⚛️ quantum physics

Classical Simulation of Lossy Gaussian Boson Sampling beyond Square-Root Regime

यह शोध पत्र स्थापित करता है कि लॉस्य (lossy) गॉसियन बोसन सैंपलिंग इनपुट्स को क्लासिकल लाइट से बदलना जीवित फोटोन के वर्गमूल (square-root) स्केलिंग तक मौलिक रूप से सीमित है, लेकिन एक नवीन डिटेक्शन-आधारित सन्निकटन विधि का प्रस्ताव करता है जो डिटेक्शन के बीच अवस्था को सटीक रूप से विकसित करके और पोस्ट-डetection अवस्था का सन्निकटन लगाकर कुशल क्लासिकल सिमुलेशन शासन को $N^{2/3}$ (या विशिष्ट स्थितियों के तहत $N^{3/4}$ ) तक विस्तारित करती है।

मूल लेखक: Youngrong Lim

प्रकाशित 2026-10-06

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Youngrong Lim

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

आज के कंप्यूटरों की पहुंच से परे समस्याओं को हल करने वाली मशीनें बनाने की खोज में, वैज्ञानिक प्रकाश की ओर मुड़ रहे हैं। विशेष रूप से, वे 'गौसियन बोसन सैंपलिंग' नामक एक तकनीक का उपयोग कर रहे हैं, जिसमें 'स्क्वीज़्ड लाइट' (squeezed light)—एक विशेष प्रकार की लेजर बीम जहाँ प्रकाश तरंग की अनिश्चितता एक दिशा में कम हो जाती है—को दर्पणों और बीम स्प्लिटर के एक जटिल भूलभुलैया के माध्यम से भेजा जाता है। इसका लक्ष्य यह मापना है कि अंत में डिटेक्टरों तक कितने फोटॉन, या प्रकाश के कण, पहुँचते हैं। क्योंकि प्रकाश की तरंगें आपस में अविश्वसनीय रूप से जटिल तरीकों से हस्तक्षेप करती हैं, इसलिए इस प्रयोग के परिणाम की भविष्यवाणी करना एक ऐसा कार्य माना जाता है जिसे केवल एक क्वांटम कंप्यूटर ही कुशलतापूर्वक संभाल सकता है। यदि एक क्लासिकल कंप्यूटर, जैसे कि आपके डेस्क पर रखा कंप्यूटर, इसके साथ तालमेल नहीं बिठा पाता है, तो यह सिद्ध करता है कि क्वांटम मशीन ने वास्तविक बढ़त हासिल कर ली है। हालाँकि, वास्तविक दुनिया के प्रयोग कभी भी पूर्ण नहीं होते। सबसे आम दोष यह है कि फोटॉन रास्ते में खो जाते हैं, कांच द्वारा अवशोषित हो जाते हैं या सिस्टम से बाहर बिखर जाते हैं। यह नुकसान एक दोधारी तलवार है: जबकि यह प्रयोग को चलाना कठिन बनाता है, यह परिणामों को क्लासिकल कंप्यूटर के लिए नकल करना भी आसान बना देता है। वर्षों तक, शोधकर्ताओं का मानना था कि जब तक जीवित बचे फोटॉनों की संख्या एक निश्चित सीमा से नीचे रहती है—विशेष रूप से, कुल इनपुट प्रकाश बीमों की संख्या के वर्गमूल (square root) से अधिक तेजी से न बढ़े—तब तक एक क्लासिकल कंप्यूटर साधारण, क्लासिकल प्रकाश का उपयोग करके जटिल क्वांटम प्रकाश को बदल सकता है और परिणामों का सटीक अनुकरण कर सकता है।

एक नया अध्ययन इस विचार को चुनौती देता है कि यह वर्गमूल की सीमा क्लासिकल सिमुलेशन के लिए एक अटूट दीवार है। शोधकर्ताओं ने, एक विशिष्ट प्रकार के ऑप्टिकल सेटअप के साथ काम करते हुए, यह प्रदर्शित किया कि इनपुट लाइट को क्लासिकल लाइट से बदलने की पुरानी विधि एक कठिन सीमा (ceiling) से टकरा जाती है। उन्होंने गणितीय रूप से सिद्ध किया कि आप खोए हुए प्रकाश को क्लासिकल सांख्यिकी (statistics) का उपयोग करके कितनी भी चतुराई से मॉडल करने की कोशिश करें, त्रुटि अनिवार्य रूप से बहुत बड़ी हो जाएगी जैसे ही जीवित बचे फोटॉनों की संख्या उस वर्गमूल सीमा से अधिक हो जाएगी। यह निष्कर्ष महत्वपूर्ण है क्योंकि यह एक संभावित खामी को बंद करता है: यह पुष्टि करता है कि यदि कोई प्रयोग इस दायरे के भीतर रहता है, तो एक क्लासिकल कंप्यूटर इस विशिष्ट युक्ति का उपयोग करके क्वांटम सिस्टम का सटीक अनुकरण करने का दावा नहीं कर सकता है। हालाँकि, यह अध्ययन केवल एक सीमा सिद्ध करने पर नहीं रुकता; यह उससे आगे बढ़ता है। लेखक ने प्रयोग का अनुकरण करने का एक नया तरीका विकसित किया जो प्रकाश को स्वयं बदलने की कोशिश नहीं करता है। इसके बजाय, उन्होंने प्रकाश के क्वांटम विवरण को बिल्कुल वैसा ही रखा जैसा वह है और अपना अनुमान (approximation) डिटेक्शन की प्रक्रिया पर केंद्रित किया। उनके तरीके में, कंप्यूटर भूलभुलैया के माध्यम से यात्रा करते समय प्रकाश को पूरी तरह से ट्रैक करता है। केवल तभी जब एक फोटॉन डिटेक्ट होता है, कंप्यूटर शेष प्रकाश की स्थिति के बारे में एक सरल अनुमान लगाता है, और जटिल क्वांटम विवरण को एक सरल, मानक आकार से बदल देता है जो आवश्यक विशेषताओं को पकड़ लेता है।

रणनीति में इस बदलाव ने शोधकर्ताओं को वर्गमूल की बाधा को तोड़ने की अनुमति दी। उन्होंने दिखाया कि डिटेक्शन प्रक्रिया को एक-एक करके अनुमानित करके, एक क्लासिकल कंप्यूटर प्रयोग का सटीक अनुकरण कर सकता है, भले ही जीवित बचे फोटॉनों की संख्या इनपुट आकार के वर्गमूल से कहीं अधिक तेजी से बढ़े। वास्तव में, उनका तरीका तब भी सटीक रहता है जब जीवित फोटॉन की संख्या इनपुट संख्या की दो-तिहाई घात (two-thirds power) के रूप में बढ़ती है, और विशिष्ट स्थितियों में जहाँ सभी प्रकाश बीमों के साथ समान व्यवहार किया जाता है, यह तीन-चौथाई घात तक भी पहुँच सकता है। अंतर को समझने के लिए, कल्पना करें कि आप खेल के नियमों को बदलकर (पुरानी विधि) या केवल उस क्षण एक छोटा, गणना किया गया अनुमान लगाकर जब कोई खिलाड़ी अंक प्राप्त करता है (नई विधि), खेल के परिणाम की भविष्यवाणी करने की कोशिश कर रहे हैं। नया दृष्टिकोण कहीं अधिक मजबूत साबित हुआ। शोधकर्ताओं ने अपने तरीके का परीक्षण विभिन्न सेटअपों पर किया, जिसमें प्रकाश की केवल एक एकल बीम और कई बीमों वाले अधिक जटिल अरेंजमेंट शामिल थे। इन परीक्षणों में, उनका नया सिम्युलेटर लगातार वास्तविक क्वांटम व्यवहार के अधिक करीब रहा, विशेष रूप से वर्तमान प्रयोगों के लिए प्रासंगिक मापदंडों की सीमा में।

इस कार्य का महत्व इसकी क्षमता में निहित है जो क्लासिकली सिमुलेबल (classically simulable) और वास्तव में क्वांटम के बीच की सीमा को पुनर्परिभाषित करती है। यह सिद्ध करके कि पुरानी "प्रकाश को बदलने" वाली रणनीति एक निश्चित बिंदु के बाद विफल हो जाती है, यह अध्ययन वैज्ञानिक समुदाय को इन प्रणालियों का अनुकरण करने के लिए और भी अधिक परिष्कृत तरीकों को खोजने के लिए मजबूर करता है। इसके विपरीत, यह दिखाकर कि एक नई, अधिक सूक्ष्म रणनीति और आगे जा सकती है, यह सुझाव देता है कि क्वांटम बढ़त का दावा करने के लिए थ्रेशोल्ड (सीमा) को और भी ऊंचा सेट करने की आवश्यकता हो सकती है। शोधकर्ताओं ने यह दावा नहीं किया कि उन्होंने सभी संभावित क्वांटम लाइट प्रयोगों के अनुकरण की समस्या को हल कर लिया है; बल्कि, उन्होंने एक कठोर प्रमाण दिया कि एक विशिष्ट, व्यापक रूप से उपयोग की जाने वाली सन्निकटन विधि (approximation method) की एक कठिन सीमा है, और उन्होंने एक नया उपकरण प्रदान किया जो क्लासिकल सिमुलेशन की पहुंच को उस सीमा से बहुत आगे तक बढ़ाता है। यह परिशोधन इस क्षेत्र के लिए आवश्यक है, क्योंकि यह प्रयोगकर्ताओं को यह समझने में मदद करता है कि उनके उपकरणों को कितना प्रकाश नुकसान सहने की अनुमति है, इससे पहले कि परिणाम क्लासिकल कंप्यूटरों द्वारा नकल करना बहुत आसान हो जाए, जिससे यह सुनिश्चित होता है कि भविष्य में क्वांटम बढ़त के दावे ठोस और अकाट्य आधार पर निर्मित हों।

तकनीकी सारांश: वर्गाकार-मूल (Square-Root) शासन से परे लॉस़ी गॉसियन बोसॉन सैंपलिंग का शास्त्रीय अनुकरण

समस्या विवरण
गॉसियन बोसॉन सैंपलिंग (GBS) स्क्वीज़्ड लाइट, पैसिव ऑप्टिक्स और फोटॉन-संख्या-सुलझाने वाले (PNR) डिटेक्शन का उपयोग क्वांटम इंटरफेरेंस को प्रोब करने के लिए करता है, जो फोटोनिक क्वांटम एडवांटेज प्रयोगों का आधार है। हालांकि, फोटॉन लॉस (क्षय) एक प्रमुख प्रयोगात्मक त्रुटि है जो शास्त्रीय अनुकरण की कम्प्यूटेशनल लागत को काफी कम कर देती है। पिछले कार्यों ने स्थापित किया है कि निश्चित स्क्वीजिंग और सटीकता के साथ लॉस़ी GBS के लिए, "क्लासिकल-लाइट रिप्लेसमेंट" (लॉस़ी इनपुट स्टेट को क्लासिकल गॉसियन स्टेट के साथ बदलना) के माध्यम से शास्त्रीय अनुकरण केवल तभी सटीक रहता है जब जीवित फोटॉनों की औसत संख्या ( $N_{out}$ ) स्क्वीज़्ड इनपुट्स की संख्या ( $N$ ) के वर्गमूल के रूप में बढ़ती है। विशेष रूप से, यह शासन $N_{out} = O(\sqrt{N})$ के अनुरूप है। यह कार्य जिस केंद्रीय प्रश्न को संबोधित करता है, वह यह है कि क्या यह वर्गमूल स्केलिंग सभी शास्त्रीय-प्रकाश प्रतिस्थापन विधियों के लिए एक मौलिक सीमा है, जिसमें गैर-गॉसियन या सहसंबंधित (correlated) क्लासिकल रेफरेंस शामिल हैं, और क्या सिमुलेशन शासन को इस बाधा से आगे बढ़ाया जा सकता है।

कार्यप्रणाली
यह शोध पत्र लॉस़ी GBS का विश्लेषण और अनुकरण करने के लिए दो अलग-अलग सैद्धांतिक दृष्टिकोणों का उपयोग करता है:

शास्त्रीय-प्रकाश प्रतिस्थापन के लिए निचली सीमा विश्लेषण (Lower Bound Analysis): लेखक किसी भी ऐसे स्टेट की सीमाओं की जांच करते हैं जिसमें गैर-ऋणात्मक ग्लौबर-सुडरसन $P$ प्रतिनिधित्व (जिसमें कोहेरेंट स्टेट्स के क्लासिकल मिश्रण शामिल हैं, चाहे वे गॉसियन हों या गैर-गॉसियन) होता है। वे एक विशिष्ट इंटरफेरोमीटर परिवार ("पेयर फैमिली") का निर्माण करते हैं जहाँ इनपुट्स को बीम स्प्लिटर के माध्यम से प्रोसेस करके टू-मोड स्क्वीज़्ड वैक्यूम पेयर्स बनाया जाता है। इन पेयर्स के फोटॉन काउंट सांख्यिकी का विश्लेषण करके, वे यह प्रदर्शित करते हैं कि क्लासिकल काउंट प्रोबेबिलिटी, लॉस़ी क्वांटम स्टेट्स का उल्लंघन करती है।
डिटेक्शन एप्रोक्सिमेशन एल्गोरिदम: वर्गमूल बाधा को पार करने के लिए, लेखक एक ऐसा सिमुलेशन तरीका प्रस्तावित करते हैं जो इनपुट स्टेट के बजाय डिटेक्शन प्रक्रिया का अनुमान लगाता है:
- सटीक विकास (Exact Evolution): डिटेक्शन घटनाओं के बीच क्वांटम स्टेट सटीक रूप से विकसित होती है।
- कंडीशनल रिसेट (Conditional Reset): फोटॉन डिटेक्शन (एक "क्लिक") होने पर, सटीक गैर-गॉसियन कंडीशनल स्टेट को उसी कोवेरिएंस मैट्रिक्स को साझा करने वाले एक सेंटर्ड गॉसियन स्टेट द्वारा बदल दिया जाता है।
- ट्रैजेक्टरी सिमुलेशन: एल्गोरिदम PNR डिटेक्शन को एक काल्पनिक अवशोषण प्रक्रिया के रूप में मॉडल करता है जहाँ फोटॉनों को एक-एक करके हटाया जाता है। क्लिक के बीच कोवेरिएंस मैट्रिक्स को नियत रूप से (damping) और क्लिक के समय (photon subtraction) स्टोकेस्टिक रूप से अपडेट किया जाता है।
- त्रुटि नियंत्रण (Error Control): विधि सटीक वितरण और सैंपल किए गए वितरण के बीच टोटल वेरिएशन (TV) दूरी को इन गॉसियन रिसेट्स के संचित त्रुटि को ट्रैक करके सीमित करती है।

एक माध्यमिक निर्माण (secondary construction) विशेष मामले के लिए पेश किया गया है जहाँ सभी इनपुट मोड्स समान रूप से स्क्वीज़्ड हैं ( $M=N$ )। यह विधि लक्ष्य स्टेट को एक शुद्ध स्क्वीज़्ड कोर और उसके बाद क्वांटम-लिमिटेड एम्पलीफायर्स में एक सटीक अपघटन (decomposition) का उपयोग करती है, जो "पेयर्स" की संख्या को नेगेटिव बाइनोमियल डिस्ट्रीब्यूशन से सैंपल करती है और उन्हें आउटपुट मोड्स में असाइन करती है।

प्रमुख योगदान और परिणाम

क्लासिकल लाइट के लिए वर्गमूल सीमा का प्रमाण: थ्योरम 1 स्थापित करता है कि निर्मित इंटरफेरोमीटर परिवार के लिए, कोई भी क्लासिकल-लाइट रिप्लेसमेंट (भले ही उसमें गैर-गॉसियन, सहसंबंधित रेफरेंस हों) कम से कम $1 - e^{-c_r N \eta^2}$ का टोटल वेरिएशन एरर incurs करता है। यह सिद्ध करता है कि $N_{out} = O(\sqrt{N})$ का वर्गमूल शासन, सबसे खराब स्थिति (worst case) में, इनपुट-रिप्लेसमेंट विधियों के लिए एक कठोर सीमा है। कोई भी क्लासिकल रेफरेंस सभी इंटरफेरोमीटर के लिए इस स्केलिंग को नहीं सुधार सकता।
$N^{2/3}$ शासन का विस्तार: थ्योरम 2 एक रैंडमाइज्ड क्लासिकल एल्गोरिदम प्रस्तुत करता है जिसका अपेक्षित अंकगणितीय लागत पॉलीनोमियल है और जो डिटेक्शन प्रक्रिया का अनुमान लगाता है। लेखक सिद्ध करते हैं कि टोटल वेरिएशन एरर $O(N \eta^3)$ द्वारा सीमित है। फलस्वरूप, निश्चित सटीकता और स्क्वीजिंग पर, जीवित फोटॉनों की औसत संख्या $N_{out} = O(N^{2/3})$ के रूप में स्केल कर सकती है। यह $O(\sqrt{N})$ सीमा से एक महत्वपूर्ण सुधार है।
$N^{3/4}$ शासन का विस्तार: समान रूप से स्क्वीज़्ड इनपुट्स ( $M=N$ ) के विशिष्ट मामले के लिए, एम्पलीफायर डिकंपोजिशन पर आधारित एक "पेयर कंस्ट्रक्शन" $O(\sqrt{N}\eta^2)$ का एरर बाउंड प्राप्त करता है, जिससे जीवित फोटॉनों की औसत संख्या $N_{out} = O(N^{3/4})$ के रूप में स्केल हो सकती है।
अनुभवजन्य प्रदर्शन (Empirical Performance): सिंगल-मोड और फ्यू-मोड उदाहरणों (रैंडम इंटरफेरोमीटर सहित) पर संख्यात्मक सिमुलेशन दिखाते हैं कि कंबाइंड सैंपलर (जो पूर्व कार्य के सटीक इनपुट डिकंपोजिशन को डिटेक्शन एप्रोक्सिमेशन के साथ जोड़ता है) वर्तमान प्रयोगों द्वारा प्रेरित पैरामीटर मानों (जैसे $r \approx 1$ और $\eta \approx 0.5$ ) पर मानक क्लासिकल गॉसियन रेफरेंस की तुलना में कम अनुभवजन्य त्रुटि देता है।

महत्व और दावे
यह पेपर दावा करता है कि यह एक ही लक्षित परिवार पर क्लासिकल-लाइट रिप्लेसमेंट विधियों और डिटेक्शन-एप्रोक्सिमेशन विधियों की क्षमताओं के बीच सीधा पृथक्करण प्रदान करता है। जबकि क्लासिकल-लाइट विधियाँ $N \to \infty$ के भीतर $N^{2/3}$ शासन में लक्ष्य वितरण से अधिकतम दूरी पर हो जाती हैं, प्रस्तावित डिटेक्शन-एप्रोक्सिमेशन सैंपलर शून्य त्रुटि बनाए रखता है।

लेखक इस बात पर जोर देते हैं कि उनके परिणाम सामान्य रूप से GBS की जटिलता-सैद्धांतिक (complexity-theoretic) कठिनाई पर कोई निचली सीमा (lower bound) नहीं हैं, न ही वे टेंसर-नेटवर्क विधियों को खारिज करते हैं (जो गैर-शास्त्रीय घटकों को बनाए रखते हैं)। इसके बजाय, उनका कार्य उन एल्गोरिदम की एक विशिष्ट सीमा स्थापित करता है जो इनपुट को क्लासिकल स्टेट से बदलते हैं। डिटेक्शन एप्रोक्सिमेशन मेथड यह दर्शाता है कि फोटॉन काउंटिंग सांख्यिकी, जिसे वर्ग-मूल स्केल के परे क्लासिकल लाइट द्वारा अनुमानित नहीं किया जा सकता है, फिर भी $N^{2/3}$ (या $N^{3/4}$ ) स्केल तक एक क्लासिकल कंप्यूटर पर कुशलतापूर्वक अनुमानित की जा सकती है।

लेखक पॉलीनोमियल सिमुलेशन की अंतिम सीमाओं के संबंध में विनम्र रहते हुए नोट करते हैं कि क्या $N^{2/3}$ या $N^{3/4}$ वास्तविक सीमा है, यह अपुष्ट कठिनाई धारणाओं (hardness assumptions) पर निर्भर करता है। इसके अलावा, लेखक स्वीकार करते हैं कि वर्तमान बड़े पैमाने के प्रयोगों (जैसे $N=1024, \eta \approx 0.5$ ) के लिए, उनकी विधि द्वारा प्रदान की गई सैद्धांतिक सीमा अभी भी ट्रिवियल (तुच्छ) हो सकती है, हालांकि उनका अनुभवजन्य प्रदर्शन विशिष्ट शासन में व्यावहारिक उपयोगिता का सुझाव देता है।

इसी तरह के और पेपर