⚛️ quantum physics

Generating Fock state exceeding 10000 excitations with near unit fidelity by adaptive generalized-parity measurement

यह शोध पत्र एक अनुकूली सामान्यीकृत-पैरिटी (generalized-parity) मापन प्रोटोकॉल प्रस्तावित करता है जो मापन की यादृच्छिकता को अनुकूली अपडेट में परिवर्तित करके, संभाव्य पोस्टसेलेक्शन (probabilistic postselection) की सीमाओं से बचते हुए, बड़े सुसंगत (coherent) या विस्थापित तापीय (displaced thermal) अवस्थाओं को 10,000 से अधिक उत्तेजनाओं वाले मैक्रोस्कोपिक फॉक (macroscopic Fock) अवस्थाओं में निकट-इकाई निष्ठा (near-unit fidelity) के साथ नियत रूप से परिवर्तित करता है।

मूल लेखक: Chen-yi Zhang, Jun Jing

प्रकाशित 2026-06-02

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Chen-yi Zhang, Jun Jing

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 विशाल समुद्र तट पर रेत के एक विशिष्ट, एकल कण को खोजने की कोशिश कर रहे हैं। आमतौर पर, यदि आप बस बेतरतीब ढंग से खुदाई करना शुरू करते हैं, तो आप भाग्यशाली हो सकते हैं, लेकिन संभावनाएं बहुत खराब हैं। यदि आप रेत को छलनी से छानने की कोशिश करते हैं, तो आप सही कण को पकड़ सकते हैं, लेकिन आपको रास्ते में मिले लगभग सभी अन्य रेत को फेंकना पड़ेगा। यह इस तरह से काम करता है जैसे वर्तमान में विशिष्ट क्वांटम अवस्थाओं (quantum states) को बनाने के अधिकांश तरीके काम करते हैं: ये एक छलनी की तरह हैं जो केवल "भाग्यशाली" परिणामों को रखती हैं और बाकी को फेंक देती हैं।

यह शोध पत्र उस विशिष्ट रेत के कण (ऊर्जा के 10,000 से अधिक कणों वाला एक "फॉक स्टेट") को खोजने का एक स्मार्ट और अधिक कुशल तरीका प्रस्तावित करता है, जिसमें कुछ भी फेंके बिना उसे प्राप्त किया जा सकता है।

समस्या: "भाग्यशाली छलनी" (The "Lucky Sieve")

क्वांटम दुनिया में, वैज्ञानिक "मैक्रोस्कोपिक फॉक स्टेट्स" (macroscopic Fock states) बनाना चाहते हैं। इन्हें ऊर्जा के पैकेटों (फोटोन) की एक बहुत ही सटीक, बड़ी संख्या वाले कंटेनरों के रूप में समझें, जैसे कि ठीक 10,000।

पुराना तरीका: वैज्ञानिक "पोस्ट-सिलेक्शन" (post-selection) नामक प्रक्रिया का उपयोग करते हैं। कल्पना करें कि आपके पास रेत को छाँटने वाली एक मशीन है। यह केवल रेत को तभी रखती है जब वह एक बहुत ही विशिष्ट क्रम में बाहर आती है। यदि मशीन कोई गलती करती है, तो आपको फिर से शुरुआत करनी पड़ती है। जैसे-जैसे आपके द्वारा वांछित कणों की संख्या बढ़ती है, भाग्य से सही क्रम पाने की संभावना लगभग शून्य हो जाती है। यह एक 10,000-अंकों वाले पासवर्ड का रैंडम अनुमान लगाने जैसा है; आप कभी सफल नहीं हो पाएंगे।

समाधान: "अनुकूली जीपीएस" (The "Adaptive GPS")

लेखक, चेन-यी झांग और जुन जिंग, एक नई विधि प्रस्तावित करते हैं जिसे एडेप्टिव जनरलाइज्ड-पैरिटी मेजरमेंट (Adaptive Generalized-Parity Measurement) कहा जाता है।

यहाँ उपमा (analogy) दी गई है:
कल्पना कीजिए कि आप एक विशिष्ट कमरे को खोजने के लिए एक भूलभुलैया (maze) में नेविगेट कर रहे हैं।

पुराना तरीका: आप एक रास्ते पर चलते हैं। यदि आप किसी बंद रास्ते (dead end) पर पहुँच जाते हैं, तो आप वापस शुरुआत में जाते हैं और दूसरा रास्ता आज़माते हैं। अधिकांश रास्ते बंद होते हैं, इसलिए आप बहुत समय बर्बाद करते हैं।
नया तरीका (यह शोध पत्र): आपके पास एक जीपीएस (सहायक क्यूबिट/ancillary qubit) है जो हर चौराहे पर आपसे बात करता है।
1. आप एक कदम उठाते हैं।
2. जीपीएस आपको बताता है, "आप बाएं गए।"
3. यह कहने के बजाय कि "गलत, वापस जाओ," जीपीएस कहता है, "ठीक है, चूंकि आप बाएं गए, इसलिए अगला मोड़ दाएं होना चाहिए।"
4. आप अपने अगले कदम को उस उत्तर के आधार पर समायोजित करते हैं।

इस शोध पत्र में, "जीपीएस" एक छोटा क्वांटम बिट (एक क्यूबिट) है जो बड़े सिस्टम (रेज़ोनेटर) से जुड़ा हुआ है। वैज्ञानिक क्यूबिट को मापते हैं। यदि क्यूबिट "अप" (परिणाम $e$ ) कहता है, तो वे अगले चरण के लिए माप सेटिंग्स को समान रखते हैं। यदि यह "डाउन" (परिणाम $g$ ) कहता है, तो वे अगले माप के समय को थोड़ा बदल देते हैं।

जादुई ट्रिक:
यह अनुकूली नियम (adaptive rule) माप की "अनिश्चितता" (randomness) को एक मार्गदर्शक में बदल देता है। "गलत" उत्तरों को फेंकने के बजाय, सिस्टम अगले कदम को परिष्कृत करने के लिए उस जानकारी का उपयोग करता है। क्यूबिट चाहे कुछ भी कहे, प्रक्रिया आगे बढ़ती रहती है। आप कभी भी एक माप को बेकार नहीं करते; आप बस अगले कदम को बेहतर बनाने के लिए परिणाम का उपयोग करते हैं।

परिणाम: घास के ढेर में सुई खोजना (Finding the Needle in the Haystack)

लेखकों ने इस विचार का परीक्षण एक मानक क्वांटम मॉडल (जेनिस-कमिंग्स मॉडल) का उपयोग करके किया। उन्हें क्या मिला:

विशाल संख्याएँ: उन्होंने 10,000 से अधिक उत्तेजनाओं (फोटोन) वाले फॉक स्टेट्स सफलतापूर्वक बनाए। यह एक "मैक्रोस्कोपिक" संख्या है, जिसका अर्थ है कि क्वांटम दुनिया के लिए यह बहुत बड़ी है।
गति: उन्होंने माप के केवल 10 राउंड में इसे पूरा किया। क्योंकि यह विधि इतनी कुशल है, इसलिए आवश्यक चरणों की संख्या बहुत धीरे (लॉगारिदमिक रूप से) बढ़ती है, भले ही लक्षित संख्या बहुत विशाल क्यों न हो जाए।
सफलता दर:
- औसतन, अंतिम अवस्था लगभग 80% सटीक (fidelity) थी।
- इससे भी अधिक प्रभावशाली बात यह है कि, लगभग 35% बार, उन्हें एक ऐसी अवस्था मिली जो 99% पूर्ण थी।
- यह पुराने तरीकों की तुलना में एक बड़ा सुधार है, जहाँ इतनी बड़ी संख्याओं के लिए सफलता दर व्यावहारिक रूप से शून्य होती।

मजबूती (Robustness): यह तब भी काम करता है जब स्थिति "गंदी" हो

आमतौर पर, क्वांटम प्रयोगों के लिए एक पूरी तरह से साफ, ठंडी शुरुआती स्थिति की आवश्यकता होती है। लेखकों ने दिखाया कि उनकी विधि मजबूत है। भले ही उन्होंने एक "डिस्प्लेस्ड थर्मल स्टेट" (कल्पना करें कि रेत थोड़ी गर्म और हिलती-डुलती है, पूरी तरह से स्थिर नहीं है) के साथ शुरुआत की हो, फिर भी यह तरीका काम करता है।

मध्यम तापमान पर भी, वे लगभग 10% समय में 99% सटीकता के साथ 3,000-फोटोन अवस्था बना सकते थे।
इसका अर्थ है कि इस विधि को काम करने के लिए पूरी तरह से शुद्ध वातावरण की आवश्यकता नहीं है, जो इसे वास्तविक प्रयोगशालाओं के लिए अधिक व्यावहारिक बनाता है।

सारांश

यह शोध पत्र क्वांटम अवस्थाओं के लिए एक नया "नेविगेशन सिस्टम" प्रस्तुत करता है। भाग्यशाली अवसर की प्रतीक्षा करने और विफलताओं को फेंक देने के बजाय, यह हर एक माप परिणाम का उपयोग सिस्टम को एक विशाल, सटीक लक्ष्य की ओर मोड़ने के लिए करता है। यह वैज्ञानिकों को बड़ी, सटीक क्वांटम अवस्थाओं को तेज़ी से और विश्वसनीय रूप से उत्पन्न करने की अनुमति देता है, भले ही शुरुआती स्थितियाँ आदर्श न हों।

तकनीकी सारांश: अनुकूली सामान्यीकृत-पैरिटी मापन (Adaptive Generalized-Parity Measurement) के माध्यम से 10,000 से अधिक उत्तेजनाओं वाले फोक अवस्थाओं (Fock States) का सृजन

समस्या विवरण
मैक्रोस्कोपिक फोक अवस्थाएं (वे अवस्थाएं जिनमें उत्तेजनाओं की एक बड़ी, निश्चित संख्या होती है) क्वांटम मेट्रोलॉजी, सिमुलेशन और उन्नत संवेदन (sensing) के लिए महत्वपूर्ण संसाधन हैं। हालांकि कैविटी और सर्किट QED में फोक अवस्थाओं को उत्पन्न करने के लिए विभिन्न प्रोटोकॉल मौजूद हैं, लेकिन वे छोटे उत्तेजना संख्याओं तक ही सीमित हैं। मैक्रोस्कोपिक शासन (जैसे, $n > 10^4$ फोटॉन) तक विस्तार करना चुनौतीपूर्ण बना हुआ है। मौजूदा विधियां अक्सर संभावabilistic पोस्टसेलेक्शन (postselection) पर निर्भर करती हैं, जहाँ सफलता एक विशिष्ट मापन परिणामों के अनुक्रम पर निर्भर करती है, जिससे लक्षित उत्तेजना संख्या बढ़ने के साथ सफलता की संभावना तेजी से (exponentially) घटती जाती है। इसके अलावा, कई प्रोटोकॉल शुद्ध-अवस्था आरंभीकरण (pure-state initialization), सटीक बाहरी ड्राइविंग, या जटिल गेट ऑपरेशनों की मांग करते हैं, जो उनकी स्केलेबिलिटी और थर्मल शोर (thermal noise) के विरुद्ध मजबूती को सीमित करते हैं।

कार्यप्रणाली (Methodology)
लेखक एक अनुकूली सामान्यीकृत-पैरिटी मापन (GPM) पर आधारित एक नियत (deterministic) प्रोटोकॉल प्रस्तावित करते हैं जो बिना पोस्टसेलेक्शन के मैक्रोस्कोपिक फोक अवस्थाओं को उत्पन्न करता है। मुख्य ढांचा निम्नलिखित है:

सिस्टम आर्किटेक्चर: एक मुख्य प्रणाली जिसका एक विविक्त (discrete), गैर-अपभ्रंश स्पेक्ट्रम (non-degenerate spectrum) है (जैसे, एक बोसोनिक मोड) जो एक अनुलग्न क्यूबिट (ancillary qubit) के साथ एक एक्सचेंज-प्रकार के इंटरेक्शन (जेनेस-कम्िंग्स हैमिल्टनियन द्वारा मॉडल किया गया) के माध्यम से जुड़ा हुआ है।
अनुकूली प्रोटोकॉल (Adaptive Protocol): एक निश्चित अनुक्रम के बजाय, यह प्रोटोकॉल अनुलग्न क्यूबिट पर बार-बार होने वाले प्रक्षेपिक मापन (projective measurements) का उपयोग करता है। महत्वपूर्ण रूप से, $k$ -वें और $(k+1)$ -वें मापन के बीच का समय अंतराल ( $\tau_k$ ) पिछले मापन के परिणाम ( $m_k$ ) के आधार पर अनुकूलित (adaptively update) किया जाता है।
सामान्यीकृत पैरिटी निर्माण:
- लेखक एक निर्माण नियम व्युत्पन्न करते हैं जहाँ मापन अंतराल इस तरह चुने जाते हैं कि विकास ऑपरेटर (evolution operator) एक फिल्टर के रूप में कार्य करे।
- यदि मापन परिणाम $|e\rangle$ है, तो प्रणाली एक "डायगोनल" GPM के माध्यम से गुजरती है, जो $n_m \equiv n_t(k) \pmod{2^k}$ द्वारा परिभाषित उप-स्थान (subspace) पर प्रक्षेप करती है।
- यदि परिणाम $|g\rangle$ है, तो प्रणाली एक "विस्थापित" (displaced) GPM के माध्यम से गुजरती है, जो एक शिफ्ट किए गए उप-स्थान पर प्रक्षेप करती है।
- एक लेबल $n_t(k)$ को नियम $n_t(k+1) = n_t(k) + (1 - \delta_{m_{k+1}, m_k})2^k$ के अनुसार नियत रूप से अपडेट किया जाता है।
ट्रैजेक्टरी रिटेंशन (Trajectory Retention): उन ट्रैजेक्टरीज को त्यागने के विपरीत जो एक विशिष्ट पोस्टसेलेक्शन स्थिति को विफल करती हैं, यह प्रोटोकॉल प्रत्येक मापन ट्रैजेक्टरी को बनाए रखता है। अनुलग्न (ancilla) मापन की यादृच्छिकता (randomness) को GPM मापदंडों के एक अनुकूली अपडेट में परिवर्तित कर दिया जाता है, जो सिद्धांत रूप में इकाई सफलता की संभावना सुनिश्चित करता है (सभी ट्रैजेक्टरीज एक फिल्टर किए गए राज्य की ओर ले जाती हैं, हालांकि विशिष्ट अंतिम फोक अवस्था का सूचकांक थोड़ा भिन्न हो सकता है)।

मुख्य योगदान

नियत स्केलिंग (Deterministic Scaling): यह प्रोटोकॉल पोस्टसेलेक्शन से जुड़ी सफलता की प्रायिकता के घातांकीय दमन (exponential suppression) को समाप्त करता है। यह लक्षित उत्तेजना संख्या के सापेक्ष ऑपरेशन राउंड्स का लघुगणकीय स्केलिंग ( $N \sim \log_2 \sqrt{n_t(0)}$ ) प्राप्त करता है।
मैक्रोस्कोपिक सृजन: यह विधि सैद्धांतिक रूप से लगभग 10 मापन राउंड के भीतर $n_t = O(10^4)$ की उत्तेजना संख्या वाली फोक अवस्थाओं को उत्पन्न करने में सक्षम है।
मजबूती (Robustness): यह प्रोटोकॉल विस्थापित थर्मल अवस्थाओं (displaced thermal states) से शुरू होने पर भी प्रभावी दिखाया गया है, जो शुद्ध-अवस्था आरंभीकरण की आवश्यकता के बिना मध्यम थर्मल मिश्रण के विरुद्ध लचीलापन प्रदर्शित करता है।
सरलता: इसके कार्यान्वयन के लिए किसी बाहरी ड्राइविंग फील्ड, गेट ऑपरेशनों, या मापन आधार (measurement basis) में परिवर्तन की आवश्यकता नहीं है; यह केवल मुक्त विकास (free evolution) और प्रक्षेपिक मापन पर निर्भर करता है।

परिणाम
अनुनादपूर्ण जेनेस-कम्िंग्स मॉडल पर आधारित संख्यात्मक सिमुलेशन निम्नलिखित परिणाम देते हैं:

फिडेलिटी (Fidelity): $n_t(0) \approx 10^4$ के साथ एक कोहेरेंट अवस्था के लिए, यह प्रोटोकॉल 10 राउंड के भीतर लगभग 80% की औसत फिडेलिटी के साथ एक फोक अवस्था उत्पन्न करता है।
उच्च-फिडेलिटी की प्रायिकता: बड़े $n_t(0)$ (विशेष रूप से $n_t(0) \ge 5000$ ) के लिए 99% से अधिक फिडेलिटी प्राप्त करने की प्रायिकता लगभग 35% है। यह पोस्टसेलेक्शन-आधारित प्रोटोकॉल की तुलना में काफी अधिक है।
थर्मल मजबूती: जब इसे एक विस्थापित थर्मल अवस्था के साथ आरंभीकृत किया जाता है, तो प्रोटोकॉल उच्च प्रदर्शन बनाए रखता है। $\beta = 2/\omega_c$ के लिए व्युत्क्रम तापमान के साथ, $n_t(0) \approx 3000$ के लिए $>99\%$ फिडेलिटी प्राप्त करने की प्रायिकता लगभग 29% बनी रहती है। हालांकि उच्च तापमान (कम $\beta$ ) फिल्टरिंग दक्षता और अंतिम फिडेलिटी को कम करता है, फिर भी प्रोटोकॉल कार्यात्मक और स्केलेबल रहता है।
समय जटिलता (Time Complexity): कुल रनिंग टाइम $T \sim \sqrt{n_t(0)} \log_2 \sqrt{n_t(0)}$ के रूप में स्केल करता है, जो मैक्रोस्कोपिक लक्ष्यों के लिए कुशल है।

महत्व और दावे
यह शोध पत्र मैक्रोस्कोपिक गैर-क्लासिक अवस्थाओं को उत्पन्न करने के लिए एक सुविधाजनक और व्यावहारिक मार्ग प्रदान करने का दावा करता है। पोस्टसेलेक्शन-आधारित विधियों की स्केलेबिलिटी बाधा को दूर करने के लिए मापन की यादृच्छिकता को अनुकूली नियंत्रण में बदलकर, यह प्रोटोकॉल एक महत्वपूर्ण उपलब्धि है। लेखक इस बात पर जोर देते हैं कि उनका दृष्टिकोण अन्य उच्च-फिडेलिटी पीढ़ी योजनाओं की तरह शुद्ध-अवस्था आरंभीकरण या जटिल नियंत्रण अनुक्रमों (जैसे अनुकूली ड्राइविंग या गेट ऑपरेशंस) की मांग नहीं करता है। फलस्वरूप, इस पद्धति को विविक्त स्पेक्ट्रा वाले सिस्टम में, विशेष रूप से उन अनुप्रयोगों के लिए एक मजबूत उपकरण के रूप में प्रस्तुत किया गया है जहाँ वर्तमान विधियाँ कम सफलता प्रायिकता या आरंभीकरण बाधाओं द्वारा सीमित हैं।

समस्या: "भाग्यशाली छलनी" (The "Lucky Sieve")

समाधान: "अनुकूली जीपीएस" (The "Adaptive GPS")

परिणाम: घास के ढेर में सुई खोजना (Finding the Needle in the Haystack)

मजबूती (Robustness): यह तब भी काम करता है जब स्थिति "गंदी" हो

सारांश

इसी तरह के और पेपर