⚛️ quantum physics

Quantum randomness beyond projective measurements

यह शोध पत्र क्वांटम प्रणालियों में निष्पक्ष चरम रैंक-एक मापों (unbiased extremal rank-one measurements) द्वारा उत्पन्न अंतर्निहित यादृच्छिकता को अभिलक्षित करता है, जो स्पष्ट रूप से क्यूबिट्स के लिए इस समस्या को हल करता है और यह प्रदर्शित करता है कि किसी भी आयाम में जहाँ एक सममित सूचना पूर्णतः पूर्ण (symmetric informationally complete - SIC) माप मौजूद है, वहाँ $2 \log d$ बिट्स की अधिकतम यादृच्छिकता प्राप्त की जा सकती है।

मूल लेखक: Fionnuala Curran

प्रकाशित 2026-05-19

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Fionnuala Curran

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 एक वास्तव में यादृच्छिक (random) संख्या उत्पन्न करने की कोशिश कर रहे हैं, जैसे कि सिक्का उछालना या पासा फेंकना, लेकिन आप पूरी तरह से आश्वस्त होना चाहते हैं कि कोई और व्यक्ति (एक सुपर-स्मार्ट हैकर या क्वांटम कंप्यूटर वाला भी) परिणाम होने से पहले उसका अनुमान न लगा सके। क्वांटम भौतिकी की दुनिया में, यह संभव है क्योंकि प्रकृति स्वयं मौलिक रूप से अप्रत्याशित है।

यह शोध पत्र, जो फियोनुआला कुरान (Fionnuala Curran) द्वारा लिखा गया है, इस बात की खोज करता है कि हम विभिन्न प्रकार के क्वांटम मापों (measurements) से कितनी "वास्तविक" यादृच्छिकता (randomness) निकाल सकते हैं। एक क्वांटम माप को एक मशीन के रूप में समझें जो एक क्वांटम अवस्था (एक कण) लेती है और एक संख्या बाहर निकालती है। लक्ष्य सबसे अच्छे मशीन सेटिंग्स खोजना है ताकि सबसे अधिक अप्रत्याशित संख्याएँ प्राप्त की जा सकें।

यहाँ रोजमर्रा के उपमाओं (analogies) का उपयोग करके शोध पत्र के मुख्य विचारों का विवरण दिया गया है:

1. सेटअप: अप्रत्याशित सिक्का

शास्त्रीय भौतिकी (classical physics) में, यदि आप जानते हैं कि सिक्का कैसे उछाला गया है, तो आप भविष्यवाणी कर सकते हैं कि वह चित (heads) आएगा या पट (tails)। क्वांटम भौतिकी में, यदि आप सेटअप के बारे में सब कुछ जानते भी हैं, तो भी परिणाम एक रहस्य बना रहता है। इसे आंतरिक यादृच्छिकता (intrinsic randomness) कहा जाता है।

हालाँकि, सभी क्वांटम "मशीनें" (माप) एक समान नहीं होती हैं। कुछ "एक्स्ट्रेमल" (extremal) होती हैं, जिसका अर्थ है कि वे सबसे मौलिक प्रकार की मशीनें हैं जिन्हें सरल यादृच्छिक मिश्रणों में तोड़ा नहीं जा सकता है। शोध पत्र पूछता है: इन मौलिक मशीनों में से कौन सी हमें सबसे अधिक यादृच्छिकता प्रदान करती है?

2. "तिरछे" पासे (The "Skewed" Dice): जीतने के लिए धोखाधड़ी करना

लेखक सबसे पहले मापों का एक नया परिवार पेश करते हैं जिसे वे "Skewed SIC" माप कहते हैं।

उपमा: एक मानक पासे की कल्पना करें जहाँ हर नंबर (1 से 6 तक) आने की समान संभावना होती है। वह एक "निष्पक्ष" (fair) पासा है। लेकिन क्या होगा यदि आपके पास एक विशेष, थोड़ा टेढ़ा पासा हो जो आमतौर पर 1 पर गिरता है, लेकिन यदि आप इसे बिल्कुल सही तरीके से घुमाते हैं, तो यह पूरी तरह से निष्पक्ष हो जाता है?
निष्कर्ष: ये "Skewed" माप इस तरह से डिज़ाइन किए गए हैं कि यदि आप उनमें एक विशिष्ट प्रकार की क्वांटम अवस्था (एक "शुद्ध" अवस्था) डालते हैं, तो वे पूरी तरह से समान, यादृच्छिक परिणाम उत्पन्न करते हैं। इससे भी बेहतर, वे किसी भी आकार के क्वांटम सिस्टम (किसी भी आयाम/dimension) के लिए ऐसा कर सकते हैं जहाँ एक विशिष्ट प्रकार का माप (जिसे SIC कहा जाता है) मौजूद हो। यह एक पहेली को हल करता है कि डिवाइस-डिपेंडेंट सेटिंग में अधिकतम संभव यादृच्छिकता (2 log d bits) कैसे प्राप्त की जाए।

3. "अनबायस्ड" पासे (The "Unbiased" Dice): निष्पक्ष खेलना

इसके बाद, शोध पत्र "Unbiased" मापों को देखता है। ये ऐसी मशीनें हैं जहाँ, यदि आप उनमें पूरी तरह से यादृच्छिक "कचरा" (junk) अवस्था डालते हैं, तो प्रत्येक परिणाम समान रूप से संभावित होता है।

उपमा: अंतरिक्ष में तैरते हुए एक टेट्राहेड्रोन (चार त्रिकोणीय फलकों वाले पिरामिड) की कल्पना करें। इस पिरामिड के कोने माप के संभावित परिणामों का प्रतिनिधित्व करते हैं।
निष्कर्ष: लेखकों ने एक सरल नियम की खोज की: आपको कितनी यादृच्छिकता मिलती है, यह इस बात पर निर्भर करता है कि आपकी शुरुआती क्वांटम अवस्था इस पिरामिड के केंद्र से कितनी दूर है।
- यदि आपकी अवस्था बिल्कुल बीच में है, तो आपको कम यादृच्छिकता मिलती है।
- यदि आपकी अवस्था दूर है, तो आपको अधिक यादृच्छिकता मिलती है।
- उन्होंने गणना की कि 2-आयामी सिस्टम (एक क्यूबिट, या क्वांटम बिट) के लिए किसी भी अवस्था के लिए आपको कितनी यादृच्छिकता मिलती है।

4. "SIC" बनाम "कैंची" (The "SIC" vs. The "Scissors")

शोध पत्र इन पिरामिड के आकार के मापों के दो विशिष्ट प्रकारों की तुलना करता है:

SIC (Symmetric Informationally Complete) माप: यह "परफेक्ट" पिरामिड है। सभी फलक समान हैं, और यह एक क्वांटम अवस्था के स्वरूप को समझने (टोमोग्राफी) के लिए सबसे अच्छा उपकरण है।
- आश्चर्य: भले ही SIC अवस्थाओं को मापने के लिए सबसे अच्छा है, लेखकों ने पाया कि यह अनबायस्ड मापों के बीच यादृच्छिकता उत्पन्न करने में वास्तव में सबसे खराब है। इसमें "सबसे कम" आंतरिक यादृच्छिकता है। यह एक बहुत ही सटीक पैमाने की तरह है जो यादृच्छिक संख्याएँ उत्पन्न करने में बहुत बुरा है।
"कैंची" (Scissors) माप: लेखकों ने "कैंची" नामक मापों का एक नया परिवार बनाया।
- उपमा: कल्पना करें कि पिरामिड के फलक कैंची के ब्लेड की तरह हैं। आप एक एकल कोण बदलकर ब्लेड को खोल या बंद कर सकते हैं।
- निष्कर्ष: जैसे-जैसे आप कैंची को "बंद" करते हैं (कोण बदलते हैं), माप कम "निष्पक्ष" (biased) होता जाता है, लेकिन यह अधिकतम संभव मात्रा में यादृच्छिकता उत्पन्न करने के करीब पहुँचता जाता है।
- उन्होंने दिखाया कि आयाम 2, 3 और 4 में, आप इन "Scissors" मापों को ट्यून करके लगभग उतनी ही यादृच्छिकता प्राप्त कर सकते है जितनी सैद्धांतिक रूप से संभव है, बिना परिणामों को बहुत अधिक पक्षपाती (bias) किए।

5. बड़ी तस्वीर (The Big Picture)

यह शोध पत्र अनिवार्य रूप से क्वांटम यादृच्छिकता के परिदृश्य को दर्शाता है:

Skewed माप आपको अधिकतम यादृच्छिकता दे सकते हैं यदि आप अपनी शुरुआती अवस्था को जानते हैं।
Unbiased माप (जैसे कि Scissors परिवार) आपको बिना परिणामों को पक्षपाती किए उस अधिकतम के बहुत करीब ले जा सकते हैं।
प्रसिद्ध SIC माप, अन्य अनबायस्ड मापों के लिए महान होने के बावजूद, अनबायस्ड समूह में "सबसे कम यादृच्छिक" है।

सारांश

इस शोध पत्र को एक कैसीनो मालिक के नजरिए से देखें जो सबसे अप्रत्याशित स्लॉट मशीन बनाना चाहता है।

उन्होंने एक "Skewed" मशीन बनाने का तरीका खोजा है जो विशिष्ट खिलाड़ियों के लिए पूरी तरह से यादृच्छिक है।
उन्होंने "Fair" मशीनों का विश्लेषण किया और पाया कि सबसे सममित (symmetrical), पूर्ण दिखने वाली मशीन (SIC) वास्तव में सबसे कम यादृच्छिक है।
उन्होंने एक "Scissors" मशीन डिजाइन की जिसे लगभग पूरी तरह से यादृच्छिक होने के लिए समायोजित किया जा सकता है, यह सिद्ध करते हुए कि अधिकतम यादृच्छिकता प्राप्त करने के लिए आपको नियमों को तोड़ने (मशीन को पक्षपाती बनाने) की आवश्यकता नहीं है; आपको बस कोण को सही ढंग से ट्यून करने की आवश्यकता है।

शोध पत्र 2D सिस्टम के लिए गणित को पूरी तरह से हल करने और इन नए "Scissors" उपकरणों का उपयोग करके उच्च आयामों में अधिकतम यादृच्छिकता प्राप्त करने के लिए एक रोडमैप प्रदान करने के साथ समाप्त होता है।

तकनीकी सारांश: प्रक्षेपिक मापों (Projective Measurements) से परे क्वांटम यादृच्छिकता

समस्या विवरण
क्वांटम मापों की अंतर्निहित अप्रत्याशितता क्वांटम रैंडम नंबर जनरेशन (QRNG) के लिए एक मौलिक संसाधन है। प्रतिकूल परिदृश्यों में, इस यादृच्छिकता की सुरक्षा इस बात पर निर्भर करती है कि एक जासूस (Eve), जिसके पास माप सेटअप के साथ क्वांटम या शास्त्रीय सहसंबंध हो सकते हैं, परिणामों का सही अनुमान लगाने में असमर्थ रहे। जबकि चरम माप (extremal measurements)—वे जो अन्य मापों के संभावabilistic मिश्रण में नहीं तोड़े जा सकते—ज्ञात रूप से ऐसे विरोधियों के विरुद्ध सुरक्षित होते हैं, एक विशिष्ट मात्रात्मक प्रश्न खुला रहा है: एक दिए गए चरम माप द्वारा वास्तव में कितनी अंतर्निहित यादृच्छिकता उत्पन्न की जा सकती है?

पिछले कार्यों ने स्थापित किया है कि आयाम $d$ में अधिकतम सशर्त मिन-एन्ट्रॉपी (एक यादृच्छिकता का माप) $2 \log d$ बिट्स द्वारा सीमित है। हालांकि, विशेष रूप से अनबायस्ड (unbiased) चरम POVMs के लिए, किसी भी इनपुट स्टेट के लिए विशिष्ट श्रेणियों के मापों द्वारा उत्पन्न यादृच्छिकता का लक्षण वर्णन करना अधूरा रहा है। यह शोध पत्र अनबायस्ड चरम रैंक-वन पॉजिटिव ऑपरेटर-वैल्यूड मेजरमेंट्स (POVMs) की अंतर्निहित यादृच्छिकता को समझने के अंतराल को संबोधित करता है और यह पता लगाता है कि क्या विशिष्ट परिवारों के माप सैद्धांतिक अधिकतम $2 \log d$ बिट्स को संतृप्त कर सकते हैं।

कार्यप्रणाली (Methodology)
लेखक एक डिवाइस-डिपेंडेंट फ्रेमवर्क के भीतर कार्य करते हैं, जिसमें क्वांटम स्टेट $\rho$ और POVM $M$ दोनों का पूर्ण लक्षण वर्णन माना जाता है। अंतर्निहित यादृच्छिकता को सशर्त मिन-एन्ट्रॉपी के माध्यम से परिमाणित किया जाता है, $H_{\min}(\rho, M) = -\log P_{\text{guess}}(\rho, M)$ , जहाँ $P_{\text{guess}}$ एक जासूस की इष्टतम अनुमान लगाने की प्रायिकता है। यह प्रायिकता स्टेट $\rho$ को शुद्ध अवस्थाओं $\{p_j, \rho_j\}$ में संभावabilistic अपघटन के अधिकतम के रूप में परिभाषित है:
$P_{\text{guess}}(\rho, M) = \max_{\{p_j, \rho_j\}} \sum_j p_j \text{tr}(\rho_j M_j).$

यह शोध पत्र कई गणितीय उपकरणों का उपयोग करता है:

कॉन्वेक्स ज्योमेट्री और फिडेलिटी (Fidelity): लेखक अनुमान लगाने की प्रायिकता को इनपुट स्टेट और मेजरमेंट प्रोजेक्टर्स के कॉनवेक्स हल (convex hull) के बीच क्वांटम फिडेलिटी से जोड़ते हैं।
सेमीडेफिनेट प्रोग्रामिंग (SDP): स्टेट डिस्क्रीमिनेशन और गेसिंग प्रोबेबिलिटी से संबंधित अनुकूलन समस्याओं को SDP द्वैत (duality) और कारुश-कुन-टकर (KKT) स्थितियों का उपयोग करके तैयार और हल किया गया है।
ब्लोक वेक्टर प्रतिनिधित्व (Bloch Vector Representation): क्यूबिट सिस्टम ( $d=2$ ) के लिए, विश्लेषण अनबायस्ड चरम रैंक-वन POVMs को स्पष्ट रूप से पैरामीटराइज़ करने और इष्टतम स्टेट्स को हल करने के लिए ब्लोक वेक्टर नोटेशन का उपयोग करता है।
ग्रुप कोवेरियेंस और सिमेट्री: अध्ययन SIC (Symmetric Informationally Complete) मापों के गुणों का लाभ उठाता है और उनसे व्युत्पन्न नए मापों के परिवारों को पेश करता है।

मुख्य योगदान और परिणाम

1. स्क्यूड (Skewed) SIC माप और अधिकतम यादृच्छिकता
लेखक "स्क्यूड" SIC POVMs का एक परिवार पेश करते हैं। मानक SICs के विपरीत, जो अनबायस्ड हैं और मैक्सिमली मिक्स्ड स्टेट से एक समान वितरण उत्पन्न करते हैं, स्क्यूड SICs बायस्ड (biased) होते हैं। हालांकि, यह बायस उन्हें विशिष्ट शुद्ध या आइसोट्रोपिकली नॉइजी स्टेट्स से एक समान संभाव्यता वितरण उत्पन्न करने की अनुमति देता है।

परिणाम: लेखक सिद्ध करते हैं कि किसी भी आयाम $d$ में जहाँ एक SIC माप मौजूद है, वहां एक स्क्यूड SIC माप बनाया जा सकता है जो किसी भी शुद्ध या आइसोट्रोपिकली नॉइजी स्टेट से अधिकतम संभव अंतर्निहित यादृच्छिकता ( $2 \log d$ बिट्स) उत्पन्न कर सकता है।
महत्व: यह एक सोर्स-डिवाइस-इंडिपेंडेंट सेटिंग में अधिकतम यादृच्छिकता की प्राप्ति के संबंध में एक खुले प्रश्न को आंशिक रूप से हल करता है, क्योंकि ये माप सूचनात्मक रूप से पूर्ण (MICs) हैं।

2. सामान्य आयामों में अनबायस्ड चरम माप
आयाम $d$ में $n$ परिणामों वाले किसी भी अनबायस्ड चरम रैंक-वन POVM के लिए, लेखक अनुमान लगाने की प्रायता का एक सामान्य सूत्र प्राप्त करते हैं:
$P_{\text{guess}}(\rho, M) = \frac{d}{n} \max_{\sigma \in \mathcal{P}} F(\rho, \sigma),$
जहाँ $\mathcal{P}$ मेजरमेंट प्रोजेक्टर्स का कॉनवेक्स हल है और $F$ क्वांटम फिडेलिटी है।

लोअर बाउंड (Lower Bound): यह एक स्टेट-स्वतंत्र लोअर बाउंड $\log(n/d)$ बिट्स के सशर्त मिन-एन्ट्रॉपी की ओर ले जाता है।
स्ट्रिक्टनेस (Strictness): लेखक सिद्ध करते हैं कि $n < d^2$ परिणामों वाले अनबायस्ड चरम मापों के लिए, गेसिंग प्रोबेबिलिटी $1/d^2$ से अधिक होती है, जिसका अर्थ है कि परिणामों को बायस किए बिना या $d^2$ परिणामों का उपयोग किए बिना $2 \log d$ बिट्स के अधिकतम बाउंड को संतृप्त नहीं किया जा सकता है।

3. क्यूबिट ( $d=2$ ) मापों के लिए स्पष्ट समाधान
यह शोध पत्र अनबायस्ड चरम क्यूबिट मापों (2, 3, या 4 परिणामों के साथ) का पूर्ण लक्षण वर्णन प्रदान करता है।

पैरामीटराइजेशन: सभी अनबायस्ड चरम क्यूबिट MICs (4 परिणाम) को ग्रुप कोवेरिएंट दिखाया गया है और उन्हें दो कोणों, $\delta$ और $\alpha$ द्वारा वर्णित किया जा सकता है।
इष्टतम स्टेट्स (Optimal States): लेखक उन विशिष्ट शुद्ध अवस्थाओं की पहचान करते हैं जो किसी भी दिए गए अनबायस्ड क्यूबिट MIC के लिए गेसिंग प्रोबेबिलिटी को कम करती हैं। ये अवस्थाएं मेजरमेंट वेक्टर्स द्वारा बनाए गए टेट्राहेड्रॉन के चेहरों (faces) के नॉर्मल्स के रूप में पाई जाती हैं।
SIC बनाम अन्य: एक विरोधाभासी परिणाम प्रस्तुत किया गया है: सभी चार-आउटकम अनबायस्ड चरम क्यूबिट मापों में से, SIC माप (जो क्वांटम स्टेट टोमोग्राफी के लिए इष्टतम है) सबसे कम अंतर्निहित यादृच्छिकता प्रदान करता है। इसकी गेसिंग प्रोबेबिलिटी उच्चतम है ( $P_{\text{guess}} = \frac{1}{4}(1+l)$ , जहाँ $l$ SICs के लिए अधिकतम होता है)।

4. "सिज़र्स" (Scissors) मापों का परिवार
आउटकम्स को बायस किए बिना (जिसके लिए नॉन-एक्सट्रीमल या स्क्यूड माप की आवश्यकता होगी) अधिकतम यादृच्छिकता बाउंड $2 \log d$ बिट्स के करीब पहुँचने के लिए, लेखक "सिज़र्स" मापों का एक वन-पैरामीटर परिवार पेश करते हैं।

क्यूबिट्स: आयाम 2 में, सामान्य पैरामीटराइजेशन में $\alpha=0$ सेट करने पर, $\delta$ द्वारा पैरामीटराइज़ किया गया एक परिवार प्राप्त होता है। जैसे-जैसे $\delta \to 0$ , माप एक नॉन-एक्सट्रीमल सीमा की ओर बढ़ता है, और विशिष्ट नॉइजी स्टेट्स के लिए गेसिंग प्रोबेबिलिटी सैद्धांतिक अधिकतम के करीब पहुँच जाती है।
उच्च आयाम: लेखक इन अवधारणाओं को आयाम 3 और 4 में विस्तारित करते हैं। वे अनबायस्ड MICs के परिवारों को परिभाषित करते हैं (Weyl-Heisenberg ऑपरेटर्स का उपयोग करके $d=3$ के लिए और $d=4$ के लिए एक विशिष्ट सामान्यीकरण के साथ) जिनमें एक SIC माप पैरामीटर स्पेस के एक विशिष्ट बिंदु के रूप में शामिल है। जैसे ही पैरामीटर एक सीमित मान की ओर बढ़ता है, माप एक नॉन-एक्सट्रीमल अवस्था की ओर बढ़ता है जो $2 \log d$ बिट्स के अत्यंत निकट की यादृच्छिकता उत्पन्न करता है।

महत्व और दावे
यह शोध पत्र किसी भी स्टेट के लिए आयाम दो में अनबायस्ड चरम रैंक-वन मापों के लिए अंतर्निहित यादृच्छिकता के लक्षण वर्णन की समस्या को स्पष्ट रूप से हल करने का दावा करता है। यह स्थापित करता है कि जबकि SIC माप टोमोग्राफी के लिए इष्टतम हैं, वे अनबायस्ड MICs के बीच अंतर्निहित यादृच्छिकता उत्पन्न करने के लिए उप-इष्टतम (suboptimal) हैं।

प्राथमिक सैद्धांतिक योगदान यह प्रदर्शन करना है कि किसी भी आयाम में जहाँ एक SIC मौजूद है, वहां डिवाइस-डिपेंडेंटली अधिकतम यादृच्छिकता ( $2 \log d$ बिट्स) उत्पन्न की जा सकती है, बशर्ते कि प्रस्तावित स्क्यूड SIC मापों का उपयोग किया जाए। इसके अतिरिक्त, "सिज़र्स" परिवार अनबायस्ड मापों का उपयोग करके इस अधिकतम यादृच्छिकता बाउंड के करीब पहुँचने का एक मार्ग प्रदान करते हैं, जो एक्सट्रीमल और नॉन-एक्सट्रीमल रणनीतियों के बीच के अंतर को पाटते हैं। चर्चा किए गए मापों की सूचनात्मक पूर्णता के कारण ये परिणाम सोर्स-डिवाइस-इंडिपेंडेंट परिदृश्यों में भी मान्य हैं।

लेखक विनम्रतापूर्वक निष्कर्ष निकालते हैं कि हालांकि उन्होंने इन मापों का लक्षण वर्णन किया है, लेकिन यह एक खुला प्रश्न बना हुआ है कि क्या उच्च-आयामी सिज़र्स-जैसे परिवार डिवाइस-इंडिपेंडेंट रैंडमनेस जनरेशन के लिए उपयोगी होंगे, और इन परिणामों का वास्तविक शोर (noise) वाले परिदृश्यों में कैसे अनुवाद होगा।