⚛️ quantum physics

Conditioning-Free Non-Uniform Quantum Fourier and Chebyshev Transforms

यह शोध पत्र गैर-समान (non-uniform) चेबीशेव ट्रांसफॉर्म के लिए एक कुशल, बिना कंडीशनिंग वाला क्वांटम एल्गोरिदम प्रस्तुत करता है जो गैर-समान नोड सैंपलिंग में सुधार करके और आवश्यक ओरेकल (oracles) का स्पष्ट रूप से निर्माण करके $O(L)$ क्विबिट्स और $\widetilde O(L^2)$ गेट्स के साथ $\varepsilon$ -सटीक ब्लॉक एनकोडिंग प्राप्त करता है।

मूल लेखक: Chaowen Guan, Akshit Katiyar

प्रकाशित 2026-10-01

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Chaowen Guan, Akshit Katiyar

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 कंप्यूटिंग के विशाल परिदृश्य में, क्लासिकल मशीनों की गति और क्वांटम कंप्यूटरों की क्षमता के बीच एक निरंतर तनाव बना रहता है। क्लासिकल कंप्यूटर डेटा को व्यवस्थित पंक्तियों में संभालने में उत्कृष्ट होते हैं, जैसे कि एक स्प्रेडशीट जहाँ प्रत्येक सेल एक-दूसरे से समान दूरी पर होता है। हालाँकि, वास्तविक दुनिया अक्सर अधिक अव्यवस्थित होती है। मेडिकल इमेजिंग से लेकर सिग्नल प्रोसेसिंग तक के क्षेत्रों में, डेटा अक्सर अनियमित अंतराल पर, या "नॉन-यूनिफॉर्म" (गैर-समान) बिंदुओं पर आता है। इस बिखरी हुई जानकारी को समझने के लिए, वैज्ञानिक एक शक्तिशाली गणितीय उपकरण पर भरोसा करते हैं जिसे फूरियर ट्रांसफॉर्म कहा जाता है, जो एक प्रिज्म की तरह कार्य करता है, जटिल तरंगों को उनकी व्यक्तिगत आवृत्तियों में तोड़ देता है। जब डेटा असमान होता है, तो इसके एक विशेष संस्करण की आवश्यकता होती है जिसे नॉन-यूनिफॉर्म फूरियर ट्रांसफॉर्म कहा जाता है। जबकि क्लासिकल कंप्यूटर इन समस्याओं को हल कर सकते हैं, जैसे-जैसे डेटा की मात्रा बढ़ती है, वे अविश्वसनीय रूप से धीमे हो जाते हैं। क्वांटम कंप्यूटर, जो सूचना को संसाधित करने के लिए क्वांटम मैकेनिक्स के विचित्र नियमों का उपयोग करते हैं, इन समस्याओं को घातांकीय रूप से (exponentially) तेज़ी से हल करने का वादा करते हैं। फिर भी, वर्षों से, एक विशिष्ट बाधा ने इस प्रगति को रोक रखा है: क्वांटम मशीनों पर असमान डेटा को संभालने के लिए उपयोग की जाने वाली गणितीय विधियाँ नाजुक थीं। वे केवल विशिष्ट, आदर्श स्थितियों में ही अच्छी तरह से काम करती थीं, और यदि डेटा बिंदु उनकी अनुमत सीमा के किनारों के बहुत करीब आ जाते, तो उनकी सटीकता ढह जाती थी।

शोधकर्ताओं की एक टीम ने अब इस बाधा को दूर कर दिया है, एक नया क्वांटम एल्गोरिदम प्रस्तुत किया है जो इन अनियमित डेटा बिंदुओं को, उनके विन्यास के बावजूद, मजबूत सटीकता के साथ संभाल सकता है। उनका कार्य चेबिशेव ट्रांसफॉर्म (Chebyshev transform) नामक एक विशिष्ट प्रकार के गणितीय रूपांतरण पर केंद्रित है, जो फलनों (functions) के विश्लेषण और विभेदक समीकरणों (differential equations) को हल करने के लिए आवश्यक है। अतीत में, इस ट्रांसफॉर्म के क्वांटम संस्करण केवल तभी काम कर सकते थे जब डेटा बिंदु एक विशिष्ट कोणीय तरीके से पूरी तरह से समान रूप से व्यवस्थित हों, एक ऐसी स्थिति जो वास्तविक दुनिया के डेटा से शायद ही कभी मेल खाती है। शोधकर्ताओं ने "कंडीशनिंग" (conditioning) की आवश्यकता को हटाने का एक तरीका विकसित किया, जो डेटा बिंदुओं की ज्यामिति पर एक नाजुक निर्भरता थी। अपने कोर क्वांटम सर्किट को पुनर्गठित करके, उन्होंने एक ऐसी प्रणाली बनाई जहाँ गणना में त्रुटि डेटा के बीच की दूरी पर निर्भर नहीं करती है। इसके बजाय, सटीकता पूरी तरह से डेटा को दर्शाने के लिए उपयोग किए गए बिट्स की संख्या और वांछित स्तर की शुद्धता द्वारा निर्धारित होती है। इसका अर्थ है कि एल्गोरिदम स्थिर और विश्वसनीय है, भले ही डेटा बिंदु समूहों में हों या मापन सीमा के किनारों पर स्थित हों, एक ऐसी स्थिति जो पहले गणना को विफल कर देती थी।

यह सफलता इस बात के चतुराईपूर्ण पुनर्कल्पना पर आधारित है कि कंप्यूटर डेटा को कैसे संसाधित करता है। अनियमित डेटा को एक पूर्ण ग्रिड में फिट करने के बजाय, नई विधि संग्रहीत डिजिटल सन्निकटन (digital approximation) को सटीक इनपुट के रूप में मानती है। इसके बाद, यह सीधे इस संग्रहीत मान से आवश्यक गणितीय समायोजनों की गणना करती है, जिससे डेटा और एक ग्रिड लाइन के बीच की दूरी का अनुमान लगाने की आवश्यकता समाप्त हो जाती है। यह दृष्टिकोण एक विशिष्ट प्रकार की त्रुटि को समाप्त करता है जिसने पिछले प्रयासों को परेशान किया था, एक ऐसी त्रुटि जो डेटा बिंदुओं के अपनी सीमा के किनारों के करीब आने पर अनियlessly बढ़ जाती थी। शोधकर्ताओं ने सिद्ध किया कि उनका नया सर्किट समस्या के आकार के साथ केवल लघुगणकीय (logarithmically) रूप से बढ़ने वाले क्वांटम बिट्स का उपयोग करके उच्च सटीकता के साथ रूपांतरण कर सकता है। व्यावहारिक रूप से, इसका अर्थ है कि डेटा की मात्रा को दोगुना करने से आवश्यक संसाधन दोगुने नहीं होते; बल्कि केवल एक छोटा, प्रबंधनीय हिस्सा ही बढ़ता है। एल्गोरिदम जटिल गणितीय मैट्रिक्स को दर्शाने के लिए 'ब्लॉक एनकोडिंग' नामक तकनीक का उपयोग करता है, जिससे यह सुनिश्चित होता है कि अंतिम परिणाम वास्तविक ट्रांसफॉर्म का एक निष्ठावान सन्निकटन है।

इस सैद्धांतिक प्रगति को उपयोगी बनाने के लिए, टीम ने विशिष्ट "ओरेकल" (oracles), या सबरूटीन भी बनाए हैं, जो डेटा को क्वांटम कंप्यूटर में फीड करने के लिए आवश्यक हैं। ये सबरूटीन कच्चे डेटा बिंदुओं को उस प्रारूप में बदलने का कार्य संभालते हैं जिसकी क्वांटम सर्किट को आवश्यकता होती है, जिसमें आवश्यक कोणों की गणना करना और यह पहचानना शामिल है कि कौन से डेटा बिंदु एक ही ग्रिड स्थान साझा करते हैं। उन्होंने प्रदर्शित किया कि मानक रेंज में समान रूप से व्यवस्थित डेटा बिंदुओं के विशिष्ट मामले के लिए, पाँच से अधिक बिंदु कभी भी एक ही ग्र "ग्रिड स्थान" साझा नहीं करते हैं, एक ऐसा गुण जो कम्प्यूटेशनल लागत को कम रखता है। संपूर्ण प्रक्रिया, इनपुट स्टेट को तैयार करने से लेकर आउटपुट पढ़ने तक, कुशल होने के लिए डिज़ाइन की गई है, जिसमें समस्या के आकार के लघुगणक के साथ बहुपद (polynomially) रूप से बढ़ने वाले क्वांटम ऑपरेशन्स की आवश्यकता होती है। यह क्लासिकल विधियों की तुलना में एक महत्वपूर्ण सुधार है, जिन्हें डेटा के आकार के साथ बढ़ने वाले ऑपरेशन्स की आवश्यकता होती है।

इस कार्य के निहितार्थ केवल एक गणितीय युक्ति से कहीं अधिक हैं। नॉन-यूनिफॉर्म चेबिशेव ट्रांसफॉर्म उन एल्गोरिदम के एक व्यापक वर्ग के लिए एक मौलिक निर्माण खंड है जिनका उपयोग भौतिक प्रणालियों के अनुकरण या अधूरे डेटा से छवियों के पुनर्निर्माण जैसे जटिल वैज्ञानिक समस्याओं को हल करने के लिए किया जाता है। इस ट्रांसफॉर्म का एक स्थिर और कुशल क्वांटम संस्करण प्रदान करके, शोधकर्ताओं ने क्वांटम एल्गोरिदम की एक नई पीढ़ी के द्वार खोल दिए हैं जो चुंबकीय अनुनाद इमेजिंग (MRI) और भूकंपीय विश्लेषण जैसे क्षेत्रों में पाए जाने वाले अनियमित, वास्तविक दुनिया के डेटा को संभाल सकते हैं। यह कार्य यह दावा नहीं करता है कि यह क्वांटम कंप्यूटिंग की हर समस्या को हल कर देगा, न ही यह सुझाव देता है कि ये मशीनें रोजमर्रा के कार्यों के लिए क्लासिकल कंप्यूटरों को बदलने के लिए तैयार हैं। इसके बजाय, यह एक विशिष्ट, कठिन श्रेणी की समस्याओं के लिए एक सटीक, सिद्ध उपकरण प्रदान करता है। शोधकर्ताओं ने दिखाया है कि त्रुटियों के स्रोतों का सावधानीपूर्वक विश्लेषण करके और सर्किट को उन्हें टालने के लिए पुनर्गठित करके, ऐसे क्वांटम एल्गोरिदम बनाना संभव है जो शक्तिशाली और विश्वसनीय दोनों हों। यह उपलब्धि क्वांटम कंप्यूटिंग को उस जटिल, असमान डेटा के लिए एक व्यावहारिक उपकरण बनाने की दिशा में एक कदम है जो आधुनिक विज्ञान के अधिकांश हिस्से को परिभाषित करता है।

यहाँ Guan और Katiyar के शोध पत्र "Conditioning-Free Non-Uniform Quantum Fourier and Chebyshev Transforms" का विस्तृत तकनीकी सारांश दिया गया है।

समस्या विवरण (Problem Statement)

यह शोध पत्र एक क्वांटम कंप्यूटर पर नॉन-यूनिफॉर्म चेबिशेव ट्रांसफॉर्म (NUCT) को कुशलतापूर्वक गणना करने की चुनौती को संबोधित करता है। NUCT एक फलन $f$ को, जो इक्विस्पेस (equispaced) नोड्स $x_k \in [-1, 1]$ पर परिभाषित है, चेबिशेव बहुपदों $T_j(x)$ पर उसके प्रक्षेप (projection) में मैप करता है।

कठिनाई: जबकि चेबिशेव नोड्स (जो $\theta = \arccos x$ के संदर्भ में यूनिफॉर्म हैं लेकिन $x$ के संदर्भ में नॉन-यूनिफॉर्म हैं) पर क्लासिकल डिस्क्रीट चेबिशेव ट्रांसफॉर्म, एक मानक डिस्क्रीट फूरियर ट्रांसफॉर्म (DFT) में बदल जाता है, इक्विस्पेस $x$ नोड्स पर NUCT, नॉन-यूनिफॉर्म कोणों $\theta_k = \arccos(x_k)$ पर एक DFT के अनुरूप होता है।
पूर्व सीमाएँ: पूर्ववर्ती क्वांटम दृष्टिकोण, जैसे कि [AKY26] द्वारा प्रस्तावित नॉन-यूनिफॉर्म क्वांटम फूरियर ट्रांसफॉर्म (NUQFT), ट्रांसफॉर्म मैट्रिक्स के लो-रैंक फैक्टराइजेशन (low-rank factorization) पर निर्भर करते हैं। हालाँकि, इन मौजूदा विधियों के एरर बाउंड्स एक ज्योमेट्री-डिपेंडेंट पैरामीटर $\kappa$ पर निर्भर करते हैं, जिसे $\arccos$ फलन के मीन-वैल्यू थ्योरम (mean-value theorem) में प्रयुक्त मध्यवर्ती बिंदु $y^*$ के $1/\sqrt{1-(y^*)^2}$ के अधिकतम मान के रूप में परिभाषित किया गया है। ग्रिड सीमाओं के पास स्थित नोड्स के लिए (जहाँ $y^* \to \pm 1$ ), $\kappa$ अनिश्चित रूप से बड़ा हो सकता है, जिससे एल्गोरिदम की दक्षता की गारंटी बाधित हो सकती है। इसके अतिरिक्त, पूर्ववर्ती कार्यों में अक्सर स्पार्स मैट्रिसेस के लिए "रो-एक्सेस ओरैकल्स" (row-access oracles) के अस्तित्व को बिना स्पष्ट निर्माण के मान लिया गया था।

कार्यप्रणाली (Methodology)

लेखक एक कंडीशनिंग-फ्री NUQFT का प्रस्ताव करते हैं और इसे निम्नलिखित पद्धतिगत चरणों के माध्यम से NUCT पर लागू करते हैं:

सटीक फिक्स्ड-पॉइंट उपचार (Exact Fixed-Point Treatment): संग्रहीत नोड मानों को वास्तविक संख्याओं के शोरयुक्त अनुमान (noisy approximations) मानने के बजाय, यह एल्गोरिदम $m$ -बिट फिक्स्ड-पॉइंट निरूपण $\tau_k$ को ट्रांसफॉर्म के लिए सटीक इनपुट नोड्स के रूप में मानता है। ट्रांसफॉर्म मैट्रिक्स $F_\tau$ को इन सटीक संग्रहीत मानों से निर्मित किया जाता है।
एरर डिकंपोजिशन (Error Decomposition): कुल त्रुटि (error) को दो स्वतंत्र घटकों में विभाजित किया गया है:
- इम्प्लीमेंटेशन एरर (Implementation Error): कार्यान्वित सर्किट और संग्रहीत नोड्स ( $F_\tau$ ) पर ट्रांसफॉर्म के बीच का अंतर।
- नोड एरर (Node Error): संग्रहीत नोड्स ( $F_\tau$ ) पर ट्रांसफॉर्म और लक्षित वास्तविक नोड्स ( $F_t$ ) के बीच का अंतर।
$\kappa$ को हटाना:
- इम्प्लीमेंटेशन एरर विश्लेषण में, एल्गोरिदम सटीक संग्रहीत ऑफसेट $z_j$ पर $\arccos$ की गणना करता है। चूंकि $\arccos$ का इनपुट सटीक है, इसलिए त्रुटि केवल आउटपुट एंगल राउंडिंग से उत्पन्न होती है। यह $\pm 1$ पर $\arccos$ के अनबाउंडेड डेरिवेटिव (unbounded derivative) को इनपुट एरर पर कार्य करने से रोकता है, जिससे $\kappa$ पर निर्भरता समाप्त हो जाती है।
- नोड एरर को फूरियर फेजेस (Fourier phases) की नोड परटर्बेशन के प्रति संवेदनशीलता का विश्लेषण करके अलग से सीमित किया जाता है, जिससे बिना किसी ज्योमेट्रिक सिंगुलैरिटी के $\|t - \tau\|_\infty$ के समानुपाती बाउंड प्राप्त होता है।
लो-रैंक फैक्टराइजेशन और LCU: NUCT मैट्रिक्स को दो टाइप-II नॉन-यूनिफॉर्म DFTs (NUDFTs) के औसत में कम किया जाता है। प्रत्येक NUDFT को एक लो-रैंक चेबिशेव-बेसेल एक्सपेंशन (रैंक $K$ ) के माध्यम से अनुमानित किया जाता है। लेखक इसे एक वेटेड (weighted) आउटर स्टेट के साथ लीनियर कॉम्बिनेशन ऑफ यूनिटरीज (LCU) का उपयोग करके लागू करते हैं, जो यूनिफॉर्म LCU दृष्टिकोणों की तुलना में नॉर्मलाइजेशन फैक्टर में सुधार करता है।
स्पष्ट ओरकल निर्माण (Explicit Oracle Construction): शोध पत्र निम्नलिखित के लिए स्पष्ट क्वांटम सर्किट प्रदान करता है:
- नोड ओरकल ( $O_\tau$ ): $x_k$ के $\arccos(x_k)$ का रिवर्सिबल तरीके से $m$ -बिट अनुमान निकालता है।
- रो-एक्सेस ओरकल ( $O_r$ ): NUCT नोड्स की विशिष्ट संरचना (जहाँ अधिकतम 5 नोड्स एक ही ग्रिड पॉइंट पर मैप होते हैं और इंडेक्स क्रमिक होते हैं) का लाभ उठाकर बिना लुकअप टेबल के स्पार्स रो एक्सेस प्रदान करता है।
- कोएफिशिएंट प्रिपरेशन (Coefficient Preparation): बेसेल-फंक्शन को क्लासिकली निर्मित करता है और उन्हें क्वांटम स्टेट्स में लोड करता है, यह सिद्ध करते हुए कि ये इंस्टेंस-इंडिपेंडेंट (instance-independent) हैं।

प्रमुख योगदान (Key Contributions)

कंडीशनिंग-फ्री NUQFT: प्राथमिक सैद्धांतिक योगदान एक संशोधित NUQFT एल्गोरिदम (थ्योरम 4.7) है जहाँ एरर बाउंड्स और रिसोर्स रिक्वायरमेंट्स ज्योमेट्री पैरामीटर $\kappa$ से स्वतंत्र हैं। एरर केवल नोड के प्रति बिट्स की संख्या ( $m$ ), लक्षित सटीकता ( $\epsilon$ ), और रो स्पर्सिटी ( $d_r$ ) पर निर्भर करता है।
सुधारित नॉर्मलाइजेशन: एक वेटेड आउटर LCU और कुल बेसेल वेट ( $\Lambda < 24$ ) पर टाइट बाउंड्स का उपयोग करके, लेखक $O(\sqrt{d_r})$ का ब्लॉक एनकोडिंग नॉर्मलाइजेशन प्राप्त करते हैं। NUCT के लिए, जहाँ $d_r \le 5$ है, यह $O(1)$ नॉर्मलाइजेशन में बदल जाता है, जो पूर्ववर्ती विधियों के $O(K^2\sqrt{d_r})$ या $O(K\sqrt{d_r})$ स्केलिंग की तुलना में एक महत्वपूर्ण सुधार है।
स्पष्ट ओरकल कंस्ट्रक्शन: शोध पत्र पूर्व-मौजूदा ओरकल की धारणा को हटाकर, विशेष रूप से इक्विस्पेस चेबिशेव सेटिंग के लिए अनुकूलित नोड जनरेशन और रो एक्सेस के लिए स्पष्ट, कुशल क्वांटम सर्किट प्रदान करता है।
एंड-टू-एंड NUCT एल्गोरिदम: लेखक एक पूर्ण क्वांटम सर्किट (एल्गोरिदम 2) प्रस्तुत करते हैं, जिसमें क्यूबिट काउंट, गेट डेप्थ और सक्सेस प्रोबेबिलिटी को कवर करने वाला एक कठोर जटिलता विश्लेषण शामिल है।

परिणाम (Results)

शोध पत्र $N=2^q$ नोड्स और लक्षित सटीकता $\epsilon$ के लिए NUCT हेतु निम्नलिखित जटिलता परिणाम स्थापित करता है:

क्यूबिट कॉम्प्लेक्सिटी: $O(L)$ क्यूबिट्स, जहाँ $L = q + \log(1/\epsilon)$ ।
गेट कॉम्प्लेक्सिटी: $\tilde{O}(L^2)$ लॉजिकल गेट्स (रिवर्सिबल अरिथमेटिक, क्लिफोर्ड, टोफोली, कंट्रोल्ड रोटेशन्स)। जब इन्हें क्लिफोर्ड+T गेट्स में सिंथेसाइज किया जाता है, तो जटिलता $\tilde{O}(L^3)$ होती है।
नॉर्मलाइजेशन: $O(1)$ (विशेष रूप से $24\sqrt{5}$ द्वारा सीमित)।
सटीकता: एल्गोरिदम NUCT मैट्रिक्स का एक $\epsilon$ -एक्यूरेट ब्लॉक एनकोडिंग तैयार करता है।
आउटपुट स्टेट: एक इनपुट स्टेट $|f\rangle$ दिए जाने पर, एल्गोरिदम नॉर्मलाइज्ड आउटपुट $C_N|f\rangle / \|C_N|f\rangle\|$ के करीब एक स्टेट तैयार करता है, जिसका एरर $O(\epsilon / (r-\epsilon))$ है, जहाँ $r = \|C_N|f\rangle\|$ । आवश्यक एम्पलीट्यूड एम्प्लीफिकेशन राउंड्स की संख्या $O(1/(r-\epsilon))$ है।

महत्व और दावे (Significance and Claims)

लेखक दावा करते हैं कि यह कार्य इक्विस्पेस नोड्स पर नॉन-यूनिफॉर्म चेबिशेव ट्रांसफॉर्म के लिए पहला कुशल, कंडीशनिंग-फ्री क्वांटम एल्गोरिदम प्रदान करता है।

एक्सपोनेंशियल स्पीडअप: इस ट्रांसफॉर्म के लिए क्लासिकल एल्गोरिदम (Driscoll, Healy, and Rockmore [DHR97] द्वारा) के लिए $O(N \log^2 N)$ ऑपरेशन्स की आवश्यकता होती है। प्रस्तावित क्वांटम एल्गोरिदम $N$ में पॉिलोगारिदमिक ( $\tilde{O}(\log^2 N)$ ) है, जो ट्रांसफॉर्म के लिए घातीय (exponential) स्पीडअप प्रदान करता है।
सामान्य ट्रांसफॉर्म्स के लिए आधार: लेखक NUCT को पूर्ण पाइपलाइन [DHR97] को लागू करने के लिए एक महत्वपूर्ण बिल्डिंग ब्लॉक के रूप में देखते हैं, जो थ्री-टर्म रिकरेंस (three-term recurrences) पर आधारित डिवाइड-एंड-कन्कर अप्रोच का उपयोग करके सामान्य ऑर्थोगोनल पॉलीनोमियल परिवारों के लिए डिस्क्रीट पॉलीनोमियल ट्रांसफॉर्म्स की गणना करता है।
मजबूती (Robustness): $\kappa$ पर निर्भरता को हटाकर, एल्गोरिदम किसी भी नोड डिस्ट्रीब्यूशन के लिए मजबूत है, जिसमें वे नोड्स भी शामिल हैं जो ग्रिड सीमाओं के अत्यंत निकट हैं, एक ऐसी स्थिति जहाँ पूर्ववर्ती विधियाँ विफल हो सकती थीं या नोड प्लेसमेंट के बारे में अपुष्ट धारणाओं की आवश्यकता होती।

शोध पत्र निष्कर्ष निकालता है कि जबकि ट्रांसफॉर्म स्वयं घातीय रूप से तेज़ है, व्यावहारिक अनुप्रयोगों के लिए एंड-टू-एंड स्पीडअप इनपुट स्टेट प्रिपरेशन की लागत, आउटपुट के नॉर्म, और आवश्यक आउटपुट कोएफिशिएंट्स की संख्या पर निर्भर करता है। भविष्य का कार्य इन तकनीकों को सामान्य ऑर्थोगोनल पॉलीनोमियल परिवारों तक विस्तारित करने का लक्ष्य रखता है।

समस्या विवरण (Problem Statement)

कार्यप्रणाली (Methodology)

प्रमुख योगदान (Key Contributions)

परिणाम (Results)

महत्व और दावे (Significance and Claims)

इसी तरह के और पेपर