के लिए भी व्यवहार्य हो जाता है जहाँ $n$ सैकड़ों या हजारों में है, न कि $n \ge 2^{40}$ की आवश्यकता है।
स्पष्ट संसाधन विश्लेषण: शोध पत्र केवल बिग-ओ (Big-O) नोटेशन पर निर्भर रहने के बजाय सभी संसाधनों (डेप्थ, गेट काउंट, टोफोली काउंट और अनसिला काउंट) के लिए ठोस, गैर-एसिम्प्टोटिक ऊपरी सीमाएँ प्रदान करता है।
मॉड्यूलर डिज़ाइन: निर्माण को स्पष्ट, पुन: प्रयोज्य सबमॉड्यूल्स (फास्ट कॉपी, पार्शियल प्रोडक्ट्स, पैरेलल एडर ट्री) में विभाजित किया गया है, जो बड़े क्वांटम सर्किटों में एकीकरण को सुगम बनाता है।

4. परिणाम और संसाधन लागत (Results and Resource Costs)

लेखक दो $n$ -बिट पूर्णांकों को गुणा करने के लिए संसाधन लागत का विस्तृत विवरण प्रदान करते हैं।

मीट्रिक (Metric)	एसिम्प्टोटिक जटिलता (Asymptotic Complexity)	ठोस ऊपरी सीमा (लगभग)
सर्किट डेप्थ (Circuit Depth)	$O(\log^2 n)$	$3 \log^2 n + 17 \log n + 20$
T-डेप्थ (T-Depth)	$O(\log^2 n)$	$3 \log^2 n + 7 \log n + 14$
टोफोली काउंट (Toffoli Count)	$O(n^2)$	$12n^2 - n \log n$
कुल गेट काउंट (Total Gate Count)	$O(n^2)$	$26n^2 + 2n \log n$
सहायक क्वबिट्स (Ancillary Qubits)	$O(n^2)$	$3n^2$ (विशेष रूप से $3n^2 - 2n$ )

ट्रेड-ऑफ (Trade-off): यह एल्गोरिदम स्कूलबुक विधियों ( $O(n^2)$ डेप्थ) की तुलना में डेप्थ में भारी कमी लाने के लिए एक द्विघात संख्या में सहायक क्वबिट्स ( $O(n^2)$ ancillas) और T-गेट्स का त्याग करता है।
तुलना (Comparison):
- शिफ्ट-एंड-ऐड (Shift-and-Add): $O(n^2)$ डेप्थ, $O(n)$ क्वबिट्स।
- करात्सुबा/टूम-कुक (Karatsuba/Toom-Cook): उप-द्विघात (sub-quadratic) T-काउंट लेकिन इस कार्य की तुलना में उच्च डेप्थ।
- शोनहागे-स्ट्रैसेन (Schönhage–Strassen): $O(\log^2 n)$ डेप्थ लेकिन छोटे $n$ के लिए अव्यवहारिक स्थिरांक और उच्च क्वबिट ओवरहेड।

5. महत्व (Significance)

यह कार्य फॉल्ट-टोलरेंट क्वांटम कंप्यूटिंग के लिए एक महत्वपूर्ण कदम है।

बड़े पैमाने के एल्गोरिदम को सक्षम बनाना: T-डेप्थ को कम करके, यह एल्गोरिदम मैजिक स्टेट डिस्टिलेशन के लिए आवश्यक समय को कम करता है, जो शोर के एल्गोरिदम और अन्य क्रिप्टोग्राफिक या सिमुलेशन कार्यों को चलाने में प्राथमिक बाधा है।
व्यावहारिकता: स्पष्ट संसाधन सीमाएँ इंजीनियरों को निकट भविष्य के त्रुटि-सुधारित (error-corrected) क्वांटम हार्डवेयर पर इन मल्टीप्लायरों को लागू करने की व्यवहार्यता का अनुमान लगाने की अनुमति देती हैं।
अनुकूलन प्रतिमान (Optimization Paradigm): यह प्रदर्शित करता है कि क्वबिट संख्या (उपयोग करके $O(n^2)$ अनसिलास) का त्याग करना, व्यावहारिक फॉल्ट-टोलरेंट क्वांटम एडवांटेज के लिए आवश्यक लो-लेटेंसी निष्पादन प्राप्त करने के लिए एक व्यवहार्य और आवश्यक रणनीति है।

संक्षेप में, सन और बोरिसोव एक अत्यधिक अनुकूलित, मॉड्यूलर क्वांटम मल्टीप्लायर प्रस्तुत करते हैं जो स्थान (क्वबिट्स) के बजाय निष्पादन समय (डेप्थ) को प्राथमिकता देता है, जो क्लिफोर्ड+T मॉडल में समानांतर गुणन के लिए सबसे कुशल ज्ञात समाधान प्रदान करता है।