⚛️ quantum physics

Exact Diagonal Completion on Reachable Subspaces: Application to QAOA Placement

यह शोध पत्र अनपेक्षित एन्कोडिंग अवस्थाओं (unused encoding states) का लाभ उठाकर QAOA-आधारित प्लेसमेंट समस्याओं के लिए क्वांटम सर्किट की गहराई को कम करने हेतु भारित- $\ell_1$ अनुकूलन (weighted- $\ell_1$ optimization) का उपयोग करते हुए एक सटीक विकर्ण पूर्णता विधि (exact diagonal completion method) प्रस्तावित करता है, जो विशिष्ट संश्लेषण संदर्भों में महत्वपूर्ण CX गेट कटौती प्राप्त करता है लेकिन शास्त्रीय दृष्टिकोणों पर एक निर्णायक एंड-टू-एंड लाभ प्रदर्शित करने में विफल रहता है।

मूल लेखक: Owen Friedewald, Ali Shiri Sichani, Chi-Ren Shyu

प्रकाशित 2026-10-01

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Owen Friedewald, Ali Shiri Sichani, Chi-Ren Shyu

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

क्वांटम कंप्यूटिंग की दुनिया में, शोधकर्ता क्यूबिट्स नामक सूक्ष्म कणों को व्यवस्थित करके जटिल पहेलियों को हल करने का लगातार प्रयास कर रहे हैं। इसके लिए सबसे आशाजनक तरीकों में से एक तकनीक है जिसे क्वांटम एप्रोक्सिमेट ऑप्टिमाइज़ेशन एल्गोरिदम (QAOA) के रूप में जाना जाता है। इस एल्गोरिदम को एक यात्री के रूप में सोचें जो एक विशाल, धुंधले परिदृश्य के माध्यम से सबसे छोटा रास्ता खोजने की कोशिश कर रहा है। यात्री को एक अच्छा मार्ग खोजने के लिए पूरे मानचित्र को देखने की आवश्यकता नहीं है; उन्हें केवल उन विशिष्ट रास्तों का पता लगाने की आवश्यकता है जो वास्तव में उनके लिए खुले हैं। हालाँकि, इस यात्री को मार्गदर्शन देने के लिए उपयोग किए जाने वाले गणितीय उपकरण अक्सर एक ऐसे मानचित्र पर काम करने के लिए बनाए जाते हैं जो वास्तविक भूभाग से बहुत बड़ा होता है, जिसमें कई ऐसे पथ भी शामिल होते हैं जहाँ यात्री कभी पहुँच ही नहीं सकता। यह एक समस्या पैदा करता है: कंप्यूटर को भारी, अनावश्यक सामान ढोना पड़ता है—उन रास्तों के लिए अतिरिक्त गणनाएँ जो अस्तित्व में ही नहीं हैं—जो सब कुछ धीमा कर देता है और कीमती ऊर्जा खर्च करता है।

मिज़ूरी विश्वविद्यालय के शोधकर्ताओं की एक टीम ने इस भार को हल्का करने का एक तरीका खोज लिया है। उन्होंने "प्लेसमेंट" नामक एक विशिष्ट प्रकार की पहेली पर ध्यान केंद्रित किया, जिसमें चिप पर इलेक्ट्रॉनिक घटकों को व्यवस्थित करना शामिल है ताकि उन्हें जोड़ने वाले तारों की लंबाई को कम किया जा सके। अपने अध्ययन में, उन्होंने पाया कि चूंकि क्वांटम कंप्यूटर केवल संभावित व्यवस्थाओं के एक छोटे से हिस्से पर ही जा सकता है, इसलिए इस यात्रा के गणितीय निर्देशों को फिर से लिखा जा सकता है। इन निर्देशों के खाली स्थानों को ऐसे मानों से भरकर जो अंतिम परिणाम को नहीं बदलते लेकिन गणित को सरल बनाते हैं, वे अनावश्यक चरणों को हटा सकते थे। उन्होंने इस विचार का परीक्षण 160 अलग-अलग ज्यामितीय लेआउट पर किया और पाया कि विशिष्ट परिस्थितियों में, निर्देशों की इस "सफाई" ने कंप्यूटर द्वारा किए जाने वाले बुनियादी ऑपरेशनों की संख्या को काफी कम कर दिया।

शोधकर्ताओं ने इस दृष्टिकोण को यह देखते हुए अपनाया कि क्वांटम कंप्यूटर प्रत्येक घटक के स्थान के बारे में जानकारी कैसे संग्रहीत करता है। उन्होंने एक ऐसी विधि का उपयोग किया जहाँ कंप्यूटर संभावित स्थानों की एक सूची रखता है, जिनमें से कुछ वास्तविक भागों द्वारा घेरे गए होते हैं और अन्य खाली होते हैं। जब कंप्यूटर बेहतर व्यवस्था खोजने के लिए इन भागों को इधर-उधर बदलता है, तो उसे यह सुनिश्चित करना चाहिए कि वह कभी भी कोई अवैध स्थिति पैदा न करे, जैसे कि दो भाग एक ही स्थान पर बैठने की कोशिश कर रहे हों। टीम ने महसूस किया कि भागों के बीच की दूरी की गणना करने के लिए उपयोग किया जाने वाला गणितीय सूत्र प्रत्येक संभावित स्थानों के संयोजन के लिए प्रविष्टियाँ रखता था, जिसमें वे स्थान भी शामिल थे जहाँ पहुँचना असंभव था। उन्होंने इन असंभव प्रविष्टियों को "डोंट केयर" (परवाह न करने वाले) मानों के रूप में माना। उन्हें शून्य छोड़ने या अनुमान लगाने के बजाय, उन्होंने एक परिष्कृत अनुकूलन प्रक्रिया का उपयोग किया ताकि वे ऐसे मान चुन सकें जो अंतिम सर्किट को यथासंभव छोटा बना सकें।

जब उन्होंने अपने परीक्षण मामलों पर इस विधि को लागू किया, तो कुछ सेटअपों के लिए परिणाम आश्चर्यजनक थे। उन लेआउट्स पर जहाँ उपलब्ध स्थानों की संख्या दो की पूर्ण घात (पावर ऑफ टू) नहीं थी, जिससे कुछ स्थान अप्रयुक्त रह गए, इस नई विधि ने मानक तरीकों की तुलना में आवश्यक टू-क्यूबिट कनेक्शनों को 53.9 प्रतिशत तक कम कर दिया। यह कमी उन 96 विभिन्न परीक्षण मामलों में सुसंगत थी जहाँ अप्रयुक्त कोड मौजूद थे। हालाँकि, शोधकर्ताओं ने सावधानी बरतते हुए यह नोट किया कि यह लाभ सार्वभौमिक नहीं था। जब उन्होंने सर्किट बनाने के एक अलग, अधिक सामान्य तरीके का उपयोग किया, तो बचत नाटकीय रूप से कम हो गई, जो कुछ मामलों में एक प्रतिशत से भी कम रह गई। इससे पता चला कि उनके नए तरीके का लाभ सर्किट को काम करने योग्य सर्किट में बदलने के लिए उपयोग किए जाने वाले विशिष्ट उपकरणों पर बहुत अधिक निर्भर था।

केवल सर्किट को छोटा बनाने के अलावा, टीम ने यह भी देखा कि क्या इससे वास्तव में कंप्यूटर को प्लेसमेंट समस्या को बेहतर ढंग से हल करने में मदद मिलती है। उन्होंने अपने नए तरीके की तुलना पुराने, अधिक स्थापित तकनीकों के विरुद्ध करने के लिए सिमुलेशन चलाए। जबकि उनके दृष्टिकोण ने कुछ विशिष्ट परिदृश्यों में, विशेष रूप से चार घटकों वाले छोटे सेटअपों में, बेहतर परिणाम दिए, लेकिन यह लगातार पारंपरिक तरीकों से बेहतर प्रदर्शन नहीं कर सका। कई मामलों में, पुराने तरीके, जिन्हें ऑपरेशनों के अधिक स्तरों का उपयोग करने की अनुमति थी, समान या बेहतर प्रदर्शन करते थे। शोधकर्ताओं ने यह भी परीक्षण किया कि क्या उनके क्वांटम तरीके द्वारा पाए गए प्लेसमेंट का उपयोग वास्तविक दुनिया के डिज़ाइन फ्लो में किया जा सकता है। उन्होंने सफलतापूर्वक 72 विभिन्न स्थानीय प्लेसमेंट को एक मानक चिप-डिज़ाइन सॉफ़्टवेयर में एकीकृत किया, और वे सभी वायर रूटिंग के लिए आवश्यक जाँचों में बिना किसी त्रुटि के पास हो गए। इसने सिद्ध किया कि विधि ने वैध, उपयोगी परिणाम दिए, भले ही यह अभी तक शास्त्रीय कंप्यूटरों की तुलना में एक श्रेष्ठ सॉल्वर होने का प्रमाण नहीं दे पाई।

यह अध्ययन क्षेत्र के लिए एक महत्वपूर्ण सबक को उजागर करता है: गणित में शॉर्टकट खोजने का अर्थ स्वतः ही वास्तविक दुनिया में तेज़ या बेहतर समाधान प्राप्त करना नहीं है। शोधकर्ताओं ने पाया कि जबकि उनकी तकनीक ने क्वांटम सर्किट से अनावश्यक भाग को सफलतापूर्वक कम कर दिया, फिर भी समग्र प्रदर्शन अन्य कारकों, जैसे कि मिक्सिंग ऑपरेशनों की जटिलता और क्यूबिट्स के बीच भौतिक कनेक्शनों द्वारा सीमित था। उन्होंने निष्कर्ष निकाला कि हालांकि यह "एक्जैक्ट डायगोनल कंप्लीशन" विशिष्ट क्वांटम एल्गोरिदम के हिस्सों को सरल बनाने के लिए एक शक्तिशाली उपकरण है, लेकिन यह एक बहुत बड़ी पहेली का केवल एक हिस्सा है। चिप डिज़ाइन के लिए वास्तव में एक श्रेष्ठ क्वांटम सॉल्वर के पथ के लिए इन सर्किट बचतों और शेष प्रणाली की लागतों के बीच संतुलन बनाना आवश्यक होगा, और फिलहाल, शास्त्रीय कंप्यूटर इन कार्यों के लिए मजबूत विकल्प बने हुए हैं। यह कार्य एक स्पष्ट प्रदर्शन है कि क्वांटम कंप्यूटिंग में, प्रत्येक अनुकूलन को पूरी मशीन के संदर्भ में मापा जाना चाहिए, न कि केवल अलग से।

तकनीकी सारांश: सुलभ उप-स्थानों (Reachable Subspaces) पर सटीक विकर्ण पूर्णता (Exact Diagonal Completion): QAOA प्लेसमेंट पर अनुप्रयोग

समस्या विवरण

क्वांटम सर्किट अक्सर पूर्ण हिल्बर्ट स्पेस (Hilbert space) पर परिभाषित ऑपरेटरों से संश्लेषित किए जाते हैं, भले ही एल्गोरिदम एक छोटे सुलभ उप-स्थान तक ही सीमित हो। विकर्ण लागत ऑपरेटरों (diagonal cost operators) के लिए, अपहुंच योग्य कंप्यूटेशनल-आधारित अवस्थाओं (unreachable computational-basis states) के प्रविष्टियाँ आदर्श एल्गोरिदम के आउटपुट को प्रभावित नहीं करती हैं। हालाँकि, इन "अनिर्दिष्ट" विक럴 प्रविष्टियों का चयन एक संकलन (compilation) अवसर बनता है। एक ही आवश्यक क्रिया के विभिन्न सटीक विस्तार (exact extensions) अलग-अलग वॉल्श स्पेक्ट्रा (Walsh spectra) और फलस्वरूप अलग-अलग सर्किट लागत (गेट काउंट) उत्पन्न कर सकते हैं। यह शोध पत्र विशेष रूप से क्वांटम एप्रोक्सिमेट ऑप्टिमाइजेशन एल्गोरिदम (QAOA) के लिए "सटीक विकर्नल पूर्णता" समस्या की जांच करता है, जो सर्किट प्लेसमेंट समस्या पर लागू होता है, जहाँ लक्ष्य इंटरकनेक्शन लंबाई को कम करते हुए सर्किट सेल को भौतिक साइटों पर आवंटित करना है।

कार्यप्रणाली

लेखक सर्किट संश्लेषण (synthesis) लागू करने से पहले दूरी ऑपरेटर (मैनहट्टन दूरी) के अनिर्दिष्ट प्रविष्टियों को अनुकूलित करने के लिए एक ढांचा प्रस्तावित करते हैं।

एन्कोडिंग और सुलभ उप-स्थान (Encodings and Reachable Subspaces):
- वन-हॉट एन्कोडिंग (One-hot Encoding): पंक्ति उत्तेजना (row excitation) को संरक्षित करने वाले XY मिक्सर (पूर्ण या रिंग) के साथ $nm$ क्विबिट्स का उपयोग करता है।
- टोकन परम्यूटेशन एन्कोडिंग (Token Permutation Encoding): $n$ वास्तविक-सेल रजिस्टरों और $m-n$ विशिष्ट "EMPTY" टोकन रजिस्टरों का उपयोग करता है, जिनमें से प्रत्येक का आकार $k = \lceil \log_2 m \rceil$ है। यह एन्कोडिंग रजिस्टर स्वैप (Fredkin gates) के माध्यम से वैध साइट लेबल के क्रम (permutation) को संरक्षित करती है, जिससे यह सुनिश्चित होता है कि सभी मापे गए प्लेसमेंट कानूनी (legal) हैं। टोकन सर्किट वन-हॉट की तुलना में कम क्विबिट्स का उपयोग करता है जब $mk+1 < nm$; हालाँकि, रिक्तियों (vacancies) की संख्या बढ़ाने से यह चौड़ाई लाभ समाप्त या उलट सकता है (जैसे, चार सेल और सोलह साइटों के लिए, टोकन सर्किट 65 क्विबिट्स का उपयोग करता है जबकि वन-हॉट के लिए 64)।
सटीक विकर्नल पूर्णता (Exact Diagonal Completion):
- सर्किट लागत को कम करने के लिए दूरी ऑपरेटर को अमान्य बाइनरी कोड (अप्रयुक्त लेबल) तक विस्तारित किया जाता है।
- वेटेड- $\ell_1$ पूर्णता (L1): लेखक सभी वैध साइट जोड़ों पर मैनहट्टन दूरी से मेल खाने के अधीन, वॉल्श गुणांक $c_j$ खोजने के लिए एक रैखिक प्रोग्राम (LP) तैयार करते हैं जो एक वेटेड $\ell_1$ नॉर्म (विरलता सरोगेट) को कम करता है। यह एक "वेटेड बेसिस पर्सुट" दृष्टिकोण है।
- संरचित पुनरावृत्ति (Structured Recurrence): नियमित निर्देशांक-सूचकांक वाली सरणियों (arrays) के लिए, सटीक दूरी चरणों (distance phases) का निर्माण करने के लिए एक विरल पुनरावृत्ति संबंध व्युत्पन्न किया गया है, जिसमें सघन LP को हल करने के बजाय केवल $O(\sqrt{m})$ पदों की आवश्यकता होती है।
संश्लेषण रणनीतियाँ (Synthesis Strategies):
- परिणामी वॉल्श गुणांकों को ग्रे संश्लेषण (Gray synthesis) का उपयोग करके सर्किट में संश्लेषित किया जाता है, जो उनके उच्चतम-इंडेक्स क्वबिट द्वारा पदों को समूहित करता है और निकटवर्ती CNOT (CX) गेट्स के रद्दीकरण को अधिकतम करने के लिए परावर्तित ग्रे-कोड क्रम में नियंत्रण मास्क का अनुसरण करता है।
- तुलना शून्य-पैडिंग (zero-padding), वर्चुअल-कोऑर्डिनेट एक्सटेंशन, नियरएस्ट-कोड एक्सटेंशन, और मीन-फिल एक्सटेंशन के साथ-साथ जेनेरिक डायगोनल सिंथेसिस विधियों (Qiskit, PyZX) के विरुद्ध की जाती है।
प्रायोगिक डिजाइन (Experimental Design):
- कोहॉर्ट्स (Cohorts): 160 ज्यामिति (100 प्रारंभिक, 60 प्रतिकृति) जिसमें 4 सेल और परिवर्तनशील साइट गणना ( $m=6, 8, 9, 12, 16$ ) शामिल हैं।
- मेट्रिक्स: CX गेट काउंट, सर्किट डेप्थ, और प्लेसमेंट गुणवत्ता (इष्टतम प्रायिकता, अपेक्षित सर्वोत्तम लागत)।
- एकीकरण: चुनिले QAOA प्लेसमेंट्स को वैधता और डाउनस्ट्रीम व्यवहार्यता को सत्यापित करने के लिए OpenROAD फिजिकल डिज़ाइन फ्लो में एकीकृत करने के लिए एक अलग अध्ययन किया गया है।

मुख्य योगदान

सटीक मैनहट्टन-दूरी चरणों का निर्माण: लेखक एक वेटेड- $\ell_1$ रैखिक प्रोग्राम और एक विरल निर्देशांक पुनरावृत्ति का उपयोग करके सटीक दूरी चरण निर्मित करते हैं। वे सिद्ध करते हैं कि ये निर्माण सभी सुलभ अवस्थाओं पर आवश्यक क्रिया के साथ सहमत होते हैं, चाहे अपहुंच योग्य अवस्थाओं को क्या भी मान दिया जाए।
संश्लेषण-निर्भर गेट बचत: 160 ज्यामितियों में, ग्रे संश्लेषण के तहत, L1 पूर्णता अप्रयुक्त बाइनरी कोड वाले सभी 96 मामलों में चार वैकल्पिक विस्तारों के सापेक्ष CX काउंट को कम करती है। हालाँकि, शोध पत्र इस बात पर प्रकाश डालता है कि ये लाभ संश्लेषण पद्धति पर अत्यधिक निर्भर हैं; जेनेरिक डायगल सिंथेसिस के तहत, कमी काफी कम हो जाती है (जैसे, 9 साइटों पर 53.9% से गिरकर 1.3% हो जाना)।
पूर्ण-सर्किट संसाधन विश्लेषण: अध्ययन चरण बचत के प्रभाव का पूरे सर्किट पर मूल्यांकन करता है। जबकि L1 पूर्णता चरण घटक के गेट काउंट को कम करता है, समग्र संसाधन लाभ मिक्सर डेप्थ और सीरियलाइजेशन द्वारा सीमित होता है। समानांतर मिक्सिंग टोकन सर्किट डेप्थ को कम करती है लेकिन यह हार्डवेयर टोपोलॉजी के संबंध में वन-हॉट बेसलाइन की तुलना में कुल डेप्थ या गेट काउंट में लगातार बेहतर प्रदर्शन नहीं करती है।
प्लेसमेंट गुणवत्ता और एकीकरण: आदर्श सिमुलेशन आधारभूत-निर्भर समाधान गुणवत्ता दिखाते हैं, जहाँ क्लासिकल सर्च अक्सर परीक्षण किए गए छोटे उदाहरणों पर QAOA से बेहतर प्रदर्शन करता है। हालाँकि, शोध पत्र एक ठोस एकीकरण पथ प्रदर्शित करता है: छह RTL डिजाइनों से 72 QAOA-जनित स्थानीय प्लेसमेंट सफलतापूर्वक शून्य ओवरफ्लो के साथ क्लॉक-ट्री सिंथेसिस और ग्लोबल रूटिंग को पास कर सके।

परिणाम

गेट रिडक्शन: ग्रे संश्लेषण के तहत, L1 पूर्णता 6, 9, और 12 साइटों के लिए वर्चुअल-कोऑर्डिनेट एक्सटेंशन के सापेक्ष क्रमशः 28.0%, 53.9%, और 21.6% का मध्यम CX रिडक्शन प्राप्त करती है।
संश्लेषण संवेदनशीलता: जेनेरिक डायगोनल सिंथेसिस (निश्चित कोण) का उपयोग करने पर, L1 पूर्णता का लाभ नाटकीय रूप से कम हो जाता है (जैसे, 10.9%, 1.3%, 0.7% की कमी), जो दर्शाता है कि लाभ कंपाइलर-स्वतंत्र नहीं है।
संसाधन ट्रेड-ऑफ: L1 पूर्णता वाले टोकन सर्किट में वन-हॉट की तुलना में कम डेटा क्विबिट्स होते हैं जब रिक्तियों की संख्या कम होती है; जैसे-जैसे रिक्तियां बढ़ती हैं, चौड़ाई का लाभ खोया या उलट सकता है (जैसे, 4 सेल/16 साइट के लिए 65 क्विबिट्स बनाम 64 वन-हॉट)। इसके अतिरिक्त, स्वैप नेटवर्क के कारण टोकन सर्किट अक्सर गहरे (deeper) होते हैं। स्वैप को समानांतर करने से डेप्थ ~20-24% कम हो जाती है लेकिन यह सभी हार्डवेयर टोपोलॉजी में वन-हॉट एन्कोडिंग पर सार्वभौमिक संसाधन लाभ स्थापित नहीं करता है।
समाधान गुणवत्ता: समान सर्किट लागत पर, टोकन एन्कोडिंग कुछ 4-सेल मामलों में वन-हॉट बेसलाइन की तुलना में उच्च इष्टतम प्रायिकता दिखाती है, लेकिन यह लाभ बड़े आकारों (5-6 सेल) या विभिन्न प्रशिक्षण व्यवस्थाओं में लगातार नहीं रहता है। क्लासिकल मल्टी-स्टार्ट ग्रीडी सर्च परीक्षण किए गए उदाहरणों पर QA पहुँचा (QAOA) से बेहतर समाधान खोजता है।
डाउनस्ट्रीम व्यवहार्यता: OpenROAD अध्ययन में सभी 72 QAOA प्लेसमेंट और 216 क्लासिकल प्लेसमेंट शून्य ओवरफ्लो के साथ क्लॉक-ट्री सिंथेसिस और ग्लोबल रूटिंग को पूरा करते हैं, जो भौतिक डिजाइन के लिए उत्पन्न प्लेसमेंट की वैधता को प्रमाणित करते हैं।

महत्व और दावे

शोध पत्र विनम्रतापूर्वक दावा करता है कि सटीक विकर्नल पूर्णता एक व्यवहार्य सर्किट-डिजाइन निर्णय है जो आदर्श एल्गोरिदम के व्यवहार को बदले बिना कार्यान्वयन लागत को कम कर सकता है। लेखक इस बात पर जोर देते हैं कि:

स्वतंत्रता वास्तविक है लेकिन प्रासंगिक है: अनिर्दिष्ट विकर्नल प्रविष्टियों को चुनने की क्षमता अनुकूलन के वास्तविक अवसर प्रदान करती है, लेकिन लाभ का परिमाण संश्लेषण पद्धति और विशिष्ट एन्कोडिंग के साथ मजबूती से जुड़ा हुआ है।
कोई एंड-टू-एंड लाभ स्थापित नहीं हुआ: हालांकि चरण निर्माण (phase construction) में सुधार हुआ है, शोध पत्र प्लेसमेंट के लिए कोई क्वांटम लाभ स्थापित नहीं करता है। पूर्ण-सर्किट परिणाम दिखाते हैं कि मिक्सर लागत, कनेक्टिविटी, और वेरिएशनल सर्किटों को प्रशिक्षित करने की कठिनाई अक्सर चरण-स्तर की बचत को निष्प्रभावी कर देती है।
एकीकरण पथ: इसका प्राथमिक व्यावहारिक योगदान यह प्रदर्शित करना है कि QAOA कानूनी, उच्च-गुणवत्ता वाले स्थानीय प्लेसमेंट उत्पन्न कर सकता है जो मानक इलेक्ट्रॉनिक डिज़ाइन ऑटोमेशन (EDA) प्रवाह के साथ संगत हैं, भले ही क्वांटम सॉल्वर अभी भी इन विशिष्ट छोटे-पैमाने के उदाहरणों पर क्लासिकल ह्यूरिस्टिक्स से बेहतर प्रदर्शन न करे।

यह कार्य एक सीमित क्वांटम अनुप्रयोग (प्लेसमेंट) के भीतर एक विशिष्ट संकलन तकनीक (पूर्णता) का एक कठोर मूल्यांकन के रूप में कार्य करता है, जो सैद्धांतिक ऑपरेटर सरलीकरण और व्यावहारिक क्वांटम संसाधन न्यूनीकरण के बीच के अंतर को स्पष्ट करता है।