⚛️ quantum physics

Nearly optimal quantum circuits for Boolean oracles

यह शोध पत्र सामान्य कुल, आंशिक और विरल (sparse) बुलियन फलनों के क्वांटम ओरेकल को लागू करने के लिए सर्किट आकार, गहराई और एंसिला गणना के बीच लगभग इष्टतम ट्रेडऑफ़ प्रस्तावित करता है, जो कि रूप से इष्टतम सीमाएँ प्रदान करता है जो शास्त्रीय प्रक्रियाओं को क्वांटम एल्गोरिदम में एम्बेड करने की सुविधा प्रदान करती हैं।

मूल लेखक: Junhong Nie, Wei Zi

प्रकाशित 2026-07-31

📖 8 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Junhong Nie, Wei Zi

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 सुपर-फास्ट रोबोट बनाने की कोशिश कर रहे हैं जो दो दुनियाओं में एक साथ सोचकर समस्याओं को हल कर सके: साधारण स्विचों (ऑन/ऑफ) की दुनिया और क्वांटम मैकेनिक्स की जादुई दुनिया, जहाँ चीजें एक ही समय में ऑन और ऑफ दोनों हो सकती हैं। इस रोबोट को काम करने के लायक बनाने के लिए, आपको एक विशेष अनुवादक की आवश्यकता होगी जिसे "क्वांटम ओरकल" (quantum oracle) कहा जाता है। इस ओरकल को एक जादुई वेंडिंग मशीन के रूप में समझें। आप इसमें एक विशिष्ट कोड (0 और 1 की एक स्ट्रिंग) डालते हैं, और मशीन तुरंत सही उत्तर निकाल देती है जो एक गुप्त नियम पर आधारित होता है जिसे वह जानती है। यह नियम एक "बूलियन फंक्शन" (Boolean function) है, जो बस एक फैंसी तरीके से कहे जाने वाले सरल हाँ-या-ना के निर्णय वृक्ष (decision tree) जैसा है।

समस्या यह है कि इस वेंडिंग मशीन को बनाना अविश्वसनीय रूप से कठिन है। यदि आप इसे मानक क्वांटम भागों का उपयोग करके बनाने की कोशिश करते हैं, तो यह अक्सर बहुत विशाल, धीमी, या अतिरिक्त स्टोरेज स्पेस (जिसे "एन्सिला" या ancilla कहा जाता है) की भारी मात्रा की आवश्यकता वाली बन जाती है, ताकि उत्तर की गणना करते समय उसे पकड़ा जा सके। यह ऐसा है जैसे एक वेंडिंग मशीन बनाने की कोशिश करना जिसे केवल एक सोडा बेचने के लिए गोदाम भर स्पेयर पार्ट्स की आवश्यकता हो। वैज्ञानिक एक सटीक संतुलन खोजने की कोशिश कर रहे हैं: हम इस मशीन को इतना छोटा कैसे बना सकते हैं कि यह जेब में आ जाए, इतनी तेज़ कि चीते को भी पीछे छोड़ दे, और बिना ऊर्जा बर्बाद किए पर्याप्त स्पेयर पार्ट्स का उपयोग करे? यह शोध पत्र उसी पहेली की गहराई में जाता है, जो इन क्वांटम अनुवादकों के लिए "गोल्डिलॉक्स" (Goldilocks) रेसिपी खोजने की कोशिश कर रहा है।

महान क्वांटम संतुलन कार्य (The Great Quantum Balancing Act)

इस शोध पत्र में, लेखक, जुनहोंग नी (Junhong Nie) और वेई ज़ी (Wei Zi), कुशल वास्तुकारों की तरह कार्य कर रहे हैं जो सबसे कुशल क्वांटम वेंडिंग मशीनों को डिजाइन करने की कोशिश कर रहे हैं। वे केवल एक मशीन नहीं बना रहे हैं; वे तीन अलग-अलग प्रकार की मशीनों के ब्लूप्रिंट तैयार कर रहे हैं, जिनमें से प्रत्येक को एक अलग प्रकार के गुप्त नियम के लिए डिज़ाइन किया गया है। उनका लक्ष्य तीन चीजों के बीच "लगभग इष्टतम" (nearly optimal) तालमेल खोजना है: मशीन का आकार (इसमें कितने भाग हैं), डेप्थ (उत्तर देने में लगने वाले चरणों की संख्या, जो गति निर्धारित करती है), और अतिरिक्त स्टोरेज की संख्या ("एन्सिला" या अतिरिक्त क्यूबिट्स)।

इसे यात्रा के लिए पैकिंग करने जैसा समझें। आप वह सब कुछ साथ लाना चाहते हैं जिसकी आपको आवश्यकता है (आकार), अपने गंतव्य तक जल्दी पहुँचना चाहते हैं (डेप्थ), लेकिन आप इतना भारी सूटकेस नहीं उठाना चाहते जिससे आप चल न सकें (एन्सिला)। लेखक बताते हैं कि आप हमेशा सबसे छोटा सूटकेस, सबसे तेज़ चाल और सबसे हल्का भार एक साथ नहीं रख सकते, लेकिन उन्होंने विभिन्न परिदृश्यों के लिए सबसे अच्छे समझौते खोज लिए हैं।

1. "सब कुछ" वाली मशीन (General Total Boolean Functions)

सबसे पहले, वे सबसे कठिन काम को सुलझाते हैं: एक ऐसी मशीन जो हर संभावित इनपुट कोड के लिए उत्तर जानती है। एक ऐसी लाइब्रेरी की कल्पना करें जहाँ ब्रह्मांड की हर किताब के साथ एक विशिष्ट उत्तर जुड़ा हुआ है।

चुनौती: आमतौर पर, यदि आप हर एक किताब का उत्तर जानना चाहते हैं, तो आपको एक विशाल लाइब्रेरी (विशाल आकार) या गलियारों में चलने के लिए बहुत अधिक समय (गहरी सर्किट डेप्थ) की आवश्यकता होगी।
समाधान: लेखक लाइब्रेरी को व्यवस्थित करने का एक चतुर तरीका प्रस्तावित करते हैं। वे दिखाते हैं कि यदि आप कुछ अतिरिक्त बैग (एन्सिला) ले जाने के लिए तैयार हैं, तो आप लाइब्रेरी के आकार को छोटा कर सकते हैं और चलने की गति को काफी बढ़ा सकते हैं।
परिणाम: वे सिद्ध करते हैं कि $n$ इनपुट और $b$ आउटपुट वाले फंक्शन के लिए, आप लगभग $O(\frac{b2^n}{\log(n+m)})$ आकार और $O(\frac{b2^n}{n+m})$ डेप्थ वाला सर्किट बना सकते हैं, जहाँ $m$ आपके द्वारा ले जाए गए अतिरिक्त बैगों की संख्या है। जैसे-जैसे आप अधिक बैग (एक निश्चित सीमा तक) जोड़ते हैं, मशीन छोटी और तेज़ होती जाती है। वे इसे "लगभग इष्टतम" कहते हैं, जिसका अर्थ है कि भौतिकी के नियमों को तोड़े बिना आप वास्तव में इससे बेहतर कुछ नहीं कर सकते।

2. "आंशिक" मशीन (Partial Boolean Functions)

इसके बाद, वे उन मशीनों को देखते हैं जिन्हें केवल कुछ विशिष्ट कोडों के उत्तर जानने की आवश्यकता होती है, जबकि बाकी कोड मायने नहीं रखते (या "डोंट केयर" ज़ोन हैं)। यह एक ऐसी वेंडिंग मशीन की तरह है जो केवल लाल टोपी पहनने वाले लोगों को सोडा बेचती है; यदि आप नीली टोपी पहने हुए हैं, तो मशीन को इससे कोई फर्क नहीं पड़ता कि आप क्या चाहते हैं।

चुनौती: भले ही आप केवल कुछ इनपुट की परवाह करते हों, मशीन को बाकी को कुशलतापूर्वक अनदेखा करने के लिए भी स्मार्ट होना होगा।
समाधान: लेखक "लीनियर हैशिंग" (linear hashing) नामक एक ट्रिक का उपयोग करते हैं। कल्पना करें कि आप दुनिया के एक विशाल मानचित्र को मोड़ रहे हैं ताकि केवल वही शहर दिखाई दें जिनकी आपको आवश्यकता है, जबकि महासागर पृष्ठभूमि में दब गए हैं। यह मशीन को केवल "प्रभावी सपोर्ट" (वह $d$ विशिष्ट इनपुट जो मायने रखते हैं) पर ध्यान केंद्रित करने की अनुमति देता है।
परिणाम: एक विशिष्ट मात्रा में अतिरिक्त स्टोरेज ( $\Theta(\log d)$ और $\Theta(d)$ के बीच) के साथ, वे एक ऐसी मशीन बना सकते हैं जिसका आकार $O(n \log d + bd)$ है और डेप्थ जो इनपुट की संख्या और स्टोरेज के बीच संतुलन बनाती है। यह पिछले तरीकों की तुलना में एक बड़ी प्रगति है जो "डोंट केयर" ज़ोन को कुशलतापूर्वक संभालने के बारे में नहीं जानते थे।

3. "स्पार्स" मशीन (Sparse Boolean Functions)

अंत में, वे "स्पार्स" (sparse) मामले को संभालते हैं। यह एक ऐसी मशीन है जहाँ अरबों में से केवल कुछ ही इनपुट के लिए उत्तर "हाँ" (या 1) है, और बाकी सब के लिए "नहीं" (या 0) है। यह समुद्र तट पर रेत के एक विशिष्ट कण को खोजने जैसा है।

चुनौती: यदि आप हर एक रेत के कण की जाँच करने की कोशिश करते हैं, तो इसमें बहुत समय लगेगा। आपको खाली हिस्सों को जल्दी से अनदेखा करने का एक तरीका चाहिए।
समाधान: लेखक एक "सेट-सेपरेटिंग" (set-separating) हैश फैमिली का उपयोग करते हैं। कल्पना करें कि एक विशेष छलनी का उपयोग करना जो केवल उन रेत के कणों को गुजरने देती है जिन्हें आप ढूंढ रहे हैं, जबकि बाकी को रोक देती है। वे इसे बैचों में सदस्यता की जाँच करने के एक चतुर तरीके के साथ जोड़ते हैं।
परिणाम: वे दिखाते हैं कि $d$ "सत्य" इनपुट वाले एक स्पार्स फंक्शन के लिए, आप लगभग $O(n^2 \log d + \frac{nd}{\log(\log d + m/n)})$ आकार और $O(\frac{n^2 \log n \log d}{n+m} + \log n + \frac{nd}{m})$ डेप्थ वाली मशीन बना सकते हैं। यह एक बहुत बड़ी छलांग है, विशेष रूप से जब आपके पास मध्यम मात्रा में अतिरिक्त स्टोरेज उपलब्ध हो।

यह क्यों महत्वपूर्ण है

लेखक बहुत स्पष्ट हैं कि उन्होंने क्या किया है और क्या नहीं किया है। उन्होंने केवल इन परिणामों का अनुमान या सिमुलेशन नहीं लगाया है; उन्होंने गणितीय रूप से सिद्ध किया है कि उनके निर्माण काम करते हैं और वे "लगभग इष्टतम" हैं। इसका मतलब है कि उनके द्वारा बनाई गई विशिष्ट प्रकार की मशीनों के लिए, आप बिना स्टोरेज की मात्रा बदले, काफी छोटा या तेज़ डिज़ाइन नहीं पा सकते।

वे स्पष्ट रूप से इस विचार को भी खारिज करते हैं कि आप केवल एक "नाइव" (naive) दृष्टिकोण (जैसे हर एक संभावना को एक-एक करके सूचीबद्ध करना) का उपयोग करके कुशल होने की उम्मीद कर सकते हैं। उनका काम दिखाता है कि इन चतुर समझौतों के बिना, मशीनें उपयोगी होने के लिए बहुत बड़ी होंगी।

यह शोध पत्र सुझाव देता है कि ये नए ब्लूप्रिंट वास्तविक दुनिया के कार्यों, जैसे कि क्वांटम रीड-ओनली मेमोरी (QROM) के लिए अविश्वसनीय रूप से उपयोगी होंगे। सोचिए कि QROM एक क्वांटम कंप्यूटर के लिए हार्ड ड्राइव की तरह है। यदि आप चाहते हैं कि एक क्वांटम कंप्यूटर जटिल एल्गोरिदम (जैसे नई दवाओं का अनुकरण करना या कोड तोड़ना) चलाए, तो उसे मेमोरी से डेटा को तेज़ी से पढ़ना होगा। इन लगभग इष्टतम ओरकल डिज़ाइनों का उपयोग करके, हम क्वांटम कंप्यूटरों को छोटा, तेज़ और कम संसाधनों को बर्बाद करने वाला बना सकते हैं।

संक्षेप में, नी और ज़ी ने हमें मास्टर चाबियाँ सौंप दी हैं। उन्होंने हमें दिखाया है कि आकार, गति और स्टोरेज के नॉब्स को ठीक से कैसे ट्यून किया जाए ताकि सबसे कुशल क्वांटम अनुवादक बनाए जा सकें, जिससे अगली पीढ़ी के क्वांटम कंप्यूटरों के वास्तव में काम करने का मार्ग प्रशस्त हो सके।

तकनीकी सारांश: बूलियन ऑरैकल के लिए लगभग इष्टतम क्वांटम सर्किट

समस्या विवरण (Problem Statement)

यह शोध पत्र बूलियन ऑरैकल को लागू करने वाले क्वांटम सर्किट के संश्लेषण (synthesis) और अनुकूलन (optimization) को संबोधित करता है। एक बूलियन फलन $f: \{0, 1\}^n \to \{0, 1\}^b$ के लिए एक क्वांटम ऑरकल रूपांतरण $|x\rangle|t\rangle \to |x\rangle|t \oplus f(x)\rangle$ की गणना करता है। जबकि ये ऑरकल शास्त्रीय डेटा और क्वांटम एल्गोरिदम (जैसे, QROM, हैमिल्टोनियन सिमुलेशन, और क्रिप्टैनालिसिस) के बीच मौलिक इंटरफेस के रूप में कार्य करते हैं, उनके सर्किट अनुकूलन का अध्ययन—विशेष रूप से सर्किट आकार (circuit size), सर्किट गहराई (circuit depth), और सहायक क्यूबिट्स (ancilla qubits) की संख्या के बीच के ट्रेड-ऑफ—एक खुला क्षेत्र बना हुआ है।

सामान्य बूलियन ऑरकल के मौजूदा निर्माण अक्सर सर्किट आकार में इष्टतम होने में विफल रहते हैं, जबकि ह्यूरिस्टिक रिडक्शन (heuristic reductions) में वर्स्ट-केस गारंटी का अभाव होता है। इसके अतिरिक्त, आंशिक (partial) और विरल (sparse) बूलियन फलनों (जहाँ प्रभावी सपोर्ट या वास्तविक इनपुट आकार सीमित होता है) के लिए ट्रेड-ऑफ को बड़े सहायक (ancilla) काउंट के शासन में पूरी तरह से स्पष्ट नहीं किया गया है। यह शोध पत्र तीन श्रेणियों के बूलियन फलनों के लिए लगभग इष्टतम ट्रेड-ऑफ प्रदान करके इन कमियों को दूर करने का लक्ष्य रखता है।

कार्यप्रणाली (Methodology)

लेखक एक स्थिर-आकार के गेट सेट (जैसे, क्लिफोर्ड+टी) का उपयोग करते हुए मानक क्वांटम सर्किट मॉडल के भीतर कार्य करते हैं, जिसमें निरंतर गेट चौड़ाई होती है। कार्यप्रणाली निम्नलिखित पर निर्भर करती है:

निचले स्तर के अनुमानों (Lower Bounds) के लिए गिनती तर्क (Counting Arguments): शोध पत्र सरल गिनती तर्कों का उपयोग करके सर्किट आकार और गहराई पर सूचना-सैद्धांतिक निचले स्तर के अनुमान स्थापित करता है। ये अनुमान लक्षित परिवार के विभिन्न बूलियन फलनों की संख्या के सापेक्ष दिए गए आकार और गहराई के विशिष्ट सर्किट्स की संख्या पर विचार करते हैं।
लुपनोव की पुनर्गठन तकनीक (Lupanov's Regrouping Technique): सामान्य कुल (total) बूलियन फलनों के लिए, लेखक लुपनोव के शास्त्रीय सर्किट निर्माण को अनुकूलित करते हैं। फलन के बहुपद प्रतिनिधित्व (polynomial representation) को पुनर्गठित करके, वे समान छोटे उप-फलनों (sub-functions) की पहचान करते हैं, जिससे पर्याप्त सहायक (ancilla) उपलब्ध होने पर अधिक कुशल कार्यान्वयन संभव होता है।
लीनियर हैशिंग और निर्णय वृक्ष (Linear Hashing and Decision Trees): आंशिक बूलियन फलनों (जो इनपुट के एक उपसमुच्चय पर परिभाषित हैं) के लिए, लेखक प्रभावी इनपुट को एक छोटे स्थान में हैश करने के लिए लीनियर मैप्स का उपयोग करते हैं। वे फिर फलन का मूल्यांकन करने के लिए निर्णय वृक्षों (decision trees) और समानांतर ट्रैवर्सल तकनीकों का उपयोग करते हैं, जो लीनियर हैशिंग गुणों का उपयोग करके बिनों (bins) के बीच भार को संतुलित करते हैं।
सेट-सेपरेटिंग हैश परिवार (Set-Separating Hash Families): विरल बूलियन फलनों (जहाँ फलन इनपुट के एक छोटे उपसमुच्चय पर 1 होता है) के लिए, लेखक "वास्तविक" इनपुट को शेष से अलग करने के लिए लीनियर मैप्स का उपयोग करते हैं। वे हैश फंक्शन के एक परिवार का उपयोग करके सदस्यता जांच (membership checks) का निर्माण करते हैं और सहायक बाधाओं को प्रबंधित करने के लिए विशेष लो-विड्थ टोफ़ोली गेट्स (Toffoli gates) और अनुक्रमिक ऑरकल कॉल को संयोजित करते हैं।
सशर्त स्वच्छ सहायक (Conditional Clean Ancilla): निर्माण में "सशर्त स्वच्छ" सहायक तकनीक का उपयोग किया जाता है, जहाँ इनपुट क्यूबिट्स को अस्थायी कार्यस्थान (workspace) के रूप में उपयोग करने के लिए नियंत्रण स्थितियों के आधार पर अस्थायी रूप से $|0\rangle$ पर रीसेट किया जाता है, जिससे यह सुनिश्चित होता है कि अंतिम यूनिटरी सटीक है और सहायक क्यूबिट्स $|0\rangle$ पर वापस आ जाते हैं।

मुख्य योगदान और परिणाम (Key Contributions and Results)

शोध पत्र तीन विशिष्ट श्रेणियों के बूलियन फलनों के लिए सर्किट आकार, गहराई और सहायक संख्या ( $m$ ) के बीच लगभग इष्टतम ट्रेड-ऑफ प्रस्तुत करता है। सभी आकार और गहराई के अनुमान संबंधित सहायक क्षेत्रों में लॉगरिदमिक कारकों के संदर्भ में स्पर्शोन्मुख रूप से (asymptotically) इष्टतम हैं।

1. सामान्य कुल बूलियन फलन (General Total Boolean Functions)

किसी भी कुल बूलियन फलन $f: \{0, 1\}^n \to \{0, 1\}^b$ के लिए:

परिणाम: ऑरकल को $1 \le m \le \Theta\left(\frac{2^n}{n}\right)$ सहायक का उपयोग करके आकार $O\left(\frac{b2^n}{\log(n+m)}\right)$ और गहराई $O\left(\frac{b2^n}{n+m}\right)$ के साथ लागू किया जा सकता है।
महत्व: यह अनिवार्य रूप से सामान्य बूलियन ऑरकल के लिए ज्ञात निचले स्तर के अनुमानों और ऊपरी स्तर के अनुमानों के बीच के अंतर को पाटता है। यह लुपनोव ट्रिक द्वारा प्रदान किए गए लॉगरिदमिक न्यूनीकरण का लाभ उठाकर पिछले वर्स्ट-केस निर्माणों (जैसे, $O(2^n)$ या $O(n2^n)$ आकार वाले) में सुधार करता है।

2. प्रतिवर्ती बूलियन फलन (Reversible Boolean Functions)

प्रतिवर्ती फलनों $f: \{0, 1\}^n \to \{0, 1\}^n$ के लिए एक उपलब्धि के रूप में:

परिणाम: ऑरकल को $n+1 \le m \le \Theta\left(\frac{2^n}{n}\right)$ सहायक का उपयोग करके आकार $O\left(\frac{n2^n}{\log(n+m)}\right)$ और गहराई $O\left(\frac{n2^n}{n+m}\right)$ के साथ लागू किया जा सकता है।
महत्व: यह व्यापक सहायक काउंट क्षेत्र में ज़ाकाब्लुकोव (Zakablukov) द्वारा प्राप्त निचले स्तर के अनुमानों से लॉगरिदमिक कारकों तक मेल खाता है, जो प्रतिवर्ती सर्किट संश्लेषण की इष्टतमता के संबंध में एक पूर्व खुले प्रश्न को हल करता है।

3. आंशिक बूलियन फलन (Partial Boolean Functions)

प्रभावी सपोर्ट आकार $d$ वाले फलनों के लिए (जो $X$ के आकार $d$ वाले उपसमुच्चय पर परिभाषित हैं):

परिणाम: $\Theta(\log d) \le m \le \Theta(d)$ सहायक के साथ, आकार $O(n \log d + bd)$ है और गहराई $O\left(\frac{n \log n \log d}{n+m} + \log n + \frac{d(\log d + b \log m)}{m}\right)$ है।
महत्व: निर्माण इनपुट आयाम को कम करने के लिए लीनियर हैशिंग का उपयोग करता है और समानांतर निर्णय वृक्ष ट्रैवर्सल का उपयोग करता है। यह एक गहराई-सहायक (depth-ancilla) ट्रेड-ऑफ प्रदान करता है जो विरल इनपुट के लिए सैद्धांतिक निचले स्तर के अनुमानों के करीब पहुँचता है।

4. विरल बूलियन फलन (Sparse Boolean Functions)

उन फलनों के लिए जहाँ 1 पर मैप होने वाले इनपुट का सेट $d$ है:

परिणाम: $\Theta(\log n + \log d) \le m \le \Theta\left(\frac{nd}{\log d}\right)$ सहायक के साथ, आकार $O(n^2 \log d + \frac{nd}{\log(\log d + m/n)})$ है और गहराई $O\left(\frac{n^2 \log n \log d}{n+m} + \log n + \frac{nd}{m}\right)$ है।
अतिरिक्त सुधार: अतिरिक्त $\Theta(n)$ सहायक के साथ, अग्रणी आकार पद को $\tilde{O}(n^2)$ में सुधारा जा सकता है, और $n^2$ से संबंधित गहराई पद को कम किया जा सकता है, विशेष रूप से जब $d$ छोटा हो।
महत्व: यह बहुत कम सहायक ( $n$ और $d$ में लॉगरिदमिक) वाले शासन में गहराई-सहायक ट्रेड-ऑफ को धकेलता है, जो लॉगरिदमिक कारकों तक निचले स्तर के अनुमानों के करीब है।

महत्व और दावे (Significance and Claims)

शोध पत्र दावा करता है कि ये परिणाम इन फलन वर्गों में क्वांटम ऑरकल संश्लेषण के लिए पहले लगभग इष्टतम ट्रेड-ऑफ प्रदान करते हैं। लेखक इस बात पर जोर देते हैं कि:

ये निर्माण आकार और गहराई-सहायक उत्पाद में लॉगरिदमिक कारकों के संदर्भ में स्पर्शोन्मुख रूप से इष्टतम (asymptotically optimal) हैं।
यह कार्य उन परिदृश्यों में सीधे लागू होता है जहाँ शास्त्रीय प्रक्रियाओं को क्वांटम सर्किट में एम्बेड करने की आवश्यकता होती है, विशेष रूप से QROM कार्यान्वयन और क्वांटम एल्गोरिदम डिजाइन का उल्लेख करते हुए।
ये परिणाम फॉल्ट-टोलरेंट क्वांटम कंप्यूटेशन में T-डेप्थ (T-depth) और टोफ़ोली-डेप्थ (Toffoli-depth) के अनुकूलन की पेशकश करते हैं, जो गैर-क्लिफोर्ड गेट्स की उच्च लागत को देखते हुए महत्वपूर्ण है।
शोध पत्र स्पष्ट रूप से कहता है कि यह सामान्य बूलियन ऑरकल और प्रतिवर्ती फलनों के लिए अंतराल को समाप्त करता है, जहाँ पिछले निर्माण या तो उप-इष्टतम थे या जिनमें वर्स्ट-केस गारंटी का अभाव था।

लेखक किसी नए प्रयोगात्मक सेटअप या विशिष्ट भविष्य के अनुप्रयोगों का प्रस्ताव नहीं करते हैं, बल्कि सामान्य एल्गोरिदम डिजाइन और QROM में उपयोगिता पर ध्यान केंद्रित करते हुए, इन सर्किट्स के सैद्धांतिक संश्लेषण पर ध्यान बनाए रखते हैं।