⚛️ quantum physics

Exponential separation in sensing continuous signals via squeezing

यह शोध पत्र निरंतर रूप से विकसित होने वाले संकेतों के लिए सेंसिंग समय में एक घातीय पृथक्करण (exponential separation) स्थापित करता है, यह प्रदर्शित करते हुए कि $\omega(\sqrt{\log T})$ के रूप में स्क्वीजिंग (squeezing) करने वाले सेंसर बहुपद (polynomial) सेंसिंग समय प्राप्त करते हैं जबकि कम स्क्वीजिंग वाले सेंसर घातीय (exponential) समय की आवश्यकता रखते हैं।

मूल लेखक: Francesco Anna Mele, Nadine Meister, Haimeng Zhao, Senrui Chen, Hsin-Yuan Huang

प्रकाशित 2026-10-01

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Francesco Anna Mele, Nadine Meister, Haimeng Zhao, Senrui Chen, Hsin-Yuan Huang

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

आधुनिक भौतिकी की शांत गूँज में, ब्रह्मांड की सबसे सूक्ष्म फुसफुसाहटों को मापने के लिए एक निरंतर संघर्ष बना रहता है। वैज्ञानिक अंतरिक्ष में लहरों की तरह बहने वाली गुरुत्वाकर्षण तरंगों का पता लगाने या अदृश्य विद्युत चुम्बकीय क्षेत्रों का मानचित्रण करने के लिए अत्यंत संवेदनशील उपकरणों का उपयोग करते हैं। ऐसा करने के लिए, वे अक्सर प्रकृति के एक मौलिक नियम पर भरोसा करते हैं जिसे अनिश्चितता का सिद्धांत (uncertainty principle) कहा जाता है। यह नियम निर्धारित करता है कि कुछ गुणों के जोड़े, जैसे कि किसी कण की स्थिति और संवेग (momentum), दोनों को एक ही समय में पूर्ण सटीकता के साथ नहीं जाना जा सकता। यदि आप एक गुण को सटीक रूप से पकड़ने की कोशिश करते हैं, तो दूसरा धुंधला हो जाता है। दशकों से, शोधकर्ता इस सीमा से बचने के लिए 'स्क्वीजिंग' (squeezing) नामक तकनीक का उपयोग कर रहे हैं। एक ऐसे गुब्बारे की कल्पना करें जिसे आप एक दिशा में दबाते हैं; वह वहां पतला हो जाता है लेकिन दूसरी दिशा में फूल जाता है। क्वांटम दुनिया में, स्क्वीजिंग वैज्ञानिकों को उस विशिष्ट गुण में धुंधलेपन, या शोर (noise) को कम करने की अनुमति देती जिसे वे मापना चाहते हैं, और इसके बदले में उस गुण में शोर को बढ़ा देती है जिसकी उन्हें परवाह नहीं है। यह समझौता लंबे समय से स्थिर संकेतों (static signals)—जो समय के साथ नहीं बदलते—के मापन की सटीकता में सुधार करने के लिए जाना जाता है।

हालाँकि, वास्तविक दुनिया शायद ही कभी स्थिर होती है। वैज्ञानिक जिन संकेतों की खोज करते हैं, जैसे कि टकराते हुए ब्लैक होल की लहरें या उतार-चढ़ाव वाले चुंबकीय क्षेत्र, वे निरंतर विकसित होते हैं। वे पल-पल बदलते हैं। एक स्वाभाविक प्रश्न उठता है: क्या स्क्वीजिंग से प्राप्त लाभ तब भी बना रहता है जब संकेत गतिशील और परिवर्तनशील हो, और जब पर्यवेक्षक यह चुन सकता है कि सेंसर की जाँच ठीक कब करनी है? लंबे समय तक, यह स्पष्ट नहीं था कि क्या क्वांटम संसाधनों से प्राप्त लाभ इन जटिल, समय-परिवर्ती संकेतों के बारे में जानने के लिए आवश्यक समय में एक नाटकीय, घातीय (exponential) सुधार ला सकते हैं। क्या एक क्वांटम सेंसर उस समस्या को मिनटों में हल कर सकता है जिसे हल करने में एक शास्त्रीय (classical) सेंसर को वर्षों लग सकते हैं?

शोधकर्ताओं की एक टीम ने अब इस प्रश्न का निश्चित रूप से उत्तर दिया है। उन्होंने प्रदर्शित किया है कि कुछ प्रकार के समय-परिवर्ती संकेतों के लिए, क्वांटम सेंसर को स्क्वीज़ करने की क्षमता सेंसिंग समय में एक घातीय अलगाव (exponential separation) की ओर ले जाती है। उनका कार्य उन संकेतों पर केंद्रित है जो अपने समय सहसंबंधों (time correlations) के भीतर छिपे पैटर्न रखते हैं। ये केवल यादृच्छिक उतार-चढ़ाव नहीं हैं; इनमें विशिष्ट संरचनाएं होती हैं, जैसे कि स्पंदों (pulses) का एक क्रम जहाँ उनके बीच का संबंध एक गुप्त कोड रखता है। शोधकर्ताओं ने दिखाया कि यदि एक सेंसर में पर्याप्त स्क्वीजिंग है, तो वह इन छिपे हुए पैटर्न को ऐसे समय में उजागर कर सकता है जो पैटर्न के बड़ा होने पर बहुत धीरे और अनुमानित रूप से बढ़ता है। इसके विपरीत, यदि सेंसर में पर्याप्त स्क्वीजिंग नहीं है, तो पैटर्न को खोजने के लिए आवश्यक समय इतनी तेजी से बढ़ता है कि इसे किसी भी उचित समय सीमा के भीतर हल करना व्यावहारिक रूप से असंभव हो जाता है।

अध्ययन इस लाभ के लिए एक विशिष्ट सीमा (threshold) को परिभाषित करता है। शोधकर्ताओं ने पाया कि इस गति में वृद्धि प्राप्त करने के लिए आवश्यक स्क्वीजिंग की मात्रा पैटर्न के आकार के लघुगणक (logarithm) के वर्गमूल के समानुपाती है। यदि स्क्वीजिंग इस सीमा से नीचे है, तो सेंसर को पैटर्न के आकार के साथ घातीय रूप से बढ़ने वाले समय का उपयोग करने के लिए मजबूर होना पड़ता है। इसका अर्थ यह है कि बड़े पैटर्न के लिए, कम स्क्वीजिंग वाले सेंसर को उत्तर खोजने के लिए ब्रह्मांड की आयु से भी अधिक लंबा इंतजार करना पड़ सकता है, जबकि एक उच्च स्क्कीजिंग वाला सेंसर इसे कुछ ही सेकंडों में कर सकता है। टीम ने गणितीय रूप से यह सिद्ध किया कि, चाहे कम स्क्वीजिंग वाला सेंसर कितनी भी चतुराई से नियंत्रित क्यों न किया जाए, या वैज्ञानिक कितनी भी अनुकूल रूप से (adaptively) इसके मापन का चयन क्यों न करे, घातीय बाधा को पर्याप्त स्क्वीजिंग के बिना तोड़ा नहीं जा सकता।

इस निष्कर्ष तक पहुँचने के लिए, शोधकर्ताओं ने एक बदलते संकेत के साथ एक सेंसर कैसे परस्पर क्रिया करता है, इसके बारे में सोचने का एक नया तरीका विकसित किया। उन्होंने एक गणितीय ढांचा तैयार किया जो सेंसिंग प्रक्रिया को विभिन्न समय पैमानों पर किए गए निर्णयों की एक श्रृंखला के रूप में मानता है। उन्होंने महसूस किया कि एक सेंसर का उपयोग छोटे अंतराल में, लंबी अवधि में, या इन दोनों के बीच कहीं भी किया जा सकता है, और ये विकल्प पिछले परिणामों पर निर्भर हो सकते हैं। इन संभावनाओं को एक पदानुक्रमित संरचना (hierarchical structure) में व्यवस्थित करके, वे यह ट्रैक करने में सक्षम हुए कि सेंसर प्रत्येक चरण में कितनी जानकारी एकत्र कर सकता है। उनके विश्लेषण से पता चला कि सही मात्रा में स्क्वीजिंग के बिना, प्रत्येक चरण में एकत्र की गई जानकारी इतनी कम होती है कि सेंसर को एक स्पष्ट तस्वीर बनाने के लिए प्रक्रिया को खगोलीय संख्या में बार-बार दोहराना पड़ता है। हालाँकि, पर्याप्त स्क्वीजिंग के साथ, प्रत्येक चरण समस्या को कुशलतापूर्वक हल करने के लिए पर्याप्त जानकारी प्रदान करता है।

इस निष्कर्ष के निहितार्थ केवल क्वांटम यांत्रिकी के सिद्धांत तक ही सीमित नहीं हैं। शोधकर्ताओं ने दिखाया कि यही तर्क स्वयं संकेत की शक्ति पर भी लागू होता है। यदि संकेत बहुत कमजोर है, तो यह ऐसा है जैसे सेंसर में कोई स्क्वीजिंग ही नहीं है, और कार्य घातीय रूप से कठिन हो जाता है। लेकिन यदि संकेत पर्याप्त मजबूत है, या यदि सेंसर पर्याप्त स्क्वीज़ किया गया है, तो कार्य आसान हो जाता है। यह सुझाव देता है कि समय-परिवर्ती संकेतों में छिपे पैटर्न का पता लगाने की क्षमता केवल एक बेहतर उपकरण होने का मामला नहीं है, बल्कि सही प्रकार के क्वांटम संसाधन होने का मामला है। यह कार्य यह भी स्पष्ट करता है कि यह लाभ केवल एक सरलीकृत मॉडल का परिणाम नहीं है जहाँ संकेत की जाँच केवल निश्चित अंतरालों पर की जाती है। भले ही वैज्ञानिक किसी भी क्षण सेंसर को नियंत्रित करने के लिए स्वतंत्र हो—चाहे वह सिस्टम को तैयार करने, विकसित करने और अब तक देखे गए डेटा के आधार पर मापने का निर्णय ले—घातीय अंतर बना रहता है।

यह शोध एक कठोर प्रमाण प्रदान करता है कि क्वांटम संसाधन गतिशील दुनिया को महसूस करने में भारी लाभ दे सकते हैं। यह इस विचार से आगे बढ़कर है कि क्वांटम सेंसर केवल शास्त्रीय सेंसर के अधिक सटीक संस्करण हैं। इसके बजाय, यह दिखाता है कि समय-परिवर्ती संकेतों से जुड़े कुछ कार्यों के लिए, क्वांटम सेंसर दक्षता के एक पूरी तरह से अलग स्तर पर कार्य करते हैं। अंतर केवल डिग्री का नहीं है; यह एक ऐसे कार्य के बीच का अंतर है जो हल करने योग्य है और एक ऐसे कार्य के बीच है जो प्रभावी रूप से असंभव है। जैसे-जैसे वैज्ञानिक गुरुत्वाकर्षण तरंगों और अन्य घटनाओं के लिए अधिक संवेदनशील डिटेक्टर बनाना जारी रखते हैं, इन सीमाओं और लाभों को समझना महत्वपूर्ण होगा। यह कार्य पुष्टि करता है कि स्क्वीजिंग केवल मापन को सूक्ष्म रूप से ट्यून करने का एक उपकरण नहीं है, बल्कि एक ऐसी कुंजी है जो बदलते ब्रह्मांड के शोर के भीतर उन पैटर्न को देखने की क्षमता को अनलॉक कर सकती है जो अन्यथा हमेशा के लिए छिपे रह जाते।

तकनीकी सारांश: स्क्वीज़िंग के माध्यम से निरंतर संकेतों की सेंसिंग में घातीय पृथक्करण (Exponential Separation)

समस्या विवरण

यह कार्य निरंतर विकसित होने वाले संकेतों (continuously evolving signals) के लिए क्वांटम सेंसिंग की मौलिक सीमाओं की जांच करता है, विशेष रूप से इस बात को संबोधित करता है कि क्या क्वांटम संसाधन शास्त्रीय रणनीतियों की तुलना में सेंसिंग समय में घातीय लाभ (exponential advantages) प्रदान कर सकते हैं। जबकि यह अच्छी तरह से स्थापित है कि एंटैंगलमेंट और स्क्वीज़िंग जैसे क्वांटम संसाधन स्थिर मापदंडों (static parameters) को सेंस करने के लिए द्विघात सुधार (quadratic improvements - Heisenberg limit) प्रदान करते हैं, पूर्णतः अनुकूली नियंत्रण (fully adaptive control) के तहत समय-परिवर्ती संकेतों के लिए इन संसाधनों का व्यवहार अभी भी कम समझा गया है।

लेखक एक एकल-मोड निरंतर-चर (continuous-variable - CV) सेंसर पर ध्यान केंद्रित करते हैं जो एक हैमिल्टनियन $\hat{H}(t) = f(t)\hat{p}$ के तहत विकसित होता है, जहाँ $f(t)$ एक समय-परिवर्ती संकेत है। संकेत को $m_i$ गुणांकों वाले यूनिट-अवधि के पल्स के एक अनुक्रम के रूप में मॉडल किया गया है। सेंसिंग कार्य का उद्देश्य $T$ (पैटर्न आकार) के ब्लॉकों के भीतर इन गुणांकों के भीतर छिपे हुए टेम्पोरल सहसंबंधों (temporal correlations) को सीखना है।

अध्ययन दो विशिष्ट लर्निंग कार्यों पर विचार करता है:

CV लर्निंग पैरिटी समस्या: एक अज्ञात बिटस्ट्रिंग $s \in \{0,1\}^T$ को सीखना जो प्रत्येक ब्लॉक के भीतर यादृच्छिक बिट गुणांकों पर एक पैरिटी बाधा ( $x \cdot s \equiv 0 \mod 2$ ) को परिभाषित करती है।
CV परिकल्पना परीक्षण (Hypothesis Testing) समस्या: सिग्नल गुणांकों के साइन पैटर्न पर दो ज्ञात संभाव्यता वितरणों ( $P$ और $Q$ ) के बीच अंतर करना, जहाँ वितरणों के किसी भी उपसमुच्चय (subset) पर आकार $T-c$ (जहाँ $c = O(T^{0.99})$ ) तक मिलान वाले मार्जिनल्स हैं, जिससे वैश्विक सहसंबंधों को देखे बिना वे अविभेद्य हो जाते हैं।

सीखने वाला (learner) एक गाऊसी प्रोटोकॉल (Gaussian protocols) तक सीमित है जिसमें एक सीमित स्क्वीज़िंग $z$ है। इसमें गाऊसी अवस्थाओं को तैयार करना जिनमें अधिकतम $z$ तक स्क्वीज़िंग हो, स्क्वीज़िंग-मुक्त गाऊसी यूनिटरीज (रोटेशन और डिस्प्लेसमेंट) लागू करना, गाऊसी माप (होमोडाइन/हेटरोडाइन) करना और शास्त्रीय पोस्ट-प्रोसेसिंग शामिल है। महत्वपूर्ण रूप से, यह प्रोटोकॉल पूर्णतः अनुकूली (fully adaptive) है: सीखने वाला पिछले परिणामों के आधार पर संचालन कब करना है, यह चुन सकता है।

कार्यप्रणाली (Methodology)

पदानुक्रमित वृक्ष प्रतिनिधित्व (The Hierarchical Tree Representation)

निरंतर समय में अनुकूली सेंसिंग प्रोटोकॉल का विश्लेषण करने के लिए एक केंद्रीय कार्यप्रणाली योगदान एक पदानुक्रमित वृक्ष प्रतिनिधित्व का विकास है। क्वांटम चैनल लर्निंग में उपयोग किए जाने वाले मानक लर्निंग ट्री मॉडल अपर्याप्त हैं क्योंकि वे इस बात का लेखा-जोखा नहीं रखते कि निरंतर सिग्नल विकास के भीतर संचालन कब होने चाहिए।

लेखक किसी भी अनुकूली प्रोटोकॉल को तीन टेम्पोरल स्केल्स में विभाजित करते हैं:

फुल-टाइम ट्री: प्रयोगों का वर्णन करता है जो पैटर्न आकार $T$ के गुणजों (multiples) तक फैले हुए हैं।
$T$ -टाइम ट्री: $T$ की अवधि के एक एकल ब्लॉक के भीतर प्रयोगों को हल करता है, जिसमें स्टार्ट/एंड टाइम पूर्णांक सीमाओं पर होते हैं।
यूनिट-टाइम ट्री: एकल यूनिट समय अंतराल के भीतर प्रयोगों को हल करता है, जो निरंतर-समय अनुकूलनशीलता को कैप्चर करता है।

यह न्यूनीकरण (reduction) लेखकों को इन स्केल्स के माध्यम से टोटल वेरिएशन डिस्टेंस (TVD) के विकास का विश्लेषण करके सिग्नल परिकल्पनाओं की विभाज्यता को सीमित करने की अनुमति देता है।

कैनोनिकल सांख्यिकीय मॉडलों में न्यूनीकरण

लोअर बाउंड (lower bounds) सिद्ध करने के लिए, लेखक कई न्यूनीकरण करते हैं:

सिग्नल न्यूनीकरण: वे निरंतर पल्स्ड सिग्नल को एक पीसवाइज-कांस्टेंट सिग्नल में मैप करते हैं जो प्रोटोकॉल द्वारा पहुंचे गए ब्लॉकों की संख्या को बदले बिना।
आउटकम न्यूनीकरण: वे दिखाते हैं कि किसी भी एकल गाऊसी माप चरण को एक सरलीकृत 2D गाऊसी वितरण से नमूना लेकर सिम्युलेट किया जा सकता है। इस वितरण का माध्य रैखिक रूप से सिग्नल गुणांकों पर निर्भर करता है, जबकि इसका कोवेरिएंस $z$ द्वारा निर्धारित स्क्वीज़िंग बाउंड द्वारा स्थिर रहता है।
एक्सेस मॉडल सरलीकरण: वे प्रदर्शित करते हैं कि किसी भी प्रोटोकॉल को एक "सरलीकृत एक्सेस मॉडल" द्वारा सिम्युलेट किया जा सकता है जहाँ प्रयोग विशिष्ट कैनोनिकल समय अंतरालों (एक यूनिट बिन के भीतर, एक ब्लॉक के भीतर, या पूर्ण ब्लॉकों को फैला हुआ) के भीतर प्रतिबंधित हैं, प्रभावी स्क्वीज़िंग पैरामीटर में एक स्थिरांक कारक की वृद्धि की कीमत पर।

लोअर बाउंड विश्लेषण

पदानुक्रमित ट्री फ्रेमवर्क का उपयोग करते हुए, लेखक दो परिकल्पनाओं (जैसे, $s=0$ बनाम $s \neq 0$ ) के तहत जनरेट किए गए ट्रांसक्रिप्ट डिस्ट्रीब्यूशन के बीच TVD को सीमित करते हैं। वे सिद्ध करते हैं कि कम स्क्वीज़िंग के लिए, ब्लॉकों द्वारा सेंस किए गए ब्लॉकों के साथ TVD घातीय रूप से धीरे-धीरे बढ़ता है। विशेष रूप से, वे दिखाते हैं कि $z = o(\sqrt{\log T})$ के लिए, प्रति ब्लॉक स्थानीय विभाज्यता $T$ में घातीय रूप से छोटी होती है।

मुख्य योगदान और परिणाम

यह शोध उपलब्ध स्क्वीज़िंग पैरामीटर $z$ के आधार पर सेंसिंग समय में एक कठोर घातीय पृथक्करण (exponential separation) स्थापित करता है:

प्रमेय 1 (घातीय पृथक्करण):
दोनों CV लर्निंग पैरिटी और CV हाइपोथेसिस टेस्टिंग के लिए पैटर्न आकार $T$ के साथ:

उच्च स्क्वीज़िंग शासन (High Squeezing Regime) ( $z = \omega(\sqrt{\log T})$ ): एक गाऊसी सेंसिंग प्रोटोकॉल मौजूद है जो समस्या को पॉलीनोमियल सेंसिंग समय ($poly(T)$) के साथ हल करता है: एक सरल रणनीति प्रत्येक पल्स को व्यक्तिगत रूप से पढ़ना है; पर्याप्त स्क्वीज़िंग के साथ, शोर इतना कम होता है कि बिट्स को विश्वसनीय रूप से रिकवर किया जा सके, जिसके बाद शास्त्रीय पोस्ट-प्रोसेसिंग कार्य को हल करती है।
कम स्क्वीज़िंग शासन (Low Squeezing Regime) ( $z = o(\sqrt{\log T})$ ): कोई भी गाऊसी सेंसिंग प्रोटोकॉल, चाहे वह कितना भी परिष्कृत या अनुकूली क्यों न हो, समस्या को हल करने के लिए घातीय सेंसिंग समय ( $\exp(T^{1-o(1)})$ ) की आवश्यकता होती है।

तकनीकी सीमाएँ:

$z = o(\sqrt{\log T})$ के लिए, न्यूनतम सेंसिंग समय $\exp(\Omega(T e^{-O(z^2)}))$ के रूप में स्केल करता है।
$z = \omega(\sqrt{\log T})$ के लिए, सेंसिंग समय $poly(T)$ के रूप में स्केल करता है।

यह संक्रमण $z = \Theta(\sqrt{\log T})$ पर तीव्रता से होता है। इस थ्रेशोल्ड के नीचे, सेंसर सिग्नल में छिपे वैश्विक सहसंबंधों तक प्रभावी ढंग से नहीं पहुँच पाता है; इसके ऊपर, सिग्नल को पर्याप्त निष्ठा (fidelity) के साथ पढ़ा जा सकता है ताकि सहसंबंधों को कुशलतापूर्वक निकाला जा सके।

महत्व और दावे

लेखक दावा करते हैं कि यह कार्य निरंतर-समय नियंत्रण के साथ एक वास्तविक और अधिक चुनौतीपूर्ण सेटिंग को संबोधित करते हुए, समय-परिवर्ती संकेतों के लिए घातीय क्वांटम लाभ (exponential quantum advantage) का पहला कठोर प्रदर्शन प्रदान करता है, जो तब भी बना रहता है जब शिक्षार्थी के पास पूर्ण अनुकूली नियंत्रण होता है।

चैनल क्वेरी मॉडल से परे: घातीय पृथक्करण प्रदर्शित करने वाले पिछले कार्यों ने अक्सर चैनल-क्वेरी मॉडल पर भरोसा किया जहाँ शिक्षार्थी सिग्नल विकास के साथ अपने नियंत्रण संचालन को इंटरलीव नहीं कर सकता है। यह पेपर निरंतर-समय नियंत्रण के अधिक यथार्थवादी और तकनीकी रूप से चुनौतीपूर्ण परिवेश को संबोधित करता है।
स्क्वीज़िंग की भूमिका: परिणाम हाइलाइट करते हैं कि स्क्वीज़िंग एक महत्वपूर्ण संसाधन है। जबकि सिग्नल आयाम या कपलिंग स्ट्रेंथ को बढ़ाना स्क्वीज़िंग के प्रभाव की नकल कर सकता है, यह पेपर कठोरता से सिद्ध करता है कि पर्याप्त स्क्वीज़िंग (या समकक्ष संसाधनों) के बिना, सेंसिंग समय मौलिक रूप से घातीय है।
सीमाएँ: लेखक नोट करते हैं कि उनके लोअर बाउंड विशेष रूप से सिंगल-मोड गाऊसी प्रोटोकॉल के लिए लागू होते हैं। वे अभी तक मल्टी-मोड प्रोटोकॉल या गैर-गाऊसी संसाधनों (जैसे फोटॉन काउंटिंग) या गैर-विनाशकारी मापों का उपयोग करने वाले प्रोटोकॉल तक विस्तार नहीं करते हैं, हालांकि वे सुझाव देते हैं कि ये भविष्य के कार्य के लिए स्वाभाविक दिशाएँ हैं।
प्रायोगिक प्रासंगिकता: यह कार्य LIGO और सुपरकंडक्टिंग कैविटी जैसे मौजूदा प्लेटफार्मों से जुड़ता है, जहाँ स्क्वीज़िंग एक ज्ञात संसाधन है। हालाँकि, लेखक इस बात पर जोर देते हैं कि विशिष्ट सेंसिंग कार्य (छिपी हुई पैरिटी सीखना या विशिष्ट वितरणों के बीच अंतर करना) केवल सैद्धांतिक निर्माण हैं जिन्हें घातीय पृथक्करण के तंत्र को अलग करने के लिए डिज़ाइन किया गया है, न कि वर्तमान प्रयोगात्मक संकेतों के प्रत्यक्ष मॉडल के रूप में।

संक्षेप में, यह पेपर प्रदर्शित करता है कि समय-परिवर्ती संकेतों के लिए, जिनमें छिपे हुए वैश्विक सहसंबंध होते हैं, स्क्वीज़्ड अवस्थाओं को तैयार करने की क्षमता केवल सटीकता में एक रैखिक सुधार नहीं है, बल्कि एक थ्रेशोल्ड संसाधन है जो यह निर्धारित करता है कि एक सेंसिंग कार्य कुशलतापूर्वक हल करने योग्य है या मौलिक रूप से कठिन (intractable) है।