⚛️ quantum physics

Tight Query Lower Bounds for Quantum Sampling, with an Application to Certified Randomness

यह शोध पत्र रैंडम सर्किट सैंपलिंग में उच्च रैखिक क्रॉस-एन्ट्रॉपी बेंचमार्क स्कोर प्राप्त करने के लिए टाइट क्वांटम क्वेरी लोअर बाउंड्स स्थापित करता है, जो यह सिद्ध करता है कि आदर्श प्रदर्शन से अधिक होने के लिए $\Omega(N^{1/3})$ क्वेरीज़ की आवश्यकता होती है और आउटपुट्स के लिए लगभग इष्टतम स्मूथ मिन-एन्ट्रॉपी को प्रमाणित करता है, जिससे एंटैंगल्ड एडवर्सरीज (entangled adversaries) के विरुद्ध प्रमाणित रैंडमनेस के लिए कठोर सुरक्षा गारंटी प्रदान की जाती है।

मूल लेखक: Keshav Bhateja, Mehdi Esmaili, Atul Mantri

प्रकाशित 2026-10-06

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Keshav Bhateja, Mehdi Esmaili, Atul Mantri

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 कंप्यूटर यह सिद्ध करने की दौड़ में हैं कि वे शास्त्रीय मशीनों के लिए असंभव कार्य कर सकते हैं, और वैज्ञानिकों ने इसके लिए एक विशिष्ट प्रकार के प्रयोग का रुख किया है: एक क्वांटम उपकरण से यादृच्छिक संख्याओं (random numbers) की एक सूची उत्पन्न करने के लिए कहना। ये संख्याएँ केवल कोई भी यादृच्छिक स्ट्रिंग्स नहीं हैं; वे एक यादृच्छिक क्वांटम सर्किट द्वारा बनाए गए एक जटिल, अदृश्य पैटर्न से ली गई हैं। यह जाँचने के लिए कि उपकरण सही ढंग से काम कर रहा है या नहीं, शोधकर्ता 'लीनियर क्रॉस-एन्ट्रॉपी बेंचमार्क' नामक स्कोरिंग प्रणाली का उपयोग करते हैं। यह स्कोर इस बात को मापता है कि उपकरण कितनी बार उन संख्याओं को चुनता है जिन्हें आदर्श क्वांटम मशीन सबसे अधिक बार चुनेगी। यदि उपकरण ईमानदार है और पूरी तरह से काम कर रहा है, तो वह एक विशिष्ट, उच्च स्कोर प्राप्त करता है। यदि वह केवल यादृच्छिक रूप से अनुमान लगा रहा है, तो उसे बहुत कम स्कोर मिलता है। वर्षों से, यह परीक्षण "क्वांटम लाभ" (quantum advantage) का दावा करने के लिए स्वर्ण मानक रहा है, लेकिन एक महत्वपूर्ण प्रश्न अनुत्तरित रह गया था: क्या एक उच्च स्कोर वास्तव में यह प्रमाणित करता है कि उपकरण वास्तविक, अप्रत्याशित यादृच्छिकता उत्पन्न कर रहा है? एक चतुर विरोधी संभावित रूप से सबसे संभावित उत्तरों को याद करके उपकरण को उच्च स्कोर प्राप्त करने के लिए हेरफेर कर सकता है, जिससे आउटपुट पूर्वानुमानित हो जाता है जबकि स्कोर अच्छा दिखता है।

वर्जीनिया टेक के शोधकर्ताओं ने अब इस प्रश्न का गणितीय निश्चितता के साथ उत्तर दिया है, जिससे एक सख्त सीमा स्थापित हुई है कि एक उच्च स्कोर क्या प्रमाणित कर सकता है और क्या नहीं। उन्होंने सिद्ध किया कि एक क्वांटम उपकरण के लिए आदर्श ईमानदार मशीन से थोड़ा भी बेहतर स्कोर करने के लिए, उसे एक विशाल संख्या में आंतरिक संचालन करने होंगे, जो किसी भी कुशल शास्त्रीय कंप्यूटर द्वारा प्रबंधित किए जा जाने वाले कार्यों से कहीं अधिक है। विशेष रूप से, उन्होंने दिखाया कि आदर्श स्कोर से एक निश्चित मात्रा में आगे निकलने के लिए, एक उपकरण को कुल संभावित परिणामों के घनमूल (cube root) के समानुपाती संख्या में प्रश्न (queries) करने की आवश्यकता होती है। यह परिणाम एक मौलिक सीमा के रूप में कार्य करता है, जो राजमार्ग पर गति सीमा की तरह है, यह सुनिश्चित करता है कि कोई भी कुशल चाल एक उच्च स्कोर की नकल नहीं कर सकती। इसके अलावा, उन्होंने प्रदर्शित किया कि यदि कोई उपकरण इस आदर्श स्कोर के एक बहुत छोटे अंतर के भीतर रहता है, तो उसका आउटपुट वास्तव में अप्रत्याशित है। भले ही किसी विरोधी ने उपकरण बनाया हो, उसके साथ एक गुप्त क्वांटम लिंक साझा किया हो, और बाद में पूरी व्यवस्था को जान लिया हो, फिर भी वह किसी भी महत्वपूर्ण सटीकता के साथ आउटपुट का अनुमान नहीं लगा सकता है। उपकरण प्रभावी रूप से अधिकतम संभव यादृच्छिकता उत्पन्न करता है, जिसमें सूचना की केवल एक छोटी, अपरिहार्य हानि होती है।

शोधकर्ता इन निष्कर्षों पर एक नए तरीके को विकसित करके पहुँचे जो एक अज्ञात प्रणाली को क्वेरी करते समय एक क्वांटम एल्गोरिदम द्वारा की जाने वाली "प्रगति" को ट्रैक करता है। कल्पना कीजिए कि एक क्वांटम कंप्यूटर एक छिपी हुई वस्तु के आकार को जानने के लिए उसे एक प्रोब (probe) से छूकर सीखने की कोशिश कर रहा है। टीम ने एक गणितीय माप बनाया जो एक ऐसे उपकरण के लिए शून्य से शुरू होता है जो ईमानदारी से नियमों का पालन कर रहा है। उन्होंने सिद्ध किया कि हर बार जब उपकरण प्रणाली के बारे में अधिक जानने के लिए एक क्वेरी करता है, तो यह प्रगति माप केवल बहुत कम मात्रा में बढ़ सकता है। आदर्श मशीन को हराने वाला स्कोर प्राप्त करने के लिए, उपकरण को इतनी प्रगति संचित करनी होगी कि वह एक बाधा को तोड़ सके, लेकिन गणित दिखाता है कि इसके लिए चरणों की एक अव्यवहारिक संख्या की आवश्यकता होती है। इस पद्धति ने उन्हें सैद्धांतिक रूप से जो संभव था और जो सिद्ध रूप से आवश्यक था, उसके बीच के अंतर को पाटने में मदद की, जिससे नकली परिणामों को बनाने की कठिनाई के बारे में एक लंबे समय से चली आ रही धारणा की पुष्टि हुई।

यह शोध पत्र केवल परिणामों को नकली बनाने की सीमाओं को सिद्ध करने के परे, एक विशिष्ट एल्गोरिदम का भी वर्णन करता है जो वास्तव में उच्च स्कोर प्राप्त कर सकता है, लेकिन केवल अनुमत अधिकतम क्वेरी का उपयोग करके। यह "स्क्वायरिंग एल्गोरिदम" (squaring algorithm) कई नमूने लेने, उन्हें संग्रहीत करने और फिर उनके बीच एक मिलान खोजने की संभावना को बढ़ाने के लिए 'एम्प्लीट्यूड एम्प्लीफिकेशन' (amplitude amplification) नामक तकनीक का उपयोग करके काम करता है। यह प्रक्रिया संभाव्यता वितरण को प्रभावी रूप से वर्ग करती है, जिससे सबसे संभावित परिणामों को ईमानदार मशीन की तुलना में और भी अधिक मजबूती से प्राथमिकता मिलती है। इस एल्गोरिदम का अस्तित्व यह सिद्ध करता है कि उनके द्वारा पाया गया निचला स्तर (lower bound) सटीक है; यह केवल एक सैद्धांतिक दीवार नहीं है, बल्कि एक सुलभ शिखर है जिसके लिए एक विशिष्ट, संसाधन-गहन चढ़ाई की आवश्यकता होती है। यह द्वैत—यह सिद्ध करना कि आप आसानी से परिणामों की नकल नहीं कर सकते, लेकिन यह भी दिखाना कि वैध रूप से जीतना कितना कठिन है—परिदृश्य की एक पूर्ण तस्वीर प्रदान करता है।

प्रमाणित यादृच्छिकता (certified randomness) के लिए इसके निहितार्थ गहरे हैं। कई सुरक्षा अनुप्रयोगों में, हमें ऐसी यादृच्छिक संख्याएँ उत्पन्न करने की आवश्यकता होती है जिन्हें जेनरेटर बनाने वाला व्यक्ति भी अनुमानित न कर सके। अध्ययन पुष्टि करता है कि यदि कोई क्वांटम उपकरण एक आदर्श स्कोर के बहुत करीब के स्कोर के साथ परीक्षण पास करता है, तो यह एक ऐसी बिट्स की स्ट्रिंग उत्पन्न कर रहा है जिसमें स्ट्रिंग की लंबाई के लगभग बराबर यादृच्छिकता है। साठ क्यूबिट्स के साथ काम करने वाले उपकरण के लिए, जो साठ बिट्स की स्ट्रिंग उत्पन्न कर सकता है, एक निकट-पूर्ण स्कोर यह गारंटी देता है कि आउटपुट में लगभग चौवन बिट्स की वास्तविक, प्रमाणित यादृच्छिकता है। यह उस विरोधी के विरुद्ध भी सत्य है जो उपकरण के साथ उलझा (entangled) हुआ हो सकता है और जिसे इसके निर्माण का हर विवरण पता हो। खोई हुई जानकारी केवल एक छोटी सी है जो उपकरण द्वारा की जाने वाली क्वेरी से संबंधित है, जो व्यावहारिक उद्देश्यों के लिए नगण्य है।

यह कार्य फोटोनिक प्रयोगों में प्रकाश कणों के साथ उपयोग किए जाने वाले अन्य प्रकार के क्वांटम सैंपलिंग सहित अन्य क्षेत्रों तक भी विस्तृत है। शोधकर्ताओं ने दिखाया कि समान नियम लागू होते हैं: आदर्श स्कोर को हराने के लिए, एक उपकरण को विशिष्ट, बड़े संख्या में संचालन करने होंगे, और आदर्श स्कोर के करीब रहने के लिए, उसे वास्तविक यादृच्छिकता उत्पन्न करनी होगी। उन्होंने इसे एक अलग समस्या से भी जोड़ा: एक "कोलिजन डिस्ट्रीब्यूशन" (collision distribution) बनाना, जहाँ उपकरण से संख्याओं के जोड़े आउटपुट करने के लिए कहा जाता है जो एक समान होने की अधिक संभावना रखते हैं। उन्होंने पाया कि इस विशिष्ट प्रकार का वितरण उत्पन्न करने के लिए भी उसी घनमूल (cube-root) संख्या में क्वेरी की आवश्यकता होती है, जो इन प्रतीत होने वाले भिन्न कार्यों को एक एकल गणितीय नियम के तहत जोड़ता है।

यह अध्ययन यह दावा नहीं करता है कि वर्तमान क्वांटम कंप्यूटर पहले से ही पूर्ण हैं। वास्तविक दुनिया के उपकरण अक्सर शोर और त्रुटियों के कारण आदर्श से बहुत कम स्कोर करते हैं। हालाँकि, यह पत्र जो संभव है उसके सैद्धांतिक शिखर और आधार को स्थापित करता है। यह हमें बताता है कि यदि हम कभी किसी उपकरण को शीर्ष के पास स्कोर करते हुए देखते हैं, तो हम भरोसा कर सकते हैं कि वह वास्तव में कुछ क्वांटम जैसा कर रहा है और वास्तविक यादृच्छिकता उत्पन्न कर रहा है। इसके विपरीत, यदि कोई उपकरण दावा करता है कि वह यादृच्छिकता उत्पन्न कर रहा है लेकिन वह अनुचित चरणों के बिना इस स्कोर तक नहीं पहुँच सकता है, तो हम जानते हैं कि वह वह नहीं कर रहा है जिसका वह दावा करता है। यह शोध विश्वसनीय, प्रमाणित क्वांटम यादृच्छिकता की ओर बढ़ने के लिए आवश्यक कठोर आधार प्रदान करता है, यह सुनिश्चित करता है कि भविष्य की क्वांटम सुरक्षा ठोस, सिद्ध धरातल पर टिकी है।

तकनीकी सारांश: क्वांटम सैंपलिंग के लिए टाइट क्वेरी लोअर बाउंड्स, सर्टिफाइड रैंडमनेस के अनुप्रयोग के साथ

समस्या विवरण
रैंडम सर्किट सैंपलिंग प्रयोग क्वांटम कम्प्यूटेशनल एडवांटेज के प्रमुख प्रदर्शन हैं, जिन्हें आमतौर पर लीनियर क्रॉस-एंट्रॉपी बेंचमार्क (XEB) का उपयोग करके सत्यापित किया जाता है। XEB स्कोर यह मापता है कि डिवाइस का आउटपुट डिस्ट्रीब्यूशन आदर्श डिस्ट्रीब्यूशन $p$ के साथ कितनी अच्छी तरह संरेखित है, इसकी गणना रिटर्न किए गए स्ट्रिंग्स $z$ के लिए $N p(z)$ के औसत की गणना करके की जाती है, जहाँ $N=2^n$ है। जबकि एक उच्च स्कोर क्वांटम एडवांटेज का सुझाव देता है, यह स्वाभाविक रूप से यह प्रमाणित नहीं करता है कि डिवाइस ने $p$ से सैंपलिंग की है या आउटपुट रैंडम है। एक डिवाइस सबसे संभावित स्ट्रिंग को नियत रूप से (deterministically) आउटपुट करके उच्च स्कोर प्राप्त कर सकता है (जिसे एक विरोधी जान सकता है), जिससे वह सर्टिफाइड रैंडमनेस प्रदान करने में विफल रहता है।

यह शोध पत्र क्वांटम क्वेरी मॉडल में दो मौलिक प्रश्नों को संबोधित करता है:

स्कोर सीमाएँ (Score Limits): एक कुशल क्वांटम डिवाइस का स्कोर आदर्श स्कोर के सापेक्ष कितना ऊंचा हो सकता है? विशेष रूप से, क्या एक कुशल डिवाइस आदर्श स्कोर से एक स्थिरांक (constant) अधिक स्कोर कर सकता है?
रैंडमनेस सर्टिफिकेशन (Randomness Certification): यदि कोई डिवाइस आदर्श के करीब स्कोर प्राप्त करता है, तो उसके आउटपुट में कितनी स्मूथ मिन-एंट्रॉपी (सर्टिफाइड रैंडमनेस) होती है, यहाँ तक कि एक विरोधी (इव/Eve) के विरुद्ध भी जो डिवाइस के साथ एंटेंगल्ड हो सकता है और बाद में ऑरेकल (सर्किट या फंक्शन) को सीख सकता है।

कार्यप्रणाली (Methodology)
लेखक क्वेरी मॉडल में कार्य करते हैं, जहाँ सर्किट को एक ज्ञात एन्सेम्बल से लिए गए ऑरेकल द्वारा प्रतिस्थापित किया जाता है। वे दो विशिष्ट एन्सेम्बल्स का विश्लेषण करते हैं:

फूरियर सैंपलिंग (Fourier Sampling): ऑरेकल एक समान रूप से रैंडम फंक्शन $f: \{0,1\}^n \to \{\pm 1\}$ है। ईमानदार सैंपलर लगभग 3 स्कोर करता है।
हा-रैंडम स्टेट्स (Haar-Random States): ऑरेकल एक समान रूप से रैंडम यूनिट वेक्टर $|\phi\rangle$ को छिपाता है (एक कैनोनिकल स्टेट-प्रिपरेशन ऑरेकल या हा-रैंडम यूनिटरी एक्सेस के माध्यम से सुलभ)। ईमानदार सैंपलर लगभग 2 स्कोर करता है।

मुख्य कार्यप्रणाली में एक प्रोग्रेस मेजर $\lambda$ को परिभाषित करना शामिल है जो डिवाइस की अवस्था (state) और "ईमानदार" अवस्था (जो एक एकल क्वेरी करती है) के बीच विचलन को मापता है। विश्लेषण तीन-चरणीय ढांचे का पालन करता है:

स्कोर बाउंड: अपेक्षित स्कोर $B(A)$ को प्रोग्रेस मेजर के संदर्भ में बाउंड किया गया है: $B(A) \leq \text{Ideal Score} + O(\lambda + \lambda^2)$ ।
ग्रोथ बाउंड: यह दिखाया गया है कि प्रत्येक क्वेरी $\lambda$ को केवल $O(\sqrt{(t+1)/N})$ से बढ़ाती है, जहाँ $t$ पिछली क्वेरीज़ की संख्या है। फलस्वरूप, $q$ क्वेरीज़ के बाद, $\lambda = O(q^{3/2}/\sqrt{N})$ होता है।
रैंडमनेस एक्सट्रैक्शन: उन डिवाइसेस के लिए जिनके स्कोर आदर्श के करीब (छोटा डेफिसिट $\delta$ ) हैं, स्कोर बाउंड के प्रमाण को रिफाइन किया गया है ताकि यह दिखाया जा सके कि डिवाइस के आउटपुट ब्रांचेस विशिष्ट ऑक्जिलरी वेक्टर्स के करीब हैं। ये वेक्टर्स केवल डिवाइस पर कार्य करने वाले ऑपरेटर्स द्वारा उत्पन्न होते हैं, जिनके नॉर्म्स $\text{poly}(q)\sqrt{p(z)}$ द्वारा बाउंड हैं। यह संरचना दर्शाती है कि इव की आउटपुट का अनुमान लगाने की क्षमता सीमित है, भले ही वह ऑरेकल को जानती हो।

मुख्य योगदान और परिणाम

1. आदर्श स्कोर से अधिक होने के लिए टाइट लोअर बाउंड्स
यह शोध पत्र स्थापित करता है कि आदर्श स्कोर इन सैंपलिंग कार्यों के लिए कुशल क्वांटम डिवाइसेस के लिए एक "त्सेरल्सन बाउंड" (Tsirelson bound) के रूप में कार्य करता है।

क्वेरी कॉम्प्लेक्सिटी: आदर्श स्कोर को एक स्थिरांक $\epsilon$ $ϵ$ से अधिक करने के लिए, एक क्वांटम एल्गोरिदम को $\Omega(N^{1/3})$ $Ω (N^{1/3})$ क्वेरीज़ की आवश्यकता होती है।
- फूरियर सैंपलिंग के लिए, $3 + \epsilon$ का अपेक्षित स्कोर प्राप्त करने के लिए $q \geq \Omega(N^{1/3})$ आवश्यक है।
- हा-रैंडम स्टेट्स के लिए, $2 + \epsilon$ का अपेक्षित स्कोर प्राप्त करने के लिए $q \geq \Omega(N^{1/3})$ आवश्यक है।
अपर बाउंड्स: लेखक पुष्टि करते हैं कि आदर्श स्कोर को एक स्थिरांक से अधिक करने के लिए $O(N^{1/3})$ क्वेरीज़ पर्याप्त हैं, जिसे "स्क्वायरिंग एल्गोरिदम" (कोलिजन-फाइंडिंग एल्गोरिदम का एक वेरिएंट) का उपयोग करके प्राप्त किया जा सकता है। यह एल्गोरिदम लगभग $m \approx N^{1/3}$ आदर्श सैंपल स्टोर करता है और आदर्श डिस्ट्रीब्यूशन $p(z)^2$ की ओर आउटपुट को बायस करने के लिए एम्प्लीट्यूड एम्प्लीफिकेशन का उपयोग करता है।
टाइटनेस (Tightness): ये बाउंड्स टाइट हैं; ईमानदार सैंपलर (1 क्वेरी) और आदर्श स्कोर को महत्वपूर्ण रूप से पार करने की क्षमता के बीच का अंतर ठीक से $N^{1//3}$ थ्रेशोल्ड द्वारा वर्णित है।

2. आदर्श स्कोर पर सर्टिफाइड रैंडमनेस
यह पेपर सिद्ध करता है कि बहुपद (polynomially) मात्रा में क्वेरी करने वाला और आदर्श स्कोर के $o(1)$ के भीतर रहने वाला डिवाइस लगभग अधिकतम रैंडमनेस वाला आउटपुट उत्पन्न करता है।

मिन-एंट्रॉपी: फूरियर सैंपलिंग और हा-रैंडम स्टेट्स (कैनोनिकल ऑरेकल के माध्यम से) दोनों के लिए, आउटपुट $Z$ में स्मूथ मिन-एंट्रॉपी $H_{\min}^\eta(Z | RE) \geq n - O(\log n)$ होती है, जहाँ $R$ ऑरेकल है और $E$ इव का रजिस्टर है।
एडवर्सरियल मॉडल: यह तब भी मान्य है जब इव डिवाइस के साथ एंटेंगल्ड हो और डिवाइस $Z$ आउटपुट करने के बाद ऑरेकल का पूर्ण विवरण ( $f$ या $\phi$ ) सीख ले।
पैरामीटर्स: स्मूथिंग पैरामीटर $\eta$ , $O(\sqrt{\delta} + q^{3/4}N^{-1/4})$ के रूप में स्केल करता है। यदि डेफिसिट $\delta$ नगण्य है और $q$ , $n$ में बहुपद है, तो स्मूथिंग नगण्य है, जो $n - O(\log n)$ बिट्स की रैंडमनेस को प्रमाणित करती है।
ऑप्टिमैलिटी: $O(\log n)$ के नुकसान को लगभग इष्टतम (optimal) दिखाया गया है। लेखक एम्प्लीट्यूड एम्प्लीफिकेशन का उपयोग करके ऐसे डिवाइसेस का निर्माण करते हैं जो आदर्श के करीब स्कोर प्राप्त करते हैं लेकिन आउटपुट को $N/q^2$ आकार के ज्ञात सेट तक सीमित रखते हैं, जिससे मिन-एंट्रॉपी $n - 2\log q$ तक सीमित हो जाती है।

3. अतिरिक्त परिणाम

कोलिजन डिस्ट्रीब्यूशन: पेपर दिखाता है कि कोलिजन डिस्ट्रीब्यूशन (जो $p(z)^2$ के समानुपाती है) का सैंपलिंग करने की क्वेरी कॉम्प्लेक्सिटी $\Theta(N^{1/3})$ है।
क्वांटम हेडामर्ड प्रोडक्ट्स: दो अवस्थाओं के क्वांटम हेडामर्ड प्रोडक्ट को तैयार करने के लिए एक कोहेरेंट वर्जन ऑफ द स्क्वेरिंग एल्गोरिदम प्रस्तुत किया गया है। यह एल्गोरिदम $O(N^{1/3})$ क्वेरीज़ का उपयोग करके $O(N^{-1/6})$ का ट्रेस डिस्टेंस एरर प्राप्त करता है, जो मानक एम्प्लीट्यूड एम्प्लीफिकेशन द्वारा आवश्यक $\sqrt{N}$ क्वेरीज़ से बेहतर है।

महत्व और दावे
यह पेपर दावा करता है कि यह क्वांटम सैंपलिंग कार्यों के लिए अनकंडीशनल, इन्फॉर्मेशन-थ्योरेटिक गारंटी प्रदान करता है, जो "क्वांटम सुप्रीमेसी त्सेरल्सन इनइक्वालिटी" से संबंधित खुले प्रश्नों को हल करता है।

CHSH के साथ समानता: परिणाम CHSH गेम के साथ सीधा समानांतर खींचते हैं। जिस प्रकार त्सेरल्सन का बाउंड ( $\cos^2(\pi/8)$ ) क्वांटम रणनीतियों के जीतने की संभावना को सीमित करता है और उस बाउंड पर रैंडमनेस को प्रमाणित करता है, उसी प्रकार आदर्श XEB स्कोर कुशल क्वांटम सैंपलर के प्रदर्शन को सीमित करता है और आदर्श के करीब स्कोर होने पर रैंडमनेस को प्रमाणित करता है।
अनकंडीशनल सिक्योरिटी: कम्प्यूटेशनल हार्डनेस धारणाओं या एडवर्सरी के ज्ञान (जैसे कि पूर्ण ऑरेकल न सीखना) पर निर्भर पिछले परिणामों के विपरीत, यह कार्य एक ऐसे विरोधी के विरुद्ध अनकंडीशनल बाउंड प्रदान करता है जो ऑरेकल को सीखता है और मनमाना एंटेंगमेंट रखता है।
सीमाएँ: लेखक नोट करते हैं कि उनके परिणाम ऑरेकल मॉडल पर लागू होते हैं। वास्तविक दुनिया के डिवाइसेस (जैसे [AAB+19]) के लिए, स्कोर वर्तमान में आदर्श से बहुत दूर हैं (उदाहरण के लिए, 1.002 बनाम 2), जिसका अर्थ है कि प्रमाणित रैंडमनेस के लिए वर्तमान गारंटी अलग, कमजोर धारणाओं (जैसे [AH23]) पर निर्भर करती है। इसके अलावा, हा-रैंडम स्टेट्स के लिए, परिणाम पूर्ण यूनिटरी एक्सेस के बजाय कैनोनिकल स्टेट-प्रिपरेशन ऑरेकल की आवश्यकता रखता है, क्योंकि एक विरोधी पूर्ण हा-रैंडम यूनिटरी को सीखकर आउटपुट को उसके कॉलम के साथ सह-संबंधित (correlate) कर सकता है।

संक्षेप में, यह पेपर कुशल क्वांटम सैंपलिंग की सीमाओं को कठोरता से परिभाषित करता है, यह सिद्ध करते हुए कि आदर्श स्कोर कुशल डिवाइसेस के लिए एक कठिन बाधा है और इस बाधा के करीब पहुँचना लगभग पूर्ण रैंडमनेस को प्रमाणित करता है, यहाँ तक कि शक्तिशाली क्वांटम विरोधियों के विरुद्ध भी।

इसी तरह के और पेपर