🔬 optics

Experimental quantum state learning with pairs of photons

यह शोध पत्र प्रयोगात्मक रूप से एकल फोटॉन को मापने और आगमन के समय के आधार पर उन्हें पूर्वव्यापी रूप से जोड़ने के माध्यम से, एक दो-अवस्था वाले क्यूबिट मिश्रण के घटक शुद्ध अवस्थाओं और उनके भारों को विशिष्ट रूप से पहचानने के लिए एक प्रोटोकॉल का प्रदर्शन करता है, जिससे लगभग 10,000 फोटॉनों के साथ समान मिश्रित अवस्था की विभिन्न तैयारियों के बीच उच्च-सटीकता वाला विभेदन प्राप्त होता है।

मूल लेखक: C. Pria Dobney, Johan Henaff, Allen Kasum, Rui Jie Tang, Haru Mukumoto, Mark Hillery, Berthold-Georg Englert, Aephraim Steinberg

प्रकाशित 2026-06-16

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: C. Pria Dobney, Johan Henaff, Allen Kasum, Rui Jie Tang, Haru Mukumoto, Mark Hillery, Berthold-Georg Englert, Aephraim Steinberg

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 रहस्यमय सूप की गुप्त रेसिपी का अनुमान लगाने की कोशिश कर रहे हैं। आपको सूप चखने की अनुमति है, लेकिन एक पेच है: सूप दो अलग-अलग शोरों (ब्रोथ) का एक आदर्श मिश्रण है (मान लीजिए कि वे "टमाटर" और "तुलसी" हैं)।

यदि आप केवल एक चम्मच सूप चखते हैं, तो आप बता सकते हैं कि यह एक मिश्रण है। आप यह माप सकते हैं कि टमाटर का स्वाद कितना है बनाम तुलसी का। लेकिन आप 100% निश्चित नहीं हो सकते कि वास्तव में किस विशिष्ट टमाटर या तुलसी का उपयोग किया गया था, क्योंकि कई अलग-अलग सामग्रियों के संयोजन से बिल्कुल एक जैसा स्वाद पैदा हो सकता है। क्वांटम भौतिकी की दुनिया में, इसे "डेंसिटी मैट्रिक्स" (density matrix) कहा जाता है। यह मिश्रण के सांख्यिकी को बताता है, लेकिन व्यक्तिगत सामग्रियों की पहचान को छिपा देता है।

"पेयरिंग" (जोड़ी बनाने) की तरकीब
यह शोध पत्र एक चतुर प्रयोग का वर्णन करता है जहाँ वैज्ञानिकों ने पाया कि वे मिश्रित होने के बावजूद सटीक सामग्रियों की पहचान करने का एक तरीका खोज सकते हैं।

यहाँ इसका उदाहरण दिया गया है:
कल्पना कीजिए कि एलिस बॉब को सूप के चम्मचों की एक धारा भेज रही है। वह वादा करती है कि हर चम्मच में या तो शुद्ध "टमाटर" होगा या शुद्ध "तुलसी", लेकिन वह उन्हें बेतरतीब ढंग से मिला देती है।

समस्या: यदि बॉब एक-एक करके चम्मचों को चखता है, तो वह केवल अनुपात (जैसे, 50% टमाटर, 50% तुलसी) को समझ सकता है। वह यह नहीं जान सकता कि "टमाटर" किसी विशिष्ट बेल से आया है या "तुलसी" किसी विशिष्ट बगीचे से।
समाधान: एलिस के पास एक रहस्य है। वह जानती है कि उसके द्वारा भेजा गया हर "टमाटर" का चम्मच गुप्त रूप से दूसरे "टमाटर" के चम्मच के साथ जुड़ा हुआ है, और हर "तुलसी" का चम्मच दूसरे "तुलसी" के चम्मच के साथ जुड़ा हुआ है। वह बॉब को यह पहले नहीं बताती है। वह बस चम्मच भेज देती है।
जादुई कदम: जब बॉब सभी चम्मचों को चख लेता है और उनका रिकॉर्ड बना लेता है, तो एलिस उसे एक सूची भेजती है जिसमें लिखा होता है, "ठीक है, चम्मच #1 और चम्मच #42 एक जोड़ी थे। चम्मच #5 और चम्मच #99 एक जोड़ी थे।"

चम्मचों को बाद में जोड़ियों में समूहबद्ध करके, बॉब डेटा को अलग तरह से देख सकता है। केवल व्यक्तिगत रूप से देखने के बजाय, अब वह देख सकता है कि "जब चम्मच #1 टमाटर था, तो उसका साथी चम्मच #42 भी टमाटर ही था।" जानकारी की यह अतिरिक्त परत उसे दो सामग्रियों को गणितीय रूप से अलग करने और उनकी सटीक संभावनाओं के साथ उनकी पहचान करने की अनुमति देती है।

उन्होंने लैब में क्या किया
वैज्ञानिकों ने सूप का उपयोग नहीं किया; उन्होंने फोटोन (प्रकाश के कणों) का उपयोग किया।

स्रोत: उन्होंने एक विशेष क्रिस्टल का उपयोग करके फोटोन के जोड़े बनाए।
मिश्रण: उन्होंने प्रकाश तरंगों के कंपन की दिशा (पोलराइजेशन) को बदलकर फोटोन का एक यादृच्छिक मिश्रण तैयार किया (जैसे ऊर्ध्वाधर और क्षैतिज कंपन)।
मापन: उन्होंने फोटोन को एक-एक करके मापा, और ठीक से दर्ज किया कि प्रत्येक कब आया।
पेयरिंग (जोड़ी बनाना): बाद में, उन्होंने आगमन के समय का उपयोग करके फोटोन को "जोड़ियों" में बाँटा, ठीक वैसे ही जैसे एलिस बॉब को सूची भेजती है।
परिणाम: इस "युग्मित डेटा" का उपयोग करके, वे सफलतापूर्वक दोनों छिपी हुई अवस्थाओं की सटीक पहचान और उनके प्रकट होने की आवृत्ति को समझने में सफल रहे।

यह कितना अच्छा था?
टीम ने परीक्षण किया कि दो अवस्थाएँ एक-दूसरे से कितनी करीब हो सकती हैं इससे पहले कि उन्हें पहचानना असंभव हो जाए।

उन्होंने पाया कि यदि दो अवस्थाएँ बहुत समान हैं (जैसे लाल रंग के दो लगभग एक जैसे शेड्स), तो उन्हें अलग करने के लिए बहुत अधिक डेटा की आवश्यकता होती है।
उन्होंने पाया कि लगभग 10,000 फोटोन के जोड़ों के साथ, वे 99.99% सटीकता के साथ अवस्थाओं की पहचान कर सकते थे।
उन्होंने एक सीमा भी खोजी: यदि दो अवस्थाएँ प्रकाश के "कलर व्हील" पर 15 डिग्री से कम अंतर पर हैं, तो यह विधि उन्हें विश्वसनीय रूप से अलग नहीं कर सकती।

यह क्यों महत्वपूर्ण है?
यह शोध पत्र एक सैद्धांतिक विचार को सिद्ध करता है: यदि आपके पास क्वांटम कणों की एक धारा है और आप जानते हैं कि कौन से कण जोड़ों में आए थे, तो आप एक मिश्रण में बनने वाली विशिष्ट अवस्थाओं की अनूठी पहचान कर सकते हैं, जो कि केवल एकल-कण मापन के साथ आमतौर पर असंभव है। उन्होंने यह प्रकाश के साथ किया, यह दिखाते हुए कि "जोड़ों से सीखना" एक वास्तविक, काम करने वाली तकनीक है।

शोधकर्ताओं ने यह भी पता लगाया कि इन मिश्रणों में कितनी जानकारी भरी जा सकती है। उन्होंने पाया कि जबकि आप अवस्थाओं को बहुत करीब रखकर अधिक "बिट्स" की जानकारी भर सकते हैं, इसके लिए उन्हें सही ढंग से पढ़ने के लिए घातांकीय (exponentially) रूप से अधिक फोटोन की आवश्यकता होती है। यह एक समझौता है: आप एक सघन संदेश भेज सकते हैं, लेकिन आपको उसे डिकोड करने के लिए बहुत अधिक मात्रा में प्रकाश भेजना होगा।

संक्षेप में
यह प्रयोग एक विचार को सिद्ध करता है: यदि आपके पास क्वांटम कणों की एक धारा है और आप जानते हैं कि वे किन जोड़ियों में आए थे, तो आप एक मिश्रण को बनाने वाली विशिष्ट अवस्थाओं की पहचान कर सकते हैं, जो आमतौर पर केवल एकल-कण मापन के साथ असंभव होता है। उन्होंने यह प्रकाश के साथ किया, यह दिखाते हुए कि "जोड़ों से सीखना" एक वास्तविक, काम करने वाली तकनीक है।

तकनीकी सारांश: फोटोन के युग्मों के साथ प्रयोगात्मक क्वांटम स्टेट लर्निंग

समस्या विवरण
मानक क्वांटम स्टेट टोमोग्राफी एक समान रूप से तैयार किए गए क्वांटम सिस्टम के समूह का वर्णन करने वाले डेंसिटी मैट्रिक्स ( $\rho$ ) का अनुमान लगाने की अनुमति देती है। हालाँकि, एक मौलिक सीमा मौजूद है: एक मिश्रित-अवस्था (mixed-state) डेंसिटी मैट्रिक्स में आमतौर पर अपने घटक शुद्ध अवस्थाओं (pure states) का अद्वितीय विखंडन (unique decomposition) नहीं होता है। फलस्वरूप, जबकि एक पर्यवेक्षक (बॉब) सांख्यिकीय मिश्रण $\rho_{single} = p_0 |\psi_0\rangle\langle\psi_0| + p_1 |\psi_1\rangle\langle\psi_1|$ को निर्धारित कर सकता है, वह केवल एकल-कण मापों के माध्यम से विशिष्ट शुद्ध अवस्थाओं $|\psi_0\rangle$ और $|\psi_1\rangle$ तथा उनकी संभावनाओं $p_0$ और $p_1$ की विशिष्ट पहचान नहीं कर सकता है।

अग्रवाल एवं अन्य [12] ने इस सीमा को दूर करने के लिए एक सैद्धांतिक प्रोटोकॉल प्रस्तावित किया। उन्होंने प्रदर्शित किया कि यदि क्यूबिट्स युग्मों में आते हैं जहाँ युग्म के दोनों सदस्य एक ही अवस्था में होते हैं, तो परिणामी टू-क्यूबिट डेंसिटी मैट्रिक्स, $\rho_{pair} = p_0 |\psi_0\psi_0\rangle\langle\psi_0\psi_0| + p_1 |\psi_1\psi_1\rangle\langle\psi_1\psi_1|$ , शुद्ध उत्पाद अवस्थाओं (pure product states) के अद्वितीय विखंडन को स्वीकार करता है। यह एक पर्यवेक्षक को विशिष्ट शुद्ध अवस्थाओं और उनके भार (weights) का अनुमान लगाने की अनुमति देता है। यह शोध पत्र फोटोन ध्रुवीकरण (photon polarization) का उपयोग करके इस "लर्निंग-फ्रॉम-पेयर्स" (जोड़ों से सीखना) की अवधारणा का एक प्रयोगात्मक प्रदर्शन प्रस्तुत करता है।

कार्यप्रणाली (Methodology)
प्रयोग 808 nm के डिजेनरेट फोटोन के युग्म उत्पन्न करने के लिए एक स्पोंटेनियस पैरामीट्रिक डाउन-कन्वर्जन (SPDC) स्रोत का उपयोग करता है। एक फोटोन (इडलर) एक ट्रिगर के रूप में कार्य करता है, जबकि दूसरा (सिग्नल) एक पोलराइजेशन प्रिपरेशन स्टेज से होकर गुजरता है। एक लिक्विड-क्रिस्टल वेव प्लेट (LCWP) लागू वोल्टेज के आधार पर सिग्नल फोटोन के ध्रुवीकरण को मॉड्युलेट करती है, जो दो अलग-अलग सेटिंग्स के बीच स्विच करके दो विशिष्ट ध्रुवीकरण अवस्थाओं, $|\psi_0\rangle$ और $|\psi_1\rangle$ , का सांख्यिकीय मिश्रण उत्पन्न करती है, जिनकी संभावनाएँ $p_0$ और $p_1$ हैं।

सिग्नल फोटोन सिंगल-फोटोन पोलराइजेशन टोमोग्राफी से गुजरते हैं, जो छह आधारों (H/V, R/L, D/A) में प्रोजेक्शन को मापते हैं। महत्वपूर्ण रूप से, प्रयोग प्रत्येक पता लगाए गए फोटोन के आगमन के समय (time-of-arrival) को रिकॉर्ड करता है। हालांकि फोटोन व्यक्तिगत रूप से मापे जाते हैं, टाइम-स्टैम्प डेटा का उपयोग ज्ञात पीढ़ी सांख्यिकी (generation statistics) के आधार पर फोटोन को "जोड़ा बनाने" (pair up) के लिए पोस्ट-मेजरमेंट के बाद किया जाता है। यह युग्मन एकल-फोटोन डिटेक्शन डेटा से टू-फोटोन डेंसिटी मैट्रिक्स $\rho_{pair}$ के पुनर्निर्माण की अनुमति देता है। संदर्भ [12] में दिए गए प्रोटोकॉल का पालन करते हुए, इस $\rho_{pair}$ को $|\psi_0\rangle$ , $|\psi_1\rangle$ , $p_0$ , और $p_1$ की विशिष्ट पहचान के लिए विघटित किया जाता है।

मुख्य परिणाम
लेखकों ने विभिन्न स्थितियों के तहत प्रोटोकॉल के प्रदर्शन की जांच की:

फिडेलिटी (Fidelity) और नमूना आकार: ऑर्थोगोनल अवस्थाओं (जैसे, $|H\rangle$ और $|V\rangle$ ) के लिए समान या असमान संभावनाओं के साथ, पुनर्निर्मित अवस्थाओं की फिडेलिटी लगभग $10^4$ डिटेक्टेड फोटोन पेयर्स के साथ 99.99% तक पहुँच जाती है। फिडेलिटी $1 - F \propto 1/N$ के रूप में स्केल करती है, जो सैद्धांतिक भविष्यवाणियों के अनुरूप है।
गैर-ऑर्थोगोनल अवस्थाएं: जब दो अवस्थाएं गैर-ऑर्थोगोनल होती हैं (पोइन्केरे स्फीयर पर $\pi/2$ द्वारा अलग), तो समान फिडेलिटी प्राप्त करने के लिए अधिक पेयर्स की आवश्यकता होती है। प्रोटोकॉल $\pi/2$ के बजाय $15^\circ$ जितने छोटे कोणों द्वारा अलग की गई अवस्थाओं के बीच अंतर करने में सफल रहा। इस थ्रेशोल्ड से नीचे, दोनों अवस्थाओं के वक्र ओवरलैप हो जाते हैं, जो दिए गए नमूना आकार के साथ उन्हें अलग करने में असमर्थता को दर्शाता है।
स्टेट डिस्क्रिमिनेशन (अवस्था विभेदन): प्रयोग एक ही सिंगल-क्यूबिट मिश्रित अवस्था के दो अलग-अलग प्रेपालेशंस (जहाँ अंतर्निहित शुद्ध अवस्थाएं भिन्न होती हैं) के बीच अंतर करने की क्षमता का परीक्षण करता है। दो मिश्रणों के बीच शुद्ध अवस्थाओं के बीच के कोण $\theta$ को बदलकर, लेखकों ने पाया कि $N \sim 10^4$ के लिए, $5^\circ$ से कम के कोणों द्वारा अलग किए गए मिश्रणों के बीच अंतर करना कठिन हो जाता है।
सूचना क्षमता (Information Capacity): अध्ययन ने गणना की कि कितने अलग-अलग मिश्रणों को एनकोड और अलग किया जा सकता है। पृथक्करण कोण $\theta$ के लिए, अलग किए जा सकने वाले मिश्रणों की संख्या $8/\theta^2$ के रूप में स्केल करती है, जिससे बिट क्षमता $\log_2(8/\theta^2)$ प्राप्त होती है। हालांकि $\theta$ को कम करने से प्रति बिट सूचना बढ़ती है, लेकिन आवश्यक फोटोन काउंट $1/\theta^2$ के रूप में स्केल करता है, जिससे प्रति फोटोन बिट्स की संख्या में कमी आती है।

महत्व और दावे
यह शोध पत्र "लर्निंग-फ्रॉम-पेयर्स" प्रोटोकॉल के प्रयोगात्मक सत्यापन का दावा करता है, यह प्रदर्शित करते हुए कि युग्मन जानकारी तक पहुंच (भले ही वह टाइम-ऑफ-अराइवल के माध्यम से पोस्ट-मेजरमेंट द्वारा निर्धारित की गई हो) मिश्रित अवस्था को उसके शुद्ध घटकों में अद्वितीय विखंडन की अनुमति देती है। यह प्रभावी रूप से मानक सिंगल-पार्टिकल टोमोग्राफी में निहित गैर-विशिष्टता (non-uniqueness) को दरकिनार करता है।

लेखक इस बात पर जोर देते हैं कि यह दृष्टिकोण डेंसिटी मैट्रिक्स के गैर-रेखीय कार्यों (विशेष रूप से शुद्ध अवस्थाओं में विखंडन) के निष्कर्ष को सक्षम बनाता है जो केवल एकल-कण मापों के माध्यम से अप्राप्य हैं। यह कार्य इस विभेदन के लिए एक व्यावहारिक सीमा स्थापित करता है: $\sim 10^4$ पेयर्स के साथ, सिस्टम $15^\circ$ द्वारा अलग की गई शुद्ध अवस्थाओं को हल कर सकता है और $5^\circ$ से कम के कोणों द्वारा अलग किए गए ऑर्थोगोनल अवस्थाओं के विभिन्न मिश्रणों के बीच अंतर कर सकता है। परिणाम बताते हैं कि हालांकि $\theta$ को कम करके उच्च सूचना घनत्व सैद्धांतिक रूप से संभव है, लेकिन संसाधन लागत (फोटोन की संख्या) $\theta^2$ के रूप में बढ़ती है, जो संचार सेटिंग्स में छोटे सिंबल अल्फाबेट्स के पक्ष में हो सकती है।

इसी तरह के और पेपर