Characterizing Photonic Partial Distinguishability Through Gram Matrix Tomography
यह शोध पत्र ग्राम-मैट्रिक्स टोमोग्राफी नामक एक सुदृढ़ प्रोटोकॉल प्रस्तुत करता है जो मापने योग्य इनवेरिएंट्स की एक बहुपद संख्या से उनके आंतरिक अवस्था ओवरलैप्स का पुनर्निर्माण करके स्वतंत्र रूप से तैयार फोटॉनों की आंशिक विभेद्यता को अभिलक्षणित करता है, जिससे अज्ञात आंतरिक डिग्री ऑफ फ्रीडम तक सीधी पहुँच की आवश्यकता के बिना सटीक मल्टीफोटॉन इंटरफेरेंस सांख्यिकी का पूर्वानुमान सक्षम होता है।
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
प्रकाश को अक्सर समान कणों की एक धारा के रूप में माना जाता है, लेकिन क्वांटम भौतिकी की सूक्ष्म दुनिया में, दो फोटॉन के बीच मामूली सा अंतर भी एक गणना को बिगाड़ सकता है। जब वैज्ञानिक प्रकाश का उपयोग करके सूचना संसाधित करने वाली मशीनें बनाते हैं, तो वे हस्तक्षेप (इंटरफेरेंस) नामक एक घटना पर भरोसा करते हैं, जहाँ प्रकाश की तरंगें मिलकर पैटर्न बनाती हैं। यह केवल तभी पूरी तरह से काम करता है जब फोटॉन वास्तव में अविभेदित (indistinguishable) हों, जिसका अर्थ है कि वे रंग, समय और ध्रुवीकरण सहित हर तरह से समान हों। हालाँकि, वास्तविक दुनिया के प्रयोगों में, फोटॉन शायद ही कभी पूर्ण होते हैं। वे एक सेकंड के कुछ अंश के अंतर से आ सकते हैं या उनकी आवृत्तियाँ थोड़ी भिन्न हो सकती हैं। यह "आंशिक विभेदन क्षमता" (partial distinguishability) एक छिपे हुए दोष की तरह कार्य करती है, जो ऐसी त्रुटियां उत्पन्न करती है जो एक शक्तिशाली क्वांटम कंप्यूटर को एक ऐसे उपकरण में बदल सकती हैं जिसकी नकल शास्त्रीय कंप्यूटर आसानी से कर सकते हैं। इन मशीनों को ठीक करने के लिए, शोधकर्ताओं को पहले यह समझना होगा कि फोटॉन कितने भिन्न हैं, लेकिन यह एक कठिन कार्य है क्योंकि वे आंतरिक गुण जो उन्हें अद्वितीय बनाते हैं, अक्सर उन्हें मापने के लिए उपयोग किए जाने वाले डिटेक्टरों के लिए अदृश्य होते हैं।
भौतिकविदों की एक टीम ने अब इन छिपे हुए अंतरों को सीधे उनके आंतरिक विवरणों को देखे बिना मैप करने की एक नई विधि विकसित की है। प्रत्येक फोटॉन की आंतरिक अवस्था को व्यक्तिगत रूप से मापने की कोशिश करने के बजाय, जो अक्सर असंभव होता है, उन्होंने फोटॉन के बीच के संबंधों पर ध्यान केंद्रित किया। उन्होंने महसूस किया कि एक समूह के फोटॉन प्रयोग में कैसे व्यवहार करेंगे, इसका पूर्वानुमान लगाने के लिए आवश्यक सभी जानकारी एक विशिष्ट गणितीय संरचना में निहित है जो यह वर्णन करती है कि प्रत्येक फोटॉन दूसरे के साथ कितना ओवरलैप (अतिव्यापन) करता है। शोधकर्ताओं ने इस संरचना को पुनर्गठित करने के लिए एक प्रोटोकॉल बनाया, जिसे वे 'ग्राम मैट्रिक्स' (Gram matrix) कहते हैं, जो नियंत्रित तरीके से एक-दूसरे के साथ फोटॉन के हस्तक्षेप को मापकर प्राप्त किया जाता है। उनका दृष्टिकोण कुशल है क्योंकि इसके लिए फोटॉन की जटिल आंतरिक प्रकृति, जैसे कि उनकी सटीक आवृत्ति या ध्रुवीकरण को जानने की आवश्यकता नहीं होती है, और यह इस बात पर निर्भर नहीं करता कि कितने आंतरिक गुण शामिल हैं।
टीम ने प्रदर्शित किया कि विशिष्ट हस्तक्षेप पैटर्न के एक सेट को मापकर, वे फोटॉन की विभेदन क्षमता की एक पूर्ण तस्वीर बना सकते हैं। उन्होंने डेटा एकत्र करने के दो अलग-अलग तरीके प्रस्तावित किए। पहला तरीका विशेष ऑप्टिकल उपकरणों की एक श्रृंखला का उपयोग करता है, जिन्हें फूरियर इंटरफेरोमीटर (Fourier interferometers) कहा जाता है, जो फोटॉन के जोड़ों या छोटे समूहों के बीच विशिष्ट संबंधों को लक्षित करते हैं। दूसरा, अधिक सुव्यवस्थित दृष्टिकोण एक एकल, यादृच्छिक रूप से कॉन्फ़िगर किए गए ऑप्टिकल डिवाइस का उपयोग करता है ताकि एक बार में बड़ी मात्रा में डेटा एकत्र किया जा सके। एक ही शॉट में विभिन्न डिटेक्टरों पर कितने फोटॉन पहुँचते हैं, इसके पैटर्न का विश्लेषण करके, वे फोटों के बीच के संबंधों को गणितीय रूप से रिवर्स-इंजीनियर कर सकते हैं। दोनों विधियाँ शोधकर्ताओं को ग्राम मैट्रिक्स बनाने की अनुमति देती हैं, जो फोटॉन के व्यवहार के लिए एक ब्लूप्रिंट के रूप में कार्य करता है।
महत्वपूर्ण रूप से, शोधकर्ताओं ने सिद्ध किया कि इस ब्लूप्रिंट को जानना इन फोटॉनों से जुड़े किसी भी भविष्य के प्रयोग के परिणाम की भविष्यवाणी करने के लिए पर्याप्त है, भले ही वह प्रयोग उनके आंतरिक अंतरों को न देख सके। उन्होंने दिखाया कि यदि पुनर्गठित ब्लूप्रिंट सटीक है, तो उससे किए गए पूर्वानुमान वास्तविक प्रयोगात्मक परिणामों के साथ उच्च स्तर की निश्चितता के साथ मेल खाएंगे। उन्होंने एक निश्चित स्तर की सटीकता प्राप्त करने के लिए आवश्यक मापों की संख्या पर सख्त गणितीय गारंटी भी प्रदान की। उनके विश्लेषण से पता चला कि मापों की संख्या फोटॉन की संख्या के वर्ग के साथ बढ़ती है, जो वर्तमान तकनीक के लिए एक प्रबंधनीय दर है। यह एक महत्वपूर्ण सुधार है क्योंकि पुराने तरीकों की तुलना में, जिन्हें बड़े सिस्टम के बढ़ने पर असंभव संख्या में मापों की आवश्यकता होती थी।
टीम ने इस तथ्य पर भी ध्यान दिया कि फोटॉन शायद ही कभी पूरी तरह से शुद्ध होते हैं; उनमें अक्सर थोड़ी "मिश्रितता" (mixedness) या शोर होता है। उनका तरीका मापों की सीमित संख्या के कारण होने वाली त्रुटियों को फोटॉन के पूरी तरह से समान न होने के कारण होने वाली त्रुटियों से अलग करके इसे संबोधित करता है। उन्होंने दिखाया कि अपूर्ण फोटॉन के साथ भी, उनका प्रोटोकॉल एक विश्वसनीय विवरण प्रदान कर सकता है, बशर्ते फोटॉन शुद्धता के पर्याप्त करीब हों। यह तकनीक को वास्तविक प्रयोगशाला स्थितियों के लिए पर्याप्त मजबूत बनाता है जहाँ पूर्ण नियंत्रण असंभव है।
अपने परीक्षणों में, शोधकर्ताओं ने कंप्यूटर सिमुलेशन का उपयोग करके डेटा एकत्र करने की दो विधियों की तुलना की। उन्होंने पाया कि जबकि एकल-शॉट (single-shot) विधि अपने एकल सेटअप के कारण प्रयोगात्मक रूप से सरल है, फिर भी समान डेटा के लिए यह कई विशेष सेटअपों का उपयोग करने वाली विधि की तुलना में थोड़े बड़े एरर (त्रुटि) उत्पन्न करती है। हालाँकि, एकल-शॉट विधि एक शक्तिशाली उपकरण बनी हुई है, विशेष रूप से यह प्रमाणित करने के लिए कि एक क्वांटम प्रयोग इच्छित रूप से काम कर रहा है या नहीं, बिना उपकरणों को लगातार पुनर्गठित किए। सिमुलेशन ने दिखाया कि दोनों विधियाँ फोटॉन के बीच के संबंधों को सफलतापूर्वक पुनर्गठित करने में सक्षम थीं, और जैसे-जैसे अधिक डेटा एकत्र किया गया, त्रुटियां कम होती गईं।
यह कार्य क्वांटम ऑप्टिक्स के क्षेत्र में एक महत्वपूर्ण अंतर को भरता है। इससे पहले, वैज्ञानिक यह तो बता सकते थे कि फोटॉन अविभेदित हैं या नहीं, लेकिन वे जटिल मल्टी-फोटॉन घटनाओं की भविष्यवाणी करने के लिए उनके विशिष्ट अंतरों को पूरी तरह से पुनर्गठित नहीं कर सकते थे। इन संबंधों को कुशलतापूर्वक मैप करने और गारंटीकृत सटीकता के साथ प्रदान करके, नया प्रोटोकॉल क्वांटम उपकरणों को बेहतर बनाने के लिए एक व्यावहारिक उपकरण प्रदान करता है। यह इंजीनियरों को उनके प्रकाश स्रोतों को बेंचमार्क करने और यह समझने की अनुमति देता है कि आंशिक विभेदन क्षमता उनके परिणामों को बिल्कुल कैसे प्रभावित कर रही है। जैसे-जैसे यह क्षेत्र बड़े और अधिक जटिल क्वांटम प्रयोगों की ओर बढ़ रहा है, इन सूक्ष्म अंतरों को वर्गीकृत करने का एक विश्वसनीय तरीका बनाना अनिवार्य होगा।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।