⚛️ quantum physics

Quantum-Accelerated Gowers $U_2$ Norm for Bent Boolean Functions

यह शोध पत्र एक हाइब्रिड क्वांटम-क्लासिकल जेनेटिक एल्गोरिदम प्रस्तावित करता है जो बेंट Boolean फलनों के निर्माण के लिए फिटनेस फंक्शन के रूप में गौवर्स $U_2$ नॉर्म को कुशलतापूर्वक मूल्यांकन करने हेतु एक क्वांटम सर्किट का लाभ उठाता है, जो प्रति क्वेरी कम्प्यूटेशनल लागत को घातांकीय $\bigO(2^{2n})$ से घटाकर बहुपद $\bigO(n^2)$ करके शास्त्रीय विधियों की तुलना में एक महत्वपूर्ण जटिलता लाभ प्रदर्शित करता है।

मूल लेखक: Rajdeep Dwivedi, C. A Jothishwaran, Sugata Gangopadhyay, Vishvendra Singh Poonia

प्रकाशित 2026-04-29

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Rajdeep Dwivedi, C. A Jothishwaran, Sugata Gangopadhyay, Vishvendra Singh Poonia

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 लाइट स्विचों (ऑन/ऑफ) के एक ग्रिड का उपयोग करके सबसे अधिक "अराजक" (chaotic) और अप्रत्याशित पैटर्न खोजने की कोशिश कर रहे हैं। कंप्यूटर विज्ञान और क्रिप्टोग्राफी की दुनिया में, इन पैटर्नों को बूलियन फंक्शन्स (Boolean functions) कहा जाता है। "परफेक्ट" पैटर्न, जिसे बेंट फंक्शन (Bent Function) के रूप में जाना जाता है, इतना अराजक होता है कि यह किसी भी साधारण अनुमान लगाने वाले खेल के लिए पूरी तरह से रैंडम (यादृच्छिक) दिखता है। यह कोड तोड़ने की कोशिश करने वाले हैकर्स के खिलाफ एक परम ढाल है।

हालाँकि, इन परफेक्ट पैटर्न को खोजना रेत के एक ऐसे विशिष्ट कण को खोजने जैसा है जो हर बार एक नया वेरिएबल जोड़ने पर तेजी से बढ़ता जाता है। एक छोटे समुद्र तट के लिए, आप पैदल चल सकते हैं। बड़े समुद्र तट के लिए, इसमें ब्रह्मांड की आयु से भी अधिक समय लग सकता है।

यह शोध पत्र (paper) एक नया तरीका प्रस्तावित करता है जिससे इन पैटर्नों को खोजने के लिए एक क्लासिक खोज पद्धति (जेनेटिक एल्गोरिदम) को एक क्वांटम कंप्यूटर के साथ जोड़ा गया है। यहाँ बताया गया है कि उन्होंने इसे कैसे किया, सरल उपमाओं (analogies) का उपयोग करते हुए।

1. समस्या: "फिटनेस" की बाधा (The "Fitness" Bottleneck)

एक जेनेटिक एल्गोरिदम (GA) में, आप पैटर्न के एक रैंडम समूह से शुरुआत करते हैं। आप उन्हें "मैटेट" (प्रजनन) और "म्यूटेट" (उत्परिवर्तित) होने देते हैं ताकि बेहतर पीढ़ियाँ बन सकें, और केवल सबसे अच्छे पैटर्न को ही रखते हैं। यह जानने के लिए कि कौन सा "सबसे अच्छा" है, आपको एक फिटनेस स्कोर (Fitness Score) की आवश्यकता होती है।

बेंट फंक्शन्स के लिए, सबसे अच्छा स्कोर गावर्स U2 नॉर्म (Gowers U2 Norm) नामक चीज़ पर आधारित है।

पारंपरिक तरीका (The Classical Way): एक सामान्य कंप्यूटर पर इस स्कोर की गणना करने के लिए, आपको स्विचों के हर एक संभावित संयोजन की जाँच करनी होगी। जैसे-जैसे स्विचों की संख्या ( $n$ ) बढ़ती है, आवश्यक कार्य तेजी से विस्फोट करता है। यह रेत के हर दाने को एक-एक करके उठाने की कोशिश करने जैसा है। केवल 25 स्विचों वाले समुद्र तट के लिए, गणित असंभव हो जाता है, यहाँ तक कि सबसे तेज़ सुपरकंप्यूटरों के लिए भी।
शोध पत्र का दावा: लेखक कहते हैं कि यह गणना वह "बाधा" (bottleneck) है जो हमें बड़े सिस्टम के लिए इन परफेक्ट पैटर्न खोजने से रोकती है।

2. समाधान: क्वांटम "फ्लैशलाइट" (The Quantum "Flashlight")

लेखकों ने एक क्वांटम सर्किट बनाया है जो एक सुपर-फास्ट फिटनेस चेकर के रूप में कार्य करता है।

उपमा (The Analogy): कल्पना कीजिए कि आप लाखों स्विचों वाले एक अंधेरे कमरे में हैं।
- एक क्लासिकल कंप्यूटर एक अकेले टॉर्च (flashlight) वाले व्यक्ति की तरह है। उन्हें हर स्विच के पास जाना होगा, उसे ऑन करना होगा, रोशनी की जाँच करनी होगी, उसे लिखना होगा और फिर अगले स्विच पर जाना होगा। इसमें बहुत समय लगता है।
- एक क्वांटम कंप्यूटर एक जादुई टॉर्च की तरह है जिसे चालू करने पर, यह एक ही समय में कमरे के हर स्विच को रोशन कर देता है। यह उन्हें एक-एक करके चेक नहीं करता; यह एक ही "स्नैपशॉट" (या "शॉट") में पूरे पैटर्न की जाँच करता है।

तकनीकी जादू (The Technical Magic):
शोध पत्र एक सर्किट का वर्णन करता है जो 3n क्यूबिट्स (qubits) का उपयोग करता है। 8 स्विचों के सिस्टम के लिए, इसे 24 क्यूबिट्स की आवश्यकता होती है। 30 स्विचों के लिए, इसे 90 क्यूबिट्स की आवश्यकता होती है।

क्लासिकल मेमोरी: एक सामान्य कंप्यूटर द्वारा समान कार्य करने के लिए, आपको सभी संभावित संयोजनों की एक सूची को स्टोर करने की आवश्यकता होगी। 30 स्विचों के लिए, यह सूची इतनी बड़ी होगी कि यह पृथ्वी के सभी कंप्यूटरों की RAM को भर देगी।
क्वांटम मेमोरी: क्वांटम कंप्यूटर इस विशाल जटिलता को क्यूबिट्स की एक छोटी, निश्चित संख्या के साथ संभाल लेता है, चाहे समुद्र तट कितना भी बड़ा क्यों न हो जाए।

3. प्रयोग: छोटे समुद्र तटों पर परीक्षण (Testing on Small Beaches)

लेखकों ने इस हाइब्रिड सिस्टम (क्वांटम फिटनेस चेकर + जेनेटिक एल्गोरिदम) का दो आकार के "समुद्र तटों" पर परीक्षण किया:

6 स्विच (n=6): क्लासिकल और क्वांटम दोनों तरीकों ने परफेक्ट "बेंट" स्कोर के बहुत करीब के पैटर्न खोजे। क्वांटम विधि थोड़ी "नॉइज़ी" (शोर वाली, जैसे स्टैटिक वाला रेडियो) थी क्योंकि इसने केवल सीमित संख्या में स्नैपशॉट लिए थे, लेकिन यह फिर भी काम कर गई।
8 स्विच (n=8): यह एक बहुत बड़ी चुनौती है।
- क्लासिकल (Classical) विधि 1,000 पीढ़ियों (generations) तक चली और इसने 0.250000 का स्कोर पाया। यह सटीक सैद्धांतिक परफेक्ट स्कोर है। इसने एक वास्तविक बेंट फंक्शन खोज लिया।
- क्वांटम (Quantum) विधि 250 पीढ़ियों तक चली। यह बिल्कुल 0.25 तक नहीं पहुँच पाई, लेकिन इसने क्लासिकल विधि के समान पथ का अनुसरण किया, जिससे यह सिद्ध हुआ कि क्वांटम कैलकुलेटर सटीक है।

4. यह क्यों मायने रखता है (शोध पत्र के अनुसार)

लेखक दो मुख्य बातें बताते हैं कि यह एक बड़ी बात क्यों है:

"जादुई" मीट्रिक (Gowers U2): उन्होंने पाया कि पुराने तरीकों की तुलना में गावर्स U2 नॉर्म को फिटनेस स्कोर के रूप में उपयोग करना बेहतर है। यह एल्गोरिदम के चढ़ने के लिए एक अधिक "स्मूथ हिल" (चिकनी ढलान) प्रदान करता है, जो उसे परफेक्ट समाधान की ओर अधिक प्रभावी ढंग से निर्देशित करता है।
टिपिंग पॉइंट (The Tipping Point): लेखकों ने गणना की कि 25 से अधिक स्विचों वाले सिस्टम के लिए, क्वांटम विधि किसी भी क्लासिकल विधि की तुलना में घातीय रूप से (exponentially) तेज़ और सस्ती हो जाती है।
- उपमा: एक निश्चित आकार तक, समुद्र तट पर पैदल चलना (क्लासिकल) ठीक है। लेकिन एक बार जब समुद्र तट बहुत बड़ा हो जाता है (n > 25), तो पैदल चलना असंभव हो जाता है। क्वांटम "फ्लैशलाइट" ही एकमात्र उपकरण है जो अभी भी पूरे समुद्र तट को एक साथ देख सकता है।

सारांश (Summary)

यह शोध पत्र एक नया टूल प्रस्तुत करता है: एक क्वांटम फिटनेस इवैल्यूएटर (Quantum Fitness Evaluator) जो जेनेटिक एल्गोरिदम को सबसे सुरक्षित, अराजक पैटर्न (बेंट फंक्शन्स) खोजने में मदद करता है जिनका उपयोग क्रिप्टोग्राफी में किया जाता है।

उन्होंने क्या किया: उन्होंने एक क्वांटम सर्किट बनाया है जो एक जटिल गणितीय स्कोर (गावर्स U2 नॉर्म) को एक सामान्य कंप्यूटर की तुलना में बहुत तेज़ी से कैलकुलेट करता है।
उन्होंने क्या सिद्ध किया: 8-स्विच सिस्टम पर, उनकी विधि ने सफलतापूर्वक एक गणितीय रूप से परफेक्ट पैटर्न खोजा।
भविष्य: वे भविष्यवाणी करते हैं कि जब क्वांटम कंप्यूटर लगभग 25 स्विचों को संभालने के लिए पर्याप्त शक्तिशाली हो जाएंगे, तो यह विधि इन महत्वपूर्ण सुरक्षा पैटर्न को डिजाइन करने का एकमात्र तरीका होगी, क्योंकि क्लासिकल कंप्यूटरों के पास समय और मेमोरी खत्म हो जाएगी।

नोट: शोध पत्र पूरी तरह से इन फंक्शन्स के गणितीय डिज़ाइन और कम्प्यूटेशनल स्पीडअप पर केंद्रित है। यह दावा नहीं करता है कि इसने किसी विशिष्ट वास्तविक दुनिया के एन्क्रिप्शन कोड को तोड़ दिया है या इसे चिकित्सा या क्लिनिकल क्षेत्रों में लागू किया है।

यहाँ शोध पत्र "Quantum-Accelerated Gowers U2 Norm Estimation for Bent Boolean Function Design via Genetic Algorithms" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

बेंट बूलियन फलन (Bent Boolean functions) क्रिप्टोग्राफी और कोडिंग थ्योरी में चरम वस्तुएं (extremal objects) हैं जो नॉन-लिनियैरिटी (nonlinearity) को अधिकतम करते हैं, जिसका अर्थ है कि वे किसी भी एफाइन फंक्शन (affine function) से यथासंभव दूर होते हैं। वे ब्लॉक और स्ट्रीम साइफर्स में लीनियर क्रिप्टैनालिसिस का प्रतिरोध करने के लिए महत्वपूर्ण हैं।

चुनौती: बड़ी संख्या में वेरिएबल्स ( $n$ ) के लिए बेंट फंक्शन्स का निर्माण करना कम्प्यूटेशनल रूप से अत्यंत कठिन (intractable) है। ज्ञात रचनात्मक परिवार (constructive families) सभी संभावित बेंट फंक्शन्स के एक बहुत छोटे अंश को ही कवर करते हैं।
बाधा (The Bottleneck): मेटाहेयुरिस्टिक दृष्टिकोण (जैसे जेनेटिक एल्गोरिदम) का उपयोग नए बेंट फंक्शन्स की खोज के लिए किया जाता है, लेकिन उन्हें सैकड़ों हजारों बार एक "फिटनेस फंक्शन" का मूल्यांकन करने की आवश्यकता होती है।
- मानक फिटनेस प्रॉक्सी वाल्श-हाडामार्ड ट्रांसफॉर्म (WHT) पर आधारित है।
- क्लासिकली सटीक WHT और उससे जुड़े मेट्रिक्स (जैसे Gowers $U_2$ norm) की गणना करने के लिए $O(n \cdot 2^n)$ ऑपरेशन्स और $O(n \cdot 2^n)$ मेमोरी की आवश्यकता होती है।
- $n \gtrsim 25$ के लिए, मेमोरी और समय की आवश्यकता निषेधात्मक (prohibitive) हो जाती है (एक्सपोनेंशियल ओवरहेड), जिससे क्लासिकल एग्जॉस्टिव या मेटाहेयुरिस्टिक खोज अव्यवहारिक हो जाती है।

2. कार्यप्रणाली (Methodology)

लेखक एक हाइब्रिड क्वांटम-क्लासिकल जेनेटिक एल्गोरिदम (GA) फ्रेमवर्क प्रस्तावित करते हैं। मुख्य नवाचार क्लासिकल फिटनेस इवैल्यूएटर को एक क्वांटम सर्किट से बदलना है जो Gowers $U_2$ norm का अनुमान लगाता है।

A. फिटनेस मेट्रिक: Gowers $U_2$ Norm

WHT (max coefficient) का उपयोग करने के बजाय, लेखक Gowers $U_2$ norm ( $\|f\|_{U_2}^4$ ) का उपयोग करते हैं।

परिभाषा: $\|f\|_{U_2}^4 = 2^{-4n} \sum_{u} W_f(u)^4$ ।
महत्व: एक फलन 'बेंट' होता है यदि और केवल यदि $\|f\|_{U_2}^4 = 2^{-n}$ हो।
लाभ: Gowers norm, सभी वाल्श कोएफिशिएंट्स से जानकारी को फोर्थ-पावर वेटिंग के माध्यम से एकत्रित करता है, जिससे मैक्स-नॉर्म (WH fitness) की तुलना में एक अधिक स्मूथ और अधिक सूचनात्मक फिटनेस लैंडस्केप मिलता है जिसमें मजबूत ग्रेडिएंट सिग्नल होते हैं।

B. क्वांटम इवैल्यूएटर (Algorithm 1)

लेखक बिना स्पष्ट रूप से WHT बनाए $\|f\|_{U_2}^4$ का अनुमान लगाने के लिए एक क्वांटम सर्किट डिजाइन करते हैं।

आर्किटेक्चर: इसमें $3n$ क्यूबिट्स ( $n$ आकार के तीन रजिस्टर्स: $X, A, B$ ) का उपयोग किया गया है।
तंत्र (Mechanism):
1. हैडामार्ड गेट्स के माध्यम से रजिस्टर्स को यूनिफॉर्म सुपरपोजिशन में इनिशियलाइज़ करना।
2. दूसरे क्रम के अंतर (second-order difference) $\Delta_{a,b}f(x) = f(x) \oplus f(x \oplus a) \oplus f(x \oplus b) \oplus f(x \oplus a \oplus b)$ को एनकोड करने के लिए फेज ओरैकल्स $U_f$ और CNOT फैन-आउट ऑपरेशन्स लागू करना।
3. अंतिम हैडामार्ड गेट्स लागू करना और $|0\rangle^{\otimes 3n}$ स्टेट को ऑब्जर्व करने की प्रायिकता (probability) को मापना।
4. यह प्रायिकता सीधे तौर पर $\|f\|_{U_2}^4$ के अनुरूप होती है।
जटिलता: यह सर्किट प्रति क्वेरी $O(n^2)$ टू-क्यूबिट गेट्स का उपयोग करता है।

C. हाइब्रिड GA फ्रेमवर्क

रिप्रेजेंटेशन: $2^n$ आकार के ट्रुथ टेबल्स।
प्रक्रिया: मानक GA चरण (Selection, Crossover, Mutation, Elitism)।
फिटनेस इवैल्यूएशन:
- क्लासिकल: सटीक WHT का उपयोग करता है (छोटे $n$ के लिए व्यवहार्य)।
- क्वांटम: शॉट नॉइज़ (shot noise) के साथ नॉर्म का अनुमान लगाने के लिए क्वांटम सर्किट (सिम्युलेटेड) का उपयोग करता है।

3. मुख्य योगदान (Key Contributions)

क्वांटम सर्किट डिजाइन: एक अभिनव $3n$ -क्यूबिट सर्किट जो $O(n^2)$ गेट्स का उपयोग करके Gowers $U_2$ norm का अनुमान लगाता है, जिससे $2^n$ -आकार के WHT के स्पष्ट निर्माण से बचा जा सकता है।
कॉम्प्लेक्सिटी-थ्योरेटिक सेपरेशन:
- क्लासिकल लागत: प्रति इवैल्यूएशन $O(n \cdot 2^n)$ समय और $O(n \cdot 2^n)$ मेमोरी।
- क्वांटम लागत: $O(n^2 \cdot 2^{4n} / \epsilon^2)$ समय (सैंपलिंग शॉट्स के कारण) लेकिन केवल $3n$ क्यूबिट्स और $O(n^2)$ गेट डेप्थ।
- क्रॉसओवर पॉइंट: लेखक सिद्ध करते हैं कि $n > 25$ के लिए, क्वांटम दृष्टिकोण क्लासिकल विकल्प की तुलना में कम्प्यूटेशनल रूप से सस्ता और अधिक मेमोरी-कुशल हो जाता है, जो रिसोर्स स्केलिंग में सुपरपोलिनोमियल लाभ प्रदान करता है।
फिटनेस लैंडस्केप की श्रेष्ठता: यह प्रदर्शन करना कि Gowers $U_2$ norm, वाल्श-हाडामार्ड मैक्स-नॉर्म की तुलना में एक बेहतर फिटनेस मानदंड है, जो बेंट फंक्शन्स की ओर तेजी से और अधिक विश्वसनीय अभिसरण (convergence) की ओर ले जाता है।
प्रायोगिक सत्यापन: $n=6$ और $n=8$ सिस्टम पर सफल सत्यापन, जो क्लासिकल बेसलाइन के विरुद्ध क्वांटम इवैल्यूएटर की शुद्धता की पुष्टि करता है।

4. प्रायोगिक परिणाम (Experimental Results)

फ्रेमवर्क का परीक्षण प्रति फिटनेस इवैल्यूएशन $M=1000$ शॉट्स के साथ एक क्लासिकल सिम्युलेटर (PennyLane) पर किया गया था।

केस $n=6$ :
- सैद्धांतिक बेंट थ्रेशोल्ड: $\approx 0.3536$ ।
- क्लासिकल GA: 250 जनरेशन में $0.3536$ (सटीक बाउंड) तक अभिसरित हुआ।
- क्वांटम GA: शॉट नॉइज़ के कारण उच्च विचरण (variance) के साथ $\approx 0.3426$ तक अभिसरित हुआ, लेकिन इसने समान प्रक्षेपवक्र (trajectory) का पालन किया।
केस $n=8$ (महत्वपूर्ण परिणाम):
- सैद्धांतिक बेंट थ्रेशोल्ड: ठीक **$0.25 $** ($ 2^{-8/4}$)।
- क्लासिकल GA (1000 जनरेशन): सटीक $0.250000$ का बेस्ट फिटनेस प्राप्त किया। यह पुष्टि करता है कि एल्गोरिदम ने एक वास्तविक 8-वेरिएबल बेंट फंक्शन की खोज की।
- क्वांटम GA (250 जनरेशन): $\approx 0.2829$ तक पहुँचा। कम जनरेशन और शॉट नॉइज़ के कारण यह अभी तक सटीक बाउंड तक नहीं पहुँचा है, फिर भी इसने क्लासिकल प्रक्षेपवक्र को सटीक रूप से ट्रैक किया।
- महत्व: $n=8$ का परिणाम सिद्ध करता है कि Gowers $U_2$ norm केवल 'नियर-बेंट' सन्निकटन (approximations) ही नहीं, बल्कि सटीक बेंट फंक्शन्स की खोज के लिए भी एक इवोल्यूशनरी सर्च को निर्देशित कर सकता है।

5. महत्व और भविष्य की संभावनाएं (Significance and Future Outlook)

स्केलेबिलिटी: यह शोध पत्र स्थापित करता है कि जबकि क्लासिकल तरीके मेमोरी बाधाओं के कारण $n \approx 25$ पर रुक जाते हैं (प्रति इंडिविजुअल गीगाबाइट RAM की आवश्यकता), क्वांटम दृष्टिकोण क्यूबिट काउंट में रैखिक रूप से स्केल करता है ( $3n$ )। $n=30$ के लिए, क्वांटम विधि को केवल 90 क्यूबिट्स की आवश्यकता होगी, जो निकट-अवधि दोष-सहिष्णु (near-term fault-tolerant) क्वांटम कंप्यूटरों की क्षमताओं के भीतर है।
क्रिप्टोग्राफिक प्रभाव: यह बड़े $n$ के लिए नए, उच्च-गुणवत्ता वाले बेंट फंक्शन्स की खोज के लिए एक व्यवहार्य मार्ग प्रदान करता है, जो अधिक सुरक्षित क्रिप्टोग्राफिक प्रिमिटिव्स को डिजाइन करने के लिए आवश्यक हैं।
एल्गोरिदमिक अंतर्दृष्टि: यह कार्य इस बात पर प्रकाश डालता है कि इस संदर्भ में "क्वांटम त्वरण" केवल गति के बारे में नहीं है, बल्कि व्यवहार्यता (feasibility) के बारे में है—जो उन फिटनेस फंक्शन्स के मूल्यांकन को सक्षम बनाता है जिन्हें बड़े $n$ के लिए क्लासिकली कंप्यूट करना भौतिक रूप से असंभव है।
भविष्य का कार्य: लेखक फॉल्ट-टोलरेंट बैकएंड पर $n=10\text{--}12$ तक विस्तार करने और "हाइपर-बेंट" फंक्शन्स की खोज के लिए उच्च-क्रम के Gowers norms ( $k>2$ के लिए $U_k$ ) का पता लगाने की योजना बना रहे हैं।

संक्षेप में, यह शोध पत्र प्रस्तुत करता है कि क्वांटम कंप्यूटिंग बेंट बूलियन फंक्शन्स की खोज में क्लासिकल मेमोरी बाधा को पार करने में सक्षम है, जो एक हाइब्रिड जेनेटिक एल्गोरिदम को निर्देशित करने के लिए Gowers $U_2$ norm का उपयोग करता है।