⚛️ high-energy theory

Bipartite entanglement harvesting with multiple detectors

यह शोध पत्र यह प्रदर्शित करता है कि कई अनरु-डीविट (Unruh-DeWitt) डिटेक्टरों का उपयोग करके क्वांटम वैक्यूम से द्विपक्षीय एंटैंगलमेंट हार्वेस्टिंग (bipartite entanglement harvesting) का विश्लेषण एक रैखिक रूप से स्केलिंग करने वाले उप-मैट्रिक्स (submatrix) के माध्यम से कुशलतापूर्वक किया जा सकता है, जो यह प्रकट करता है कि डिटेक्टरों की संख्या बढ़ाने से न केवल विशिष्ट विन्यासों में हार्वेस्ट की गई एंटैंगलमेंट अधिकतम होती है, बल्कि ऊर्जा अंतराल और पृथक्करण की परिचालन सीमाओं का भी विस्तार होता है।

मूल लेखक: Santeri Salomaa, Esko Keski-Vakkuri, Sergi Nadal-Gisbert

प्रकाशित 2026-04-16

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Santeri Salomaa, Esko Keski-Vakkuri, Sergi Nadal-Gisbert

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 ब्रह्मांड खाली नहीं है, बल्कि ऊर्जा के एक शांत, अदृश्य "सागर" से भरा हुआ है जिसे क्वांटम वैक्यूम (quantum vacuum) कहा जाता है। पूर्ण अंधकार में भी, यह सागर अंतरिक्ष के विभिन्न बिंदुओं के बीच सूक्ष्म, क्षणिक संबंधों से लहरों की तरह हिल रहा है। इन संबंधों को एंटैंगलमेंट (entanglement) कहा जाता है।

आमतौर पर, ये लहरें इतनी सूक्ष्म होती हैं कि इन्हें पकड़ पाना कठिन होता है। लेकिन भौतिकविदों के पास एक चतुर तरकीब है जिसे "एंटैंगलमेंट हार्वेस्टिंग" (Entanglement Harvesting) कहते हैं। कल्पना कीजिए कि आपके पास इस सागर में डाले गए दो छोटे, संवेदनशील मछली पकड़ने वाले डंडे (डिटेक्टर्स) हैं। भले ही वे दोनों एक-दूसरे से दूर हों और आपस में बात न कर सकें, वे दोनों पानी की उन्हीं अंतर्निहित लहरों को "महसूस" कर सकते हैं। यदि वे सही प्रकार की लहरों को महसूस करते हैं, तो वे एक-दूसरे से "जुड़" या एंटैंगल हो सकते हैं, भले ही वे कभी एक-दूसरे के संपर्क में न आए हों।

यह शोध पत्र एक सरल लेकिन गहन प्रश्न पूछता है: क्या होगा यदि हम केवल दो मछली पकड़ने वाले डंडों का उपयोग न करें, बल्कि उनके पूरे दल (टीम) का उपयोग करें?

समस्या: एक डंडा बनाम एक टीम

पिछले अधिकांश प्रयोगों में केवल दो डिटेक्टर्स का उपयोग किया गया था। इस शोध पत्र के लेखकों ने सोचा: यदि हम कई डिटेक्टर्स को विभिन्न आकृतियों और पैटर्न में व्यवस्थित करते हैं, तो क्या हम अधिक एंटैंगलमेंट पकड़ सकते हैं? क्या हम "मछली पकड़ने" की प्रक्रिया को अधिक कुशल बना सकते हैं?

उन्होंने पाया कि अधिक डिटेक्टर्स जोड़ना एक अकेली मछली पकड़ने वाली रेखा के बजाय एक विशाल जाल का उपयोग करने जैसा है। यह केवल थोड़ा अधिक नहीं पकड़ता; यह खेल को पूरी तरह से बदल देता है।

बड़ी खोज: "वन-एक्साइटेशन" (One-Excitation) शॉर्टकट

एक बड़े समूह के डिटेक्टर्स के एंटैंगलमेंट की गणना करना आमतौर पर कंप्यूटरों के लिए एक दुःस्वप्न जैसा होता है। यह एक ऐसी पहेली को हल करने जैसा है जहाँ हर एक नया डिटेक्टर जोड़ने पर टुकड़ों की संख्या दोगुनी हो जाती है। 50 डिटेक्टर्स के लिए, गणित इतना जटिल है कि एक सुपरकंप्यूटर को इसमें अनंत समय लग जाएगा।

हालाँकि, लेखकों को एक जादुई शॉर्टकट मिला। उन्होंने महसूस किया कि सबसे महत्वपूर्ण एंटैंगलमेंट को खोजने के लिए, आपको उस पूरे विशाल पहेली को देखने की आवश्यकता नहीं है। आपको केवल इसके एक बहुत छोटे, विशिष्ट कोने (एक सबमैट्रिक्स) को देखने की आवश्यकता है।

उपमा: कल्पना कीजिए कि आप एक विशाल, फैले हुए शहर के माध्यम से सबसे अच्छा रास्ता खोजने की कोशिश कर रहे हैं। आमतौर पर, आपको हर एक सड़क का नक्शा चाहिए होगा। लेखकों ने पाया कि ट्रैफिक जाम (एंटैंगलमेंट) कहाँ हैं, यह जानने के लिए आपको केवल मुख्य राजमार्गों के नक्शे की आवश्यकता है। यह गणित को आसान बनाता है, भले ही डिटेक्टर्स का समूह बहुत बड़ा क्यों न हो।

व्यवस्था का स्वर्णि नियम (The Golden Rule of Arrangement)

टीम ने कई आकृतियों का परीक्षण किया: त्रिकोण, वर्ग, रेखाएं और यादृच्छिक क्लस्टर। उन्होंने सर्वोत्तम व्यवस्था के लिए एक "स्वर्णि नियम" पाया:

मिश्रण करें: अलग-अलग टीमों (टीम A और टीम B) के डिटेक्टर्स एक-दूसरे के बहुत करीब होने चाहिए।
अपने जैसे लोगों को दूर रखें: एक ही टीम के भीतर के डिटेक्टर्स को एक-दूसरे से दूर रहना चाहिए।

रूपक: कल्पना कीजिए कि एक पार्टी में दो समूहों के लोग हैं, समूह A और समूह B।

यदि समूह A के सभी लोग एक कोने में सिमट जाते हैं और समूह B के सभी लोग दूसरे कोने में सिमट जाते हैं, तो वे वास्तव में अपनी ऊर्जा का "मिश्रण" नहीं कर पाएंगे।
लेकिन यदि आप उन्हें एक शतरंज के बोर्ड (चेकरबोर्ड) की तरह व्यवस्थित करते हैं (A, B, A, B), जहाँ हर व्यक्ति दूसरे समूह के किसी व्यक्ति के ठीक बगल में खड़ा है, तो "ऊर्जा विनिमय" (एंटैंगलमेंट) बहुत अधिक शक्तिशाली हो जाता है।

उन्होंने जो सबसे अच्छी आकृति पाई वह थी एक "डायगोनल स्क्वायर" (चार डिटेक्टर्स के लिए) या एक "लीनियर चेन" (A-B-A-B-A-B...)। इन सेटअपों में, "पड़ोसी" हमेशा विपरीत टीमों के होते हैं।

परिणाम: अधिक डिटेक्टर्स = अधिक शक्ति

अध्ययन ने तीन अद्भुत चीजें दिखाईं:

अधिक पकड़: अधिक डिटेक्टर्स जोड़ने से आपके द्वारा हार्वेस्ट किए जा सकने वाले एंटैंगलमेंट की मात्रा में उल्लेखनीय वृद्धि होती है। यह कोई मामूली बढ़त नहीं है; यह एक रैखिक वृद्धि है। डिटेक्टर्स को दोगुना करें, एंटैंगलमेंट को दोगुना करें।
विस्तृत जाल: अधिक डिटेक्टर्स के साथ, आपको उतना सटीक होने की आवश्यकता नहीं है। आप एंटैंगलमेंट को तब भी हार्वेस्ट कर सकते हैं जब डिटेक्टर्स थोड़े दूर हों या उनकी ऊर्जा सेटिंग्स अलग हों। यह प्रक्रिया को अधिक मजबूत बनाता है।
"अनंत श्रृंखला" (The Infinite Chain): यदि आप टीम A और टीम B के बीच बारी-बारी से अनंत संख्या में डिटेक्टर्स को एक पंक्ति में खड़ा करते हैं, तो एंटैंगलमेंट एक चैन रिएक्शन की तरह लगातार बढ़ता रहता है।

यह क्यों मायने रखता है?

क्वांटम वैक्यूम को सूचना के एक छिपे हुए पुस्तकालय के रूप में सोचें।

दो डिटेक्टर्स दो आँखें बंद करके किताब पढ़ने की कोशिश करने जैसा है; आपको केवल एक झलक मिलती है।
कई डिटेक्टर्स एक साथ अपनी सभी इंद्रियों को खोलने जैसा है। आप पूरी किताब पढ़ सकते हैं।

यह शोध हमें बेहतर क्वांटम तकनीकें बनाने का ब्लूप्रिंट प्रदान करता है। यदि हम क्वांटम कंप्यूटर या सेंसर बनाना चाहते हैं जो इन अदृश्य कनेक्शनों पर निर्भर करते हैं, तो हमें केवल दो सेंसर बनाकर उम्मीद नहीं करनी चाहिए। हमें विशिष्ट, वैकल्पिक पैटर्न में व्यवस्थित सेंसर के एरे (arrays) बनाने चाहिए, ताकि ब्रह्मांड के बैकग्राउंड नॉइज़ से हमें अधिकतम "सिग्नल" मिल सके।

संक्षेप में: यदि हम डिटेक्टर्स की एक टीम को चेकरबोर्ड की तरह व्यवस्थित करते हैं, तो हम ब्रह्मांड के छिपे हुए क्वांटम कनेक्शनों को बहुत अधिक मात्रा में हार्वेस्ट कर सकते हैं, और अब हमें पता है कि सर्वोत्तम परिणाम प्राप्त करने के लिए उस टीम को कैसे स्थापित किया जाए।

यहाँ शोध पत्र "Bipartite entanglement harvesting with multiple detectors" (सालोमा, केस्की-वकुरी, और नाडाल-गिसबर्टत द्वारा लिखित) का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

एंटैंगलमेंट हार्वेस्टिंग (Entanglement harvesting) एक ऐसा प्रोटोकॉल है जहाँ स्थानीयकृत क्वांटम डिटेक्टर (Unruh-DeWitt डिटेक्टर) क्वांटम फील्ड वैक्यूम के साथ अंतःक्रिया करते हैं ताकि पूर्व-मौजूद वैक्यूम सहसंबंधों (vacuum correlations) को निकाला जा सके, जिससे वे स्पेसलाइक सेपरेटेड (spacelike separated) होने के बावजूद एंटेंगल्ड हो जाते हैं। हालाँकि इसे दो-डिटेक्टर प्रणालियों के लिए व्यापक रूप से अध्ययन किया गया है, लेकिन क्वांटम फील्ड थ्योरी (QFT) की अंतर्निहित मल्टीमोड संरचना यह सुझाव देती है कि कई डिटेक्टरों का उपयोग एंटैंगलमेंट निष्कर्षण को बढ़ा सकता है।

हालाँकि, मल्टी-डिटेक्टर प्रणालियों का विश्लेषण करने में दो प्रमुख चुनौतियाँ आती हैं:

गणना संबंधी जटिलता (Computational Complexity): $N$ डिटेक्टरों के लिए रिड्यूस्ड डेंसिटी मैट्रिक्स का आयाम घातांकीय रूप से ( $2^N \times 2^N$ ) बढ़ता है, जिससे मानक एंटैंगलमेंट परिमाणीकरण (जैसे नेगेटिविटी की गणना करना) बड़े $N$ के लिए अव्यवहार्य हो जाता है।
अनुकूलन (Optimization): यह स्पष्ट नहीं है कि दो कारणिक रूप से असंबद्ध (causally disconnected) उपप्रणालियों के भीतर कई डिटेक्टरों की स्थानिक व्यवस्था, निष्कलित एंटैंगलमेंट की मात्रा को कैसे प्रभावित करती है।

लेखक $N$ डिटेक्टरों के साथ बाइपार्टाइट एंटैंगलमेंट हार्वेस्टिंग का विश्लेषण करने के लिए एक परिवर्तक ढांचे (perturbative framework) को विकसित करने, कुशल गणनात्मक विधियों को प्राप्त करने और एंटैंगलमेंट को अधिकतम करने के लिए इष्टतम स्थानिक विन्यासों (spatial configurations) की पहचान करने का लक्ष्य रखते हैं।

2. कार्यप्रणाली (Methodology)

सैद्धांतिक ढांचा (Theoretical Framework)

मॉडल: 3+1 मिन्कोव्स्की स्पेसटाइम में एक द्रव्यमान रहित स्केलर फील्ड के साथ $N$ Unruh-DeWitt डिटेक्टरों का एक सेट। डिटेक्टरों को दो अलग-अलग उपप्रणालियों, $A$ ( $N_A$ डिटेक्टर) और $B$ ( $N_B$ डिटेक्टर) में विभाजित किया गया है।
अंतःक्रिया (Interaction): $\mathcal{O}(\lambda^2)$ तक की परटर्बेशन थ्योरी का उपयोग करके एक कमजोर-कपलिंग हैमिल्टोनियन के माध्यम से मॉडल किया गया है।
प्रारंभिक अवस्था: फील्ड वैक्यूम अवस्था में है, और सभी डिटेक्टर अपनी ग्राउंड स्टेट्स में हैं।
कारण संबंधी बाधाएं (Causal Constraints): सिग्नलिंग को रोकने के लिए अलग-अलग उपप्रणालियों ( $A$ और $B$ ) के डिटेक्टरों का स्पेसलाइक सेपरेटेड होना आवश्यक है, जबकि एक ही उपप्रणाली के भीतर के डिटेक्टर कारणिक संपर्क (causal contact) में हो सकते हैं।

प्रमुख तकनीकी नवाचार (Key Technical Innovations)

ब्लॉक-डायगोनल रिडक्शन (Block-Diagonal Reduction): लेखक प्रदर्शित करते हैं कि अग्रणी क्रम ( $\mathcal{O}(\lambda^2)$ $O (λ^{2})$ ) पर रिड्यूस्ड डेंसिटी मैट्रिक्स $\hat{\rho}_{AB}$ $\overset{ρ}{^}_{A B}$ दो ऑर्थोगोनल ब्लॉक्स में विभाजित होता है:
- $\rho_1$ : वन-एक्साइटेशन सबस्पेस (ऐसी अवस्थाएँ जहाँ ठीक एक डिटेक्टर उत्तेजित होता है) पर समर्थित।
- $\rho_2$ : वैक्यूम और टू-एक्साइटेशन सबस्पेस पर समर्थित।
नेगेटिविटी गणना (Negativity Calculation): वे सिद्ध करते हैं कि अग्रणी-क्रम नेगेटिविटी (एक एंटैंगलमेंट मोनोटोन) पूरी तरह से ब्लॉक $\tilde{\rho}_1$ (अर्थात $\rho_1$ $ρ_{1}$ का पार्शियली ट्रांसपोज़ संस्करण) द्वारा निर्धारित होती है।
- महत्वपूर्ण परिणाम: जबकि पूर्ण डेंसिटी मैट्रिक्स $2^N$ के रूप में स्केल करता है, $\tilde{\rho}_1$ का आयाम $N$ के साथ रैखिक रूप से (विशेष रूप से $N \times N$ ) स्केल करता है। यह बड़े डिटेक्टर एरे के लिए एंटैंगलमेंट की गणना को कम्प्यूटेशनल रूप से व्यवहार्य बनाता है।
एडिटिविटी (Additivity): वे दिखाते हैं कि परिवर्तक शासन (perturbative regime) के भीतर, स्वतंत्र उपप्रणालियों के प्रोडक्ट स्टेट्स के लिए अग्रणी-क्रम नेगेटिविटी एडिटिव (additive) है।

सिमुलेशन पैरामीटर्स (Simulation Parameters)

स्विचिंग फंक्शन्स (Switching Functions): मुख्य रूप से गॉसियन फंक्शन्स (जो प्रभावी रूप से कॉम्पैक्ट सपोर्ट प्रदान करते हैं) का उपयोग किया गया है ताकि क्लोज्ड-फॉर्म एनालिटिकल एक्सप्रेशन प्राप्त हो सकें। तुलना स्ट्रिक्टली कॉम्पैक्ट सपोर्ट वाले फंक्शन्स (ट्रंकेटेड गॉसियन और कॉम्पैक्टिफाइड पॉलिनोमिअल्स) के साथ की गई है।
ज्यामिति (Geometry): समान ऊर्जा अंतराल $\Omega$ वाले पॉइंटलाइक डिटेक्टर।
अनुकूलन (Optimization): लेखक 3 और 4 डिटेक्टर सेटअप के लिए नेगेटिविटी को अधिकतम करने के लिए स्थानिक निर्देशांकों और ऊर्जा अंतराल को व्यवस्थित रूप से बदलते हैं, और लीनियर चेन्स का विश्लेषण करते हैं।

3. प्रमुख योगदान और परिणाम (Key Contributions and Results)

A. गणनात्मक दक्षता (Computational Efficiency)

यह शोध पत्र स्थापित करता है कि $N$ डिटेक्टरों के लिए, आपको $2^N \times 2^N$ मैट्रिक्स को डायगोनलाइज करने की आवश्यकता नहीं है। इसके बजाय, अग्रणी-क्रम नेगेटिविटी की गणना करने के लिए केवल एक $N \times N$ मैट्रिक्स ( $\tilde{\rho}_1$ ) को डायगोनलाइज करना पर्याप्त है। यह बड़े-सेपरेशन अनुमानों (large-separation approximations) को हटाकर पिछले कार्यों (जैसे [40]) का सामान्यीकरण करता है।

B. इष्टतम स्थानिक विन्यास (Optimal Spatial Configurations)

अध्ययन उन विशिष्ट ज्यामितीय व्यवस्थाओं की पहचान करता है जो एंटैंगलमेंट को अधिकतम करती हैं:

सामान्य सिद्धांत: इष्टतम हार्वेस्टिंग तब होती है जब विभिन्न उपप्रणालियों के बीच की दूरी न्यूनतम होती (कारणिक सीमा पर), जबकि एक ही उपप्रणाली के बीच की दूरी अधिकतम होती है। इसे एंटैंगलमेंट मोनोगैमी (entanglement monogamy) की अभिव्यक्ति के रूप में व्याख्यायित किया जा सकता है।
तीन डिटेक्टर: वैश्विक अधिकतम एक लीनियर ABA कॉन्फ़िगरेशन (डिटेक्टर A - डिटेक्टर B - डिटेकर A) में पाया गया है, जहाँ क्रॉस-सबसिस्टम दूरी न्यूनतम ( $L$ ) है और इंट्रा-सबसिस्टम दूरी भी न्यूनतम है लेकिन रैखिक रूप से व्यवस्थित है। एक AAB कॉन्फ़िगरेशन के लिए स्थानीय अधिकतम (local maximum) भी मौजूद है।
चार डिटेक्टर:
- सिमेट्रिक 2+2 स्प्लिट के बीच, डायगोनल स्क्वायर कॉन्फ़िगरेशन (डिटेक्टर वर्गाकार के कोनों पर, वैकल्पिक A-B-A-B) उच्चतम एंटैंगलमेंट देता है।
- इस कॉन्फ़िगरेशन में, क्रॉस-सबसिस्टम पड़ोसी दूरी $L$ पर हैं, जबकि सेम-सबसिस्टम पड़ोसी $\sqrt{2}L$ की दूरी पर हैं।
- "रेक्टेंगल" कॉन्फ़िगरेशन दिखाता है कि जोड़ों के बीच बड़ी दूरी की सीमा में एंटैंगलमेंट एडिटिव (जोड़ों के 2-डिटेक्टर मान का दोगुना) हो सकता है।

C. डिटेक्टरों की संख्या के साथ स्केलिंग (Scaling with Detector Number)

लीनियर चेन: लेखक बारी-बारी से आने वाले A और B डिटेक्टरों की एक अनंत श्रृंखला का विश्लेषण करते हैं।
परिणाम: हार्वेस्ट किया गया अग्रणी-क्रम नेगेटिविटी डिटेक्टरों की संख्या ( $N$ ) के साथ रैखिक रूप से स्केल करता है।
निहितार्थ: डिटेक्टरों को जोड़ना उस पैरामीटर रेंज (ऊर्जा अंतराल और स्थानिक पृथक्करण) को महत्वपूर्ण रूप से विस्तृत करता जहाँ एंटैंगलमेंट निकाला जा सकता है। उदाहरण के लिए, 4 डिटेक्टरों के लिए इष्टतम नेगेटिविटी, 2 या 3 डिटेक्टरों की तुलना में कई गुना अधिक है।

D. स्विचिंग फंक्शन की निर्भरता (Switching Function Dependence)

गॉसियन बनाम कॉम्पैक्ट: हालांकि इष्टतम स्थानिक व्यवस्थाएं (ABA, डायगोनल स्क्वायर) स्विचिंग फंक्शन के बावजूद अपरिवर्तित रहती हैं, लेकिन हार्वेस्टिंग का परिमाण और रेंज भिन्न होता है।
ट्रंकेटेड गॉसियन्स: दो डिटेक्टरों के लिए अग्रणी क्रम पर एंटैंगलमेंट हार्वेस्ट करने में विफल रहते हैं (गैर-शून्य $|X| > P$ स्थिति की कमी के कारण) लेकिन 3+ डिटेक्टरों के साथ सफल होते हैं।
कॉम्पैक्टिफाइड पॉलिनोमिअल्स: डिफरेंशिएबिलिटी क्लास ( $\delta$ ) पर निर्भर आवर्ती हार्वेस्टिंग शासन (periodic harvesting regimes) उत्पन्न करते हैं। कम डिफरेंशिएबिलिटी छोटे ऊर्जा अंतराल को अनुकूल बनाती है, जबकि उच्च डिफरेंशिएबिलिटी बड़े अंतराल पर निरंतर हार्वेस्टिंग की अनुमति देती है।

4. महत्व और निहितार्थ (Significance and Implications)

स्केलेबिलिटी (Scalability): प्रासंगिक मैट्रिक्स आयाम का रैखिक स्केलिंग ( $N \times N$ ) मल्टी-डिटेक्टर एंटैंगलमेंट हार्वेस्टिंग के अध्ययन के लिए कम्प्यूटेशनल बाधा को हल करता है, जिससे QFT में बड़े पैमाने के क्वांटम नेटवर्क का विश्लेषण करने का मार्ग प्रशस्त होता है।
संसाधन वृद्धि (Resource Enhancement): परिणाम प्रदर्शित करते हैं कि कई डिटेक्टरों का उपयोग करना केवल एक सैद्धांतिक जिज्ञासा नहीं है, बल्कि एंटैंगल्ड रिसोर्स को बढ़ाने और ऊर्जा अंतराल एवं दूरियों के बदलावों के प्रति इसे मजबूत बनाने की एक व्यावहारिक रणनीति है।
प्रायोगिक मार्गदर्शन (Experimental Guidance): इष्टतम ज्यामिति (लीनियर ABA, डायगोनल स्क्वायर) की पहचान भविष्य के प्रायोगिक प्रस्तावों (जैसे सुपरकंडक्टिंग क्यूबिट्स या एटॉमिक एन्सेम्बल का उपयोग करके) के लिए ठोस ब्लूप्रिंट प्रदान करती है।
सैद्धांतिक अंतर्दृष्टि (Theoretical Insight): यह कार्य एंटैंगलमेंट हार्वेस्टिंग प्रोटोकॉल में एंटैंगलमेंट मोनोगैमी की भूमिका को स्पष्ट करता है और परिवर्तक शासन में नेगेटिविटी की एडिटिविटी को स्थापित करता है, जो स्थानीय डिटेक्टर इंटरैक्शन को वैश्विक फील्ड सहसंबंधों से जोड़ता है।

संक्षेप में, यह शोध पत्र मल्टी-डिटेक्टर एंटैंगलमेंट हार्वेस्टिंग के लिए एक कठोर, कम्प्यूटेशनल रूप से कुशल ढांचा प्रदान करता है, यह सिद्ध करता है कि डिटेक्टरों की संख्या बढ़ाने से हार्वेस्ट किया गया एंटैंगलमेंट रैखिक रूप से बढ़ता है और यह पहचानता है कि विशिष्ट स्थानिक विन्यास इस प्रभाव को अधिकतम करने के लिए कौन से हैं।