Comment on Temperature change can solve the Deutsch-Jozsa problem: An exploration of thermodynamic query complexity

तकनीकी सारांश: तापमान परिवर्तन के माध्यम से डॉयच-जोज़ा समस्या को हल करने पर टिप्पणी: थर्मोडायनामिक क्वेरी जटिलता का एक अन्वेषण

समस्या विवरण
यह शोध पत्र Phys. Rev. A 113, 012420 (2026) (इसके बाद संदर्भ [1] के रूप में संदर्भित) में प्रस्तावित संसाधन लेखांकन (resource accounting) और रीडआउट विश्लेषण में एक गंभीर त्रुटि को संबोधित करता है। संदर्भ [1] का दावा है कि डॉयच-जोज़ा निर्णय समस्या (Deutsch–Jozsa decision problem) को एक एकल थर्मल क्वेरी (एक प्रोब क्वबिट और एक थर्मल-मशीन ऑरेकल के बीच ऊष्मा विनिमय) और उसके बाद सांख्यिकीय रूप से उपयोगी प्रोब नमूनों (samples) की एक संख्या के माध्यम से हल किया जा सकता है, जो इनपुट आकार से स्वतंत्र है। इस टिप्पणी के लेखक तर्क देते हैं कि प्रस्तावित रीडआउट तंत्र एक एकल क्वेरी से स्वतंत्र नमूने उत्पन्न करने में विफल रहता है और व्युत्पन्न सैंपल लोअर बाउंड्स (sample lower bounds) गणितीय रूप से गलत हैं।

कार्यप्रणाली और विश्लेषण
यह शोध पत्र संदर्भ [1] में चर्चा की गई दो प्राथमिक रीडआउट रणनीतियों और सांख्यिकीय असमानताओं (statistical inequalities) का विश्लेषण करता है जिनका उपयोग सैंपल जटिलता बाउंड्स को व्युत्पन्न करने के लिए किया गया है:

1. CNOT फैनआउट विश्लेषण: संदर्भ [1] एक एकल पोस्ट-क्वेरी प्रोब अवस्था $\rho_h$ (जहाँ $h \in \{B, C\}$ संतुलित या स्थिर परिकल्पनाओं का प्रतिनिधित्व करता है) को $M$ शुद्ध अनसिला क्वबिट्स में "यूनिटरी रूप से पुनर्निर्मित" करने के लिए CNOT गेट्स का उपयोग करने का प्रस्ताव करता है ताकि बार-बार माप (repeated measurements) की अनुमति मिल सके।

   • लेखक प्रदर्शित करते हैं कि एक विकर्ण (diagonal) प्रोब अवस्था से $M$ अनसिलाज़ तक CNOT गेट्स लागू करने से एक संयुक्त अवस्था $\sigma^{(M)}_h = p_h|0^{M+1}\rangle\langle 0^{M+1}| + (1-p_h)|1^{M+1}\rangle\langle 1^{M+1}|$ प्राप्त होती है।
   • जबकि व्यक्तिगत रजिस्टरों में मार्जिनल अवस्था बनी रहती है, संयुक्त अवस्था पूरी तरह से सह-संबंधित (correlated) रजिस्टरों से बनी होती है (या तो सभी $0$या सभी$1$)।
   • फलस्वरूप, $M+1$ रिकॉर्ड किए गए बिट्स एक ही बर्नौली ड्रॉ (Bernoulli draw) के $M$ बार कॉपी किए गए रूप हैं, न कि $M+1$ स्वतंत्र ड्रॉ। अनुभवजन्य आवृत्ति (empirical frequency) $M$ बढ़ने पर वास्तविक प्रायिकता $p_h$ की ओर अभिसरित (converge) नहीं होती है।
   • यह पत्र संतुलित और स्थिर परिकल्पनाओं के बीच ट्रेस डिस्टेंस (trace distance) और रिलेटिव एंट्रॉपी (relative entropy) की गणना करता है, जो यह दर्शाता है कि वे सिंगल-कॉपी मानों के समान ही रहते हैं ($T(\sigma^{(M)}_B, \sigma^{(M)}_C) = T(\rho_B, \rho_C)$ और $D(\sigma^{(M)}_B \| \sigma^{(M)}_C) = D(\rho_B \| \rho_C)$)। अतः, फैनआउट विभेद्यता (distinguishability) को बढ़ाता नहीं है।

2. रीसेट-एंड-रिपीट विश्लेषण: वैकल्पिक रणनीति प्रोब को मापने, सिस्टम को रीसेट करने और प्रयोग को दोहराने की है।

   • लेखक संदर्भ [1] की परिभाषा के तहत, जहाँ एक "क्वेरी" को प्रोब और ऑरेकल के बीच ऊष्मा विनिमय के रूप में परिभाषित किया गया है, यह तर्क देते हैं कि $M$ स्वतंत्र नमूने उत्पन्न करने के लिए इस प्रक्रिया में $M$ अलग-अलग थर्मल क्वेरी की आवश्यकता होगी।
   • इसलिए, "एक क्वेरी के बाद कई नमूने" का दावा परिचालन रूप से अमान्य है; स्वतंत्र नमूनों के लिए बार-बार ऊष्मा विनिमय आवश्यक है।

3. सांख्यिकीय असमानता आलोचना: यह पत्र संदर्भ [1] के समीकरण (7) में दिए गए सैंपल लोअर बाउंड $n^*$ का परीक्षण करता है, जो दावा करता है कि $n^* > \ln(1/\delta) / D(\rho_B \| \rho_C)$ और ट्रेस डिस्टेंस थ्रेशोल्ड $t$ से संबंधित होने के लिए पिंस्कर की असमानता (Pinsker's inequality) का उपयोग करता है।

   • लेखक दिखाते हैं कि पिंस्कर की असमानता ($D \geq 2T^2$) रिलेटिव एंट्रॉपी के व्युत्क्रम (reciprocal) पर एक ऊपरी (upper) बाउंड लगाती है, न कि लोअर बाउंड।
   • विशेष रूप से, असमानता को प्रतिस्थापित करने पर $\frac{\ln(1/\delta)}{D} < \frac{\ln(1/\delta)}{2t^2}$ प्राप्त होता है। $n^*$ के लिए बाएं पक्ष से प्राप्त लोअर बाउंड तार्किक रूप से $n^* > \frac{\ln(1/\delta)}{2t^2}$ के रूप में stated inequality को सिद्ध नहीं कर सकता।
   • इसके अतिरिक्त, लेखक नोट करते हैं कि चेरनोफ-स्टीन लेम्मा (Chernoff–Stein lemma), जो एसिम्प्टोटिक एरर एक्सपोनेंट्स को नियंत्रित करता है, बिना अतिरिक्त विश्लेषण के संदर्भ [1] में प्रयुक्त सटीक परिमित-नमूना (finite-sample) असमानता प्रदान नहीं करता है।

प्रमुख योगदान और परिणाम

• संसाधन गणना का सुधार: यह शोध पत्र स्थापित करता है कि एक विकर्ण पोस्ट-क्वेरी प्रोब का CNOT फैनआउट स्वतंत्र प्रतियों के बजाय पूरी तरह से सह-संबंधित रजिस्टर बनाता है। इसलिए, इन अनसिलाज़ के बार-बार मापन से केवल एक बर्नौली अवलोकन प्राप्त होता है, न कि $M$ स्वतंत्र अवलोकन।
• क्वेरी जटिलता का स्पष्टीकरण: विश्लेषण पुष्टि करता है कि "रीसेट-एंड-रिपीट" पद्धति के माध्यम से $M$ स्वतंत्र नमूने उत्पन्न करने के लिए $M$ थर्मल क्वेरी की आवश्यकता होती है, जो "एक क्वेरी के बाद कई नमूने" के दावे का खंडन करता है।
• सैंपल बाउंड का गणितीय खंडन: यह पत्र प्रदर्शित करता है कि उद्धृत विशिष्ट सैंपल लोअर बाउंड (जिसके लिए $\delta = t = 0.1$ के लिए लगभग 116 नमूने आवश्यक हैं) पिंस्कर की असमानता से अनुसरण नहीं करता है। असमानता वास्तव में दिए गए व्यंजक के लिए एक ऊपरी अनुमान प्रदान करती है, न कि एक आवश्यक निचला बाउंड।
• विभेद्यता संरक्षण (Distinguishability Preservation): यह दिखाया गया है कि CNOT फैनआउट एक आइसोमेट्रिक एम्बेडिंग (isometric embedding) है जो परिकल्पनाओं के बीच ट्रेस डिस्टेंस और रिलेटिव एंट्रॉपी को बढ़ाता नहीं, बल्कि संरक्षित करता है।

महत्व और दावे
लेखक कहते हैं कि ये अवलोकन जनसंख्या-स्थानांतरण (population-transfer) गणनाओं या "थर्मल किकबैक" द्वारा निर्णय सूचना को प्रोब तापमान में एनकोड करने की संभावना को अमान्य नहीं करते हैं। वे इस संभावना को भी खारिज नहीं करते कि एक निश्चित लक्ष्य त्रुटि के लिए स्थिर क्वेरी जटिलता संभव है, बशर्ते कि जनसंख्या पृथक्करण शून्य से दूर बना रहे।

हालाँकि, यह पत्र दावा करता है कि परिचालन निष्कर्षों (operational conclusions) को संदर्भ [1] के अनुसार सुधारा जाना चाहिए। विशेष रूप से:

1. यह दावा कि एक एकल क्वेरीड मिक्स्ड प्रोब कई स्वतंत्र अवलोकन प्रदान करता है, गलत है।
2. तापमान अनुमान के लिए आवश्यक स्वतंत्र अवलोकन उत्पन्न करने के लिए ऊष्मा-विनिमय ऑरेकल के बार-बार उपयोग की आवश्यकता होती है।
3. "एक क्वेरी" बनाम "कई नमूने" के आधार पर तुलना त्रुटिपूर्ण है।
4. समीकरण (7) से प्राप्त विशिष्ट संख्यात्मक दावा कि "कम से कम 116 नमूने" चाहिए, उद्धृत असमानताओं द्वारा समर्थित नहीं है।

यह शोध पत्र निष्कर्ष निकालता है कि संदर्भ [1] में एक-क्वेरी रीडआउट दावे और उससे जुड़े संसाधन लेखांकन को थर्मोडायनामिक क्वेरी जटिलता को सटीक रूप से दर्शाने के लिए सुधार की आवश्यकता है।