⚛️ quantum physics

Improved bounds on stabilizer extent and Clifford rank

यह शोध पत्र स्टेबलाइज़र विस्तार (stabilizer extent) और क्लिफ़ोर्ड रैंक (Clifford rank) पर बेहतर सीमाएँ स्थापित करता है, जो एक मात्रात्मक अनुमान (quantitative conjecture) को हल करता है, अनुमानित स्टेबलाइज़र रैंक के लिए निम्नतम सीमाओं को मनमाने गैर-स्टेबलाइज़र अवस्थाओं (non-stabilizer states) के लिए सामान्यीकृत करता है, और फलन प्रतिनिधित्व (function representation), छद्म यादृच्छिकता (pseudorandomness) तथा टोमोग्राफी एल्गोरिदम के लिए अधिक सुदृढ़ परिणाम प्राप्त करता है।

मूल लेखक: Pulkit Sinha, Benjamin Lovitz

प्रकाशित 2026-10-06

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Pulkit Sinha, Benjamin Lovitz

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, गणनाओं का एक विशेष वर्ग है जिसे क्लासिकल कंप्यूटर आसानी से संभाल सकते हैं। ये वे ऑपरेशन्स हैं जो नियमों और शुरुआती बिंदुओं के एक विशिष्ट सेट से बने होते हैं, जिन्हें स्टेबलाइजर स्टेट्स (stabilizer states) और क्लिफोर्ड गेट्स (Clifford gates) के रूप में जाना जाता है। इन्हें एक क्वांटम सिस्टम के बुनियादी निर्माण खंडों (building blocks) के रूप में सोचें जो अनुमानित व्यवहार करते हैं, जिससे एक मानक कंप्यूटर बिना अभिभूत हुए उनके विकास को ट्रैक कर सकता है। हालाँकि, वास्तव में शक्तिशाली क्वांटम कार्यों को करने के लिए, वैज्ञानिकों को एक विशेष सामग्री पेश करनी होगी जो इन सरल नियमों को तोड़ती है। इस सामग्री को अक्सर 'मैजिक स्टेट' (magic state) कहा जाता है, जो आवश्यक जटिलता जोड़ती है ताकि उन समस्याओं को हल किया जा सके जो अन्यथा असंभव हैं। शोधकर्ताओं के लिए केंद्रीय चुनौती यह समझना है कि इस "जादू" की कितनी मात्रा की आवश्यकता है। यदि एक क्वांटम स्टेट इन सरल निर्माण खंडों की एक निश्चित संख्या से बना है, तो इसे केवल सरल, अनुमानित निर्माण खंडों का उपयोग करके वर्णित करना कितना कठिन है?

शोधकर्ताओं की एक टीम ने अब इस प्रश्न का उत्तर एक नए गणितीय प्रमाण के साथ दिया है जो इस बात की सीमाओं को कड़ा करता है कि इन जटिल अवस्थाओं को कितनी कुशलता से वर्णित किया जा सकता है। उन्होंने 'स्टेबलाइजर रैंक' (stabilizer rank) नामक एक माप पर ध्यान केंद्रित किया, जो किसी विशिष्ट क्वांटम स्टेट को बनाने के लिए आवश्यक न्यूनतम सरल निर्माण खंडों की संख्या गिनता है। वर्षों से, वैज्ञानिक जानते थे कि कम रैंक वाले स्टेट्स को सिम्युलेट करना आसान होता है, लेकिन उनके पास इस बात की सटीक समझ की कमी थी कि निर्माण खंडों की संख्या बढ़ने के साथ विवरण की जटिलता कैसे बढ़ती है। लेखकों ने सिद्ध किया कि ऐसे स्टेट को वर्णित करने की जटिलता पहले की तुलना में बहुत धीमी गति से बढ़ती है। विशेष रूप से, उन्होंने दिखाया कि यदि कोई स्टेट सरल घटकों की एक निश्चित संख्या से बना है, तो इसे दर्शाने के लिए आवश्यक गणितीय विवरण का कुल "भार" या आकार उस संख्या के वर्गमूल (square root) से जुड़े एक सूत्र द्वारा सीमित है, न कि स्वयं उस संख्या द्वारा। यह निष्कर्ष उन घटकों की संख्या और विवरण के आकार के बीच के संबंध के बारे में एक लंबे समय से चली आ रही धारणा (conjecture) को हल करता है।

इस खोज के निहितार्थ क्वांटम विज्ञान के कई क्षेत्रों में गूँजते हैं। पहला, यह एक मैजिक स्टेट की पुनरावृत्ति प्रतियों (repeated copies) को अनुमानित करने के लिए आवश्यक सरल घटकों की एक निश्चित निचली सीमा स्थापित करता है। शोधकर्ताओं ने सिद्ध किया कि किसी भी गैर-सरल क्वांटम स्टेट के लिए, इसे अनुमानित करने के लिए आवश्यक सरल घटकों की संख्या, प्रतियों की संख्या के लगभग द्विघाती (quadratically) रूप से बढ़ती है। इसका अर्थ यह है कि जैसे-जैसे आप इन जटिल स्टेट्स को एक साथ जोड़ते जाते हैं, क्लासिकल कंप्यूटर पर उन्हें सिम्युलेट करने की लागत पहले के अनुमानों की तुलना में बहुत तेजी से बढ़ती है। यह परिणाम पिछले निष्कर्षों का सामान्यीकरण करता जो विशिष्ट प्रकार के मैजिक स्टेट्स तक सीमित थे, यह दिखाते हुए कि कठिनाई सभी गैर-सरल क्वांटम स्टेट्स की एक सार्वभौमिक विशेषता है।

सिमुलेशन से परे, यह कार्य यादृच्छिक (random) क्वांटम शोर और सावधानीपूर्वक तैयार किए गए क्वांटम स्टेट्स के बीच अंतर करने के लिए नए उपकरण प्रदान करता है। शोधकर्ताओं ने प्रदर्शित किया कि यदि क्वांटम स्टेट्स का एक संग्रह वास्तव में यादृच्छिक है, तो इसमें किसी भी ऐसे स्टेट के होने की संभावना अत्यंत कम है जिसे कम संख्या में सरल घटकों का उपयोग करके वर्णित किया जा सके। यह एक विश्वसनीय परीक्षण बनाता है: यदि कोई स्टेट सरलता से वर्णित किया जा सकता है, तो वह लगभग निश्चित रूप से यादृच्छिक नहीं है। यह अंतर्दृष्टि क्वांटम क्रिप्टोग्राफी और स्यूडो-रैंडम (pseudorandom) अनुक्रमों के निर्माण में क्या संभव है, इसकी सीमाओं को परिभाषित करने में मदद करती है, जो सुरक्षित संचार के लिए महत्वपूर्ण हैं। यह प्रमाण उन कुछ प्रकार के यादृच्छिक क्वांटम सिस्टमों के अस्तित्व को भी खारिज करता जो पहले संभव माने जाते थे, जिससे क्वांटम सूचना के परिदृश्य के बारे में हमारी समझ और स्पष्ट होती है।

यह शोधपत्र वैज्ञानिकों को अज्ञात क्वांटम स्टेट्स के गुणों को सीखने की कोशिश करने में एक व्यावहारिक लाभ भी प्रदान करता है। यह सिद्ध करके कि कम घटकों वाले स्टेट्स का एक प्रबंधनीय गणितीय विवरण होता है, लेखकों ने एक नई, तेज़ 'क्वांटम टोमोग्राफी' (quantum tomography) विधि विकसित की है। यह वह प्रक्रिया है जिसमें किसी क्वांटम स्टेट को कई बार मापकर उसे समझा जाता है। उनकी विधि शोधकर्ताओं को एक सिस्टम को कई बार मापकर उसे पुनर्गठित करने के लिए बहुत कम माप और कम कंप्यूटिंग समय का उपयोग करने की अनुमति देती है, बशर्ते कि सिस्टम बहुत अधिक जटिल न हो। यह सुधार पर्याप्त है, जो कंप्यूटिंग प्रयास को उस स्तर तक कम कर देता है जहाँ यह पहले की तुलना में बड़े सिस्टम का विश्लेषण करने के लिए भी व्यवहार्य हो जाता है।

शोधकर्ता इन निष्कर्षों पर 'रैंडम प्रोजेक्शन' (random projections) वाली एक चतुर रणनीति विकसित करके पहुँचे। पूरे जटिल स्टेट का एक साथ विश्लेषण करने के बजाय, उन्होंने यह दिखाया कि कैसे समस्या को छोटे, सरल स्थानों (spaces) पर प्रोजेक्ट करके विभाजित किया जा सकता है। उन्होंने सिद्ध किया कि इन स्थानों को यादृच्छिक रूप से चुनकर, वे एक साथ सरल घटकों के बड़े समूहों को समाप्त कर सकते हैं जबकि शेष भाग की संरचना को सुरक्षित रख सकते हैं। यह प्रक्रिया घटकों को क्लस्टर (clusters) में समूहबद्ध करने और यह दिखाने की अनुमति देती है कि कुल जटिलता एक विशिष्ट सीमा से अधिक नहीं हो सकती। यह विधि इस तथ्य पर निर्भर करती है कि इन सरल क्वांटम स्टेट्स की एक कठोर आंतरिक संरचना होती है जो उन्हें इस तरह से एक-दूसरे को रद्द करने से रोकती है जिससे उनकी वास्तविक जटिलता छिप सके।

यह कार्य 'बूलियन फंक्शन्स' (Boolean functions) के अध्ययन तक भी विस्तृत है, जो क्लासिकल कंप्यूटिंग के केंद्र में स्थित लॉजिक ऑपरेशन्स हैं। शोधकर्ताओं ने अपने निष्कर्षों को यह दिखाने के लिए लागू किया कि एक विशिष्ट लॉजिक फंक्शन, जिसे AND फंक्शन कहा जाता है, को एक विशेष प्रकार की गणितीय तरंग (wave) का उपयोग करके व्यक्त करने के लिए लगभग द्विघाती (quadratic) संख्या में पदों की आवश्यकता होती है। यह पिछले सर्वोत्तम अनुमान में सुधार करता है, जो केवल रैखिक (linear) वृद्धि का सुझाव देता था। यह परिणाम अमूर्त क्वांटम स्टेट्स की दुनिया को कंप्यूटर विज्ञान की ठोस समस्याओं से जोड़ता है, यह दिखाते हुए कि क्वांटम सिमुलेशन की सीमाओं के सीधे परिणाम यह होते हैं कि हम क्लासिकल लॉजिक को कितनी कुशलता से प्रदर्शित कर सकते हैं।

अंत में, यह शोध सरल और जटिल क्वांटम सिस्टमों के बीच के क्षेत्र का एक स्पष्ट मानचित्र प्रदान करता है। यह पुष्टि करता है कि उनके बीच का अंतर पहले की तुलना में कहीं अधिक व्यापक है, जिससे जटिल क्वांटम सिस्टम को सरल उपकरणों के साथ सिम्युलेट करना कठिन हो जाता है। ये निष्कर्ष केवल सैद्धांतिक नहीं हैं; वे क्वांटम स्टेट्स को सीखने और उन्हें अलग करने के लिए ठोस एल्गोरिदम प्रदान करते हैं, और वे क्वांटम सिमुलेशन में क्या संभव है, इसके लिए नए मानक निर्धारित करते हैं। लेखकों ने दिखाया है कि हालांकि क्वांटम सिस्टम अविश्वसनीय रूप से जटिल हो सकते हैं, उनकी जटिलता सख्त गणितीय नियमों का पालन करती है जिसे समझा और मापा जा सकता है। यह स्पष्टता वैज्ञानिकों को क्वांटम कंप्यूटरों के व्यवहार की बेहतर भविष्यवाणी करने और उनके साथ काम करने के अधिक कुशल तरीके डिजाइन करने में सक्षम बनाती है।

तकनीकी सारांश: स्टेबलाइजर विस्तार (Stabilizer Extent) और क्लिफोर्ड रैंक (Clifford Rank) पर बेहतर सीमाएँ

समस्या विवरण
यह शोध पत्र क्वांटम अवस्था (या ऑपरेटर) के स्टेबलाइजर रैंक (stabilizer rank) और उसके स्टेबलाइजर विस्तार (stabilizer extent या क्लिफोर्ड गुणांक मानक/Clifford coefficient norm) के बीच मात्रात्मक संबंध को संबोधित करता है। स्टेबलाइजर रैंक, $\chi(|\psi\rangle)$ , न्यूनतम स्टेबलाइजर अवस्थाओं की संख्या को मापता है जिनकी आवश्यकता एक अवस्था $|\psi\rangle$ को सटीक रूप से विघटित करने के लिए होती है। स्टेबलाइजर विस्तार, $\xi(|\psi\rangle)$ , ऐसे विघटन में गुणांकों के न्यूनतम वर्ग योग को मापता है।

यद्यपि गोट्समैन-क्लाइन (Gottesman-Knill) प्रमेय यह स्थापित करता है कि स्टेबलाइजर अवस्थाओं पर क्लिफोर्ड सर्किट शास्त्रीय रूप से अनुकरण योग्य (classically simulable) होते हैं, सामान्य क्वांटम गणनाओं के लिए "मैजिक" (magic) संसाधनों की आवश्यकता होती है। सिमुलेशन एल्गोरिदम अक्सर गैर-स्टेबलाइजर अवस्थाओं को स्टेबलाइजर अवस्थाओं में विघटित करने पर निर्भर करते हैं। इन एल्गोरिदम की दक्षता स्टेबलाइजर विस्तार पर निर्भर करती है, क्योंकि छोटे गुणांक कुशल स्पारसिफिकेशन (sparsification) की अनुमति देते हैं। हालांकि, एक ऐसी अवस्था जिसका स्टेबलाइजर रैंक छोटा हो सकता है, सैद्धांतिक रूप से बड़ा विस्तार रख सकती है यदि विघटन में बड़े गुणांकों का निरसन (cancellation) हो जाए।

मुख्य समस्या यह निर्धारित करना है कि स्टेबलाइजर रैंक का विस्तार पर कितना मजबूत नियंत्रण होता है। विशेष रूप से, यह शोध पत्र मेहरबान-तहमसाबी [MT25] के मात्रात्मक अनुमान की जांच करता है, जिसने यह प्रस्तावित किया था कि $k$ रैंक वाली अवस्थाओं की स्टेबलाइजर फिडेलिटी (निकटतम स्टेबलाइजर अवस्था के साथ ओवरलैप) $2^{-k/C}$ द्वारा निम्नतम स्तर पर बंधी होनी चाहिए, जहाँ $C$ एक स्थिरांक है। पिछले कार्य कलरा-सिन्हा [KS26] ने $\xi(|\psi\rangle) \le 2^{O(k \log k)}$ का ऊपरी स्तर स्थापित किया था। लेखक इस सीमा को सुधारने और रैंक के साथ फिडेलिटी के स्केलिंग के संबंध में अनुमान को हल करने का लक्ष्य रखते हैं।

कार्यप्रणाली (Methodology)
लेखक स्टेबलाइजर कोडस्पेस पर रैंडमाइज्ड प्रोजेक्शन और कोड ओवरलैप पर आधारित क्लस्टरिंग तर्क को संयोजित करने वाला एक नवीन दृष्टिकोण अपनाते हैं।

कोड मर्जिंग के माध्यम से क्लस्टरिंग: लेखक एक अवस्था $|\psi\rangle$ के $k$ स्टेबलाइजर अवस्थाओं में विघटन से शुरुआत करते हैं। वे एक "क्लस्टर" को इन अवस्थाओं के उन उपसमुच्चयों के रूप में परिभाषित करते हैं जो एक सामान्य स्टेबलाइजर कोडस्पेस के भीतर होते हैं। लेम्मा 3.2 का उपयोग करते हुए, वे दिखाते हैं कि यदि दो कोडस्पेस का ओवरलैप (प्रोजेक्टर के ऑपरेटर नॉर्म द्वारा मापा गया) बड़ा है, तो उन्हें एक बड़े कोडस्पेस में विलीन किया जा सकता है जिसका आयाम ओवरलैप द्वारा नियंत्रित होता है।
द्विशाखन (Dichotomy): क्लस्टरिंग प्रक्रिया एक द्विशाखन की ओर ले जाती है (लेम्मा 3.3): या तो एक निम्न-आयामी कोडस्पेस में मूल स्टेबलाइजर पदों की एक महत्वपूर्ण संख्या होती है, या पद लगभग लंबवत (orthogonal) क्लस्टर्स में विभाजित हो जाते हैं।
- मामला 1 (निम्न-आयामी समावेशन): यदि एक $d$ -आयामी कोडस्पेस में $r$ पद हैं, तो लेखक इस तथ्य का उपयोग करते हैं कि किसी भी $d$ -आयामी स्टेबलाइजर कोड में मौजूद अवस्था का विघटन $\sqrt{d}$ द्वारा सीमित गुणांक योग के साथ होता है।
- मामला 2 (निकट लंबवतता): यदि क्लस्टर लगभग लंबवत हैं, तो उनके बीच निरसन (cancellation) सीमित होता है। लेखक प्रत्येक क्लस्टर के योगदान को जोड़कर विस्तार को सीमित कर सकते हैं।
रैंडमाइज्ड प्रोजेक्शन के माध्यम से ब्लॉक एलिमिनेशन: क्लस्टर के भीतर के पदों को संभालने के लिए, लेखक रैंडमाइज्ड पाउली प्रोजेक्शन का उपयोग करते हैं। कोड बाधाओं को पूरा करने वाले एक रैंडम पाउली ऑपरेटर के आइजनस्पेस पर प्रोजेक्ट करके, वे शेष पदों की स्टेबलाइजर प्रकृति को (एक स्केलर तक) संरक्षित करते हुए $r$ स्टेबलाइजर पदों के एक ब्लॉक को हटा सकते हैं। यह समस्या के आकार के इंडक्टिव रिडक्शन (inductive reduction) की अनुमति देता है।
क्लिफोर्ड ऑपरेटरों तक विस्तार: ऑपरेटरों के लिए, लेखक 'नॉर्मलाइज्ड चोई मैप' (normalized Choi map) का उपयोग करके इस ढांचे को अनुकूलित करते हैं। वे एंटैंगलमेंट डेफिसिट (एंटैंगलमेंट की कमी) की अवधारणा पेश करते हैं (अधिकतम एंटैंगलमेंट से गायब ईबिट्स की संख्या)। वे ट्रैक करते हैं कि पाउली प्रोजेक्शन इस डेफिसिट को कैसे प्रभावित करते हैं (इसे अधिकतम एक से बढ़ाते हैं) ताकि मध्यवर्ती अवस्थाओं को मैक्सिमली एंटैंगल्ड स्टेबलाइजर अवस्थाओं में विघटित करने की लागत को नियंत्रित किया जा सके, जो क्लिफोर्ड यूनिटरी के अनुरूप होती हैं।

प्रमुख योगदान और परिणाम

सुधारित स्टेबलाइजर रैंक-विस्तार सीमा (प्रमेय 1.1):
लेखक सिद्ध करते हैं कि किसी भी $n$ -क्यूबिट वेक्टर $|v\rangle$ के लिए जिसका स्टेबलाइजर रैंक $\chi(|v\rangle) \le k$ है, स्टेबलाइजर विस्तार इस प्रकार सीमित है:
$\xi(|v\rangle) \le 2^{O(\sqrt{k} \log(k+1))} \|v\|^2$
यह कलरा-सिन्हा [KS26] के $2^{O(k \log k)}$ वाले पिछले स्तर की तुलना में घातांक (exponent) में एक वर्ग-मूल (square-root) कारक से सुधार करता है।
मात्रात्मक अनुमान का समाधान:
नया स्तर एक स्टेबलाइजर फिडेलिटी निचली सीमा $FS(|\psi\rangle) \ge 2^{-O(\sqrt{k} \log(k+1))}$ को दर्शाता है। यह [MT25] के मात्रात्मक अनुमान को हल करता है (जिसने $2^{-k/C}$ का सुझाव दिया था) और घातांक में वर्ग-मूल कारक द्वारा स्केलिंग में सुधार करता है।
क्लिफोर्ड रैंक-गुणांक मानक सीमा (प्रमेय 1.2):
ऑपरेटरों के लिए एक समान सीमा स्थापित की गई है। एक ऑपरेटर $A$ के लिए जिसका क्लिफोर्ड रैंक $\chi_C(A) \le k$ है, वर्ग क्लिफोर्ड गुणांक मानक इस प्रकार है:
$\Lambda_C(A)^2 \le 2^{O(\sqrt{k} \log(k+1))} 2^{-n} \|A\|_F^2$
अनुमानित स्टेबलाइजर रैंक के लिए निचली सीमाएँ:
इन सीमाओं को गैर-स्टेबलाइजर अवस्थाओं के टेंसर पावर पर लागू करने से अनुमानित स्टेबलाइजर रैंक पर एक निचली सीमा प्राप्त होती है। किसी भी निश्चित गैर-स्टेबलाइजर क्यूबिट अवस्था $|\phi\rangle$ के लिए, $|\phi\rangle^{\otimes n}$ का अनुमानित स्टेबलाइजर रैंक है:
$\chi_\delta(|\phi\rangle^{\otimes n}) = \Omega_\phi(n^2 / \log n)$
यह $T$ -स्टेट्स [MT24] के लिए सर्वोत्तम ज्ञात निचली सीमा को सभी गैर-स्टेबलाइजर क्यूबिट अवस्थाओं तक विस्तृत करता है।
बूलियन फलनों का शास्त्रीय प्रतिनिधित्व:
क्लिफोर्ड रैंक सीमा, क्वाड्रेटिक फेजेस (quadratic phases) का उपयोग करके $n$ -बिट AND फंक्शन के सटीक प्रतिनिधित्व के लिए एक निचली सीमा प्रदान करती है। आवश्यक क्वाड्रेटिक फेजेस की संख्या, $Q(n)$ , है:
$Q(n) = \Omega(n^2 / \log n)$
यह पिछले रैखिक निचली सीमा में सुधार करता है।
स्यूडो-रैंडनेस (Pseudorandomness) और लर्निंग:
- स्यूडो-रैंडनेस: परिणाम $O((\log n)^2 / \log \log n)$ के अनुमानित स्टेबलाइजर/क्लिफोर्ड रैंक वाले स्यूडो-रैंड स्टेट और यूनिटरी एन्सेम्बल के अस्तित्व को खारिज करते हैं, जो [KS26] में $O(\log n / \log \log n)$ के थ्रेशोल्ड में सुधार करता है।
- टोमोग्राफी: लेखक कम रैंक $k$ वाले अवस्थाओं के लिए टोमोग्राफी एल्गोरिदम निकालते हैं जिनका समय और कॉपी कॉम्प्लेक्सिटी $\text{poly}(n) 2^{O(\sqrt{k} \log k)}$ है। यह [KS26] पर आधारित सर्वोत्तम एल्गोरिदम की तुलना में घातांक में लगभग वर्ग-मूल सुधार का प्रतिनिधित्व करता है।

महत्व और दावे
लेखक दावा करते हैं कि व्युत्पन्न सीमाएँ क्वांटम अवस्थाओं/ऑपरेटरों की संरचनात्मक जटिलता (रैंक) और उनके गुणांक मानकों (विस्तार) के बीच एक मजबूत संबंध प्रदान करती हैं। अपने विस्तार (extent) की सीमा को कड़ा करके, लेखक प्रदर्शित करते हैं कि कम स्टेबलाइजर रैंक वाली अवस्थाओं का स्टेबलाइजर अवस्थाओं के साथ अनिश्चित रूप से छोटा ओवरलैप नहीं हो सकता है, जिससे उस "निरसन" (cancellation) प्रभाव को सीमित किया जाता है जो जटिलता को छिपा सकता है।

इसका महत्व निम्नलिखित में निहित है:

सैद्धांतिक समाधान: एक बेहतर सीमा के साथ [MT25] के मात्रात्मक अनुमान को हल करना।
सामान्यीकरण: मैजिक-स्टेट टेंसर पावर के लिए निचली सीमाओं को विशिष्ट अवस्थाओं (जैसे $|T\rangle$ ) से सभी गैर-स्टेबलाइजर क्यूबिट अवस्थाओं तक विस्तृत करना।
एल्गोरिदम सुधार: कम-रैंक अवस्थाओं और यूनिटरीज के सीखने और टोमोग्राफी की जटिलता में घातांक में लगभग वर्ग-मूल सुधार प्रदान करना।
शास्त्रीय जटिलता: क्वाड्रेटिक-फेज रैंक के लिए AND फंक्शन की लगभग द्विघातीय (quadratic) निचली सीमा स्थापित करना, जो शास्त्रीय प्रतिनिधित्व सिद्धांत में वर्तमान स्थिति में सुधार करता है।

लेखक नोट करते हैं कि जबकि उनका बाउंड $2^{O(\sqrt{k} \log k)}$ समकालीन कार्य [Dut26] (जो $2^{O(k)}$ प्राप्त करता है) की तुलना में अधिक मजबूत है, अभी यह ज्ञात नहीं है कि क्या घातांक को $O(\sqrt{k})$ तक कम किया जा सकता है या क्या विस्तार रैंक में पॉलिनोमियल रूप से बंधा हुआ है। वे सुझाव देते हैं कि उनके वर्तमान बाउंड में लॉगरिदमिक हानि (logarithmic loss) कोडस्पेस को मर्ज करने की आयामी लागत से आती है, और एक मजबूत क्लस्टरिंग बाउंड इस कारक को हटा सकता है।

इसी तरह के और पेपर