Metrology of quantum imaging schemes

कल्पना कीजिए कि आप किसी गुप्त वस्तु की तस्वीर लेने की कोशिश कर रहे हैं, लेकिन आप एक सामान्य कैमरे का उपयोग नहीं कर सकते। शायद वह वस्तु इतनी नाजुक है कि एक तेज़ फ्लैश उसे नष्ट कर सकता है, या शायद वह एक धुंधले कमरे में छिपी हुई है जहाँ सामान्य प्रकाश खो जाता है। यह क्वांटम इमेजिंग (quantum imaging) की दुनिया है, जहाँ वैज्ञानिक उन चीजों को देखने के लिए क्वांटम मैकेनिक्स के अजीब और रहस्यमयी नियमों का उपयोग करते हैं जो अन्यथा अदृश्य रहती हैं। प्रकाश की बाढ़ के बजाय, ये विधियाँ "एंटैंगल्ड" (entangled) फोटॉन के जोड़ों पर निर्भर करती हैं—प्रकाश के नन्हे कण जो एक साथ पैदा होते हैं और जुड़े रहते हैं, जैसे कि जादुई पासे की एक जोड़ी जो एक-दूसरे से कितनी भी दूर क्यों न हों, हमेशा एक ही नंबर दिखाते हैं।

यह समझने के लिए कि ये क्वांटम कैमरे कितने अच्छे होते हैं, वैज्ञानिक क्वांटम मेट्रोलॉजी (quantum metrology) नामक एक उपकरण का उपयोग करते हैं। इसे सटीकता के लिए परम रूलर (मापक) समझें। यह केवल यह नहीं बताता कि एक तस्वीर कितनी स्पष्ट है; यह गणना करता है कि भौतिकी के नियमों को देखते हुए, प्रकाश के एक विशिष्ट प्रकार के साथ आप कितनी बेहतरीन स्पष्टता प्राप्त कर सकते हैं। यह एक सरल लेकिन गहरा प्रश्न पूछता है: "यदि हम यह मापने की कोशिश कर रहे हैं कि कितनी रोशनी एक वस्तु के विभिन्न हिस्सों से गुजरती है, तो सबसे सटीक तरीका क्या है, और कौन सा क्वांटम तरीका हमें सबसे अच्छा उत्तर देता है?" यह केवल सुंदर तस्वीरें लेने के बारे में नहीं है; यह कम रोशनी वाले वातावरण, मेडिकल इमेजिंग और बिना छुए सामग्रियों को देखने की सीमाओं को आगे बढ़ाने के बारे में है।

---

द ग्रेट क्वांटम कैमरा शोडाउन (The Great Quantum Camera Showdown)

इस शोध पत्र में, जर्मनी के फ्रैउनहोफर IOSB के दो शोधकर्ताओं, एम्मा ब्रैम्बिला और जियाकोमो सोरेली ने तीन प्रसिद्ध क्वांटम इमेजिंग ट्रिक्स को एक आमने-सामने की प्रतियोगिता में डालने का निर्णय लिया। वे जानना चाहते थे: पारदर्शिता मापने के मामले में कौन सी विधि सबसे अच्छी है? उन्होंने वस्तु को विभिन्न "मोड्स" (modes) (सोचिए कि ये प्रकाश के अलग-अलग चैनल या लेन हैं) से बनी एक पहेली की तरह माना, और पूछा कि कौन सी इमेजिंग रणनीति प्रत्येक लेन की पारदर्शिता को उच्चतम सटीकता के साथ पता लगा सकती है।

तीन दावेदार ये थे:

1. घोस्ट इमेजिंग (Ghost Imaging - GI): "घोस्ट" विधि। यहाँ, जोड़े का एक फोटॉन वस्तु के माध्यम से जाता है, जबकि उसका साथी उसे कभी छूता ही नहीं है। आप केवल उस साथी का पता लगाते हैं जो सुरक्षित रहा, लेकिन क्योंकि वे एंटैंगल्ड हैं, आप उस छवि को पुनर्गठित कर सकते हैं जो पहले फोटॉन ने देखी थी। यह अपने दोस्त की खाली प्लेट को देखकर यह अनुमान लगाने जैसा है कि उसने क्या खाया था, भले ही आपने भोजन को कभी देखा ही न हो।
2. टू-फोटॉन इमेजिंग (Two-Photon Imaging - TP): "डबल ट्रबल" विधि। जोड़े के दोनों फोटॉन एक ही समय में वस्तु के माध्यम से जाते हैं। आप घटना को तभी गिनते हैं जब दोनों अपनी यात्रा में जीवित बच जाते हैं। यह दो संदेशवाहकों को एक खतरनाक जंगल से भेजने जैसा है; आप संदेश पर तभी भरोसा करते हैं जब दोनों सुरक्षित बाहर निकल आते हैं।
3. अनडिटेक्टेड फोटॉन्स के साथ इमेजिंग (Imaging with Undetected Photons - UP): "इनविजिबल स्पाई" विधि। यह सबसे चालाकी भरी है। आप प्रकाश उत्पन्न करते हैं, एक भाग को वस्तु के माध्यम से भेजते हैं, लेकिन आप उस भाग को वास्तव में कभी नहीं देखते हैं। इसके बजाय, आप प्रकाश के दूसरे भाग को देखते हैं जिसने वस्तु को छुआ ही नहीं, और यह महसूस करने के लिए हस्तक्षेप पैटर्न (interference patterns) का उपयोग करते हैं कि अदृश्य वाले के साथ क्या हुआ। यह उस छाया को महसूस करने जैसा है कि वह दीवार पर प्रकाश को कैसे विकृत करती है, बिना उस वस्तु को देखे जो छाया बना रही है।

खेल के नियम

इन विधियों का निष्पक्ष रूप से न्याय करने के लिए, लेखकों ने केवल यह नहीं देखा कि तस्वीरें कितनी सुंदर दिखती हैं। उन्होंने क्वांटम फिशर इंफॉर्मेशन (Quantum Fisher Information - QFI) नामक एक गणितीय उपकरण का उपयोग किया। कल्पना करें कि QFI एक स्कोरकार्ड है जो आपको सर्वोत्तम संभव सटीकता बताता है। यदि किसी विधि का स्कोर QFI से मेल खाता है, तो इसका मतलब है कि वह विधि पूर्ण है—वह भौतिकी के नियम द्वारा अनुमत हर एक बिट जानकारी निकाल रही है।

शोधकर्ताओं ने कपलिंग (coupling) नामक एक जटिल समस्या को भी देखा। कुछ विधियों में, एक हिस्से को मापने से दूसरे हिस्से को मापने की आपकी क्षमता बाधित होती है। यह रेडियो ट्यून करने जैसा है: यदि आप "बास" (bass) के लिए नॉब घुमाते हैं, तो "ट्रेबल" (treble) विकृत हो जाता है। लेखक यह देखना चाहते थे कि कौन सी विधि चैनलों को अलग रखती है ताकि आप सब कुछ स्वतंत्र रूप से माप सकें।

परिणाम: कौन जीता?

संख्याओं की गणना करने के बाद, शोध पत्र अधिकांश स्थितियों के लिए एक स्पष्ट विजेता प्रकट करता है, लेकिन एक मोड़ के साथ।

सटीकता के राजा: घोस्ट और टू-फोटॉन इमेजिंग
अध्ययन में पाया गया कि घोस्ट इमेजिंग और टू-फोटॉन इमेजिंग आम तौर पर यह पता लगाने के लिए उच्चतम सटीकता प्रदान करते हैं कि एक वस्तु कितनी पारदर्शी है। वे मुख्य खिलाड़ी हैं।

• घोस्ट इमेजिंग विशेष रूप से मजबूत है। भले ही वस्तु बहुत गहरी (कम ट्रांसमिशन) हो, यह विधि स्थिर रहती है। हालाँकि, इसका एक नुकसान है: यह छवि के विभिन्न हिस्सों के बीच एक मजबूत "कपलिंग" पैदा करता है। एक पिक्सेल को मापना उसके पड़ोसियों की सटीकता को प्रभावित करता है। यह एक ग्रुप प्रोजेक्ट जैसा है जहाँ हर किसी का ग्रेड दूसरों पर निर्भर करता है; आपको एक अच्छा औसत तो मिलता है, लेकिन आप व्यक्तिगत योगदान को आसानी से अलग नहीं कर सकते।
• टू-फोटॉन इमेजिंग अविश्वसनीय रूप से सटीक है, और अक्सर घोस्ट इमेजिंग को मात देती है जब वस्तु बहुत अधिक प्रकाश जाने देती है। लेकिन इसकी एक कमजोरी है: यदि वस्तु बहुत गहरी है, तो सिग्नल तेजी से गिर जाता है क्योंकि दोनों फोटॉन को जीवित बचना पड़ता है। यह एक हाई-रिस्क, हाई-रिवॉर्ड रणनीति है।

स्वतंत्र विशेषज्ञ: अनडिटेक्टेड फोटॉन्स के साथ इमेजिंग
अनडिटेक्टेड फोटॉन्स के साथ इमेजिंग (UP) अधिकांश परिदृश्यों में कच्चे परिशुद्धता (raw precision) के मामले में तीसरे स्थान पर आई। इसकी त्रुटि दर (variances) आम तौर पर अन्य दो की तुलना में अधिक थी। हालाँकि, इसके पास एक सुपरपावर है जो दूसरों के पास नहीं है: यह मोड्स को कपल्स (couple) नहीं करती है।
UP में, आप वस्तु के एक हिस्से की पारदर्शिता को माप सकते हैं बिना दूसरे हिस्से के माप को प्रभावित किए। यह स्वतंत्र रिपोर्टरों की एक टीम होने जैसा है, जिनमें से प्रत्येक अपनी कहानी कवर कर रहा है बिना एक-दूसरे के काम में हस्तक्षेप किए। यदि आपका लक्ष्य वस्तु के कई अलग-अलग हिस्सों को पूरी तरह से स्वतंत्र रूप से मापना है, तो UP ही एकमात्र विकल्प है जो स्वाभाविक रूप से ऐसा करता है।

"परफेक्ट" माप

सबसे दिलचस्प निष्कर्षों में से एक यह है कि आपको डेटा को कैसे देखना चाहिए। शोध पत्र दिखाता है कि इन प्रयोगों को आमतौर पर कैसे किया जाता है—एक कैमरा जो विशिष्ट स्थानों (पिक्सेल) को देखता है—वह वास्तव में इसे करने का सबसे अच्छा तरीका है, बशर्ते कि वस्तु अच्छी तरह से रिज़ॉल्व्ड (well-resolved) हो। लेखकों ने सिद्ध किया कि यदि आप "ऑब्जेक्ट-मोड बेसिस" (वस्तु को उस तरह से देखना जिसमें वह स्वाभाविक रूप से प्रकाश चैनलों में टूटती है) में मापते हैं, तो आप सटीकता की सैद्धांतिक सीमा तक पहुँच जाते हैं। आपको फैंसी, जटिल नए डिटेक्टरों की आवश्यकता नहीं है; मानक सेटअप पहले से ही "क्वांटम ऑप्टिमल" हैं जब वस्तु पर्याप्त स्पष्ट हो।

निचोड़ (The Bottom Line)

तो, आपको इससे क्या सीखना चाहिए?

• यदि आपको किसी वस्तु की पारदर्शिता का सबसे सटीक माप चाहिए और आपको इस बात से फर्क नहीं पड़ता कि विभिन्न हिस्सों के माप थोड़े जुड़े हुए हैं, तो घोस्ट इमेजिंग या टू-फोटॉन इमेजिंग आपके लिए सबसे अच्छे विकल्प हैं। गहरे ऑब्जेक्ट्स के लिए घोस्ट इमेजिंग सुरक्षित है, जबकि चमकीले ऑब्जेक्ट्स के लिए टू-फोटॉन इमेजिंग बेहतर है।
• यदि आपको किसी वस्तु के कई अलग-अलग हिस्सों को पूरी तरह से स्वतंत्र रूप से मापना है, बिना एक माप के दूसरे को प्रभावित किए, तो अनडिटेक्टेड फोटॉन्स के साथ इमेजिंग आपका अनूठा विकल्प है, भले ही यह समग्र रूप से थोड़ी कम सटीक हो।

लेखकों ने केवल अनुमान नहीं लगाया; उन्होंने क्वांटम मैकेनिक्स की मौलिक सीमाओं का उपयोग करके गणितीय रूप से इसे निकाला है। उन्होंने दिखाया कि जबकि ये क्वांटम तरीके शक्तिशाली हैं, वे जादू नहीं हैं—उनकी विशिष्ट ताकत और कमजोरियां हैं जो कार्य पर निर्भर करती हैं। यह वैज्ञानिकों को एक स्पष्ट मार्गदर्शिका देता है: उस उपकरण को चुनें जो काम के अनुकूल हो, चाहे आपको अधिकतम सटीकता चाहिए या मापों के बीच पूर्ण स्वतंत्रता।