Study of Randomness in Quantum Random Number Generator using Bayesian Neural Networks
यह शोध पत्र एक बेयसियन न्यूरल नेटवर्क फ्रेमवर्क का प्रस्ताव करता है जो निरंतर-चर क्वांटम रैंडम नंबर जनरेटरों में अंतर्निहित यादृच्छिकता (रैंडमनेस) को मापने और प्रदर्शन संबंधी खामियों की निगरानी करने के लिए एक वास्तविक समय, भौतिक रूप से प्रेरित नैदानिक उपकरण के रूप में एलियटोरिक अनिश्चितता (aleatoric uncertainty) की भविष्यवाणी करने हेतु कच्चे होमोडाइन वोल्टेज डेटा का उपयोग करता 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 लेखक ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
डिजिटल दुनिया में, वास्तविक यादृच्छिकता (रैंडमनेस) एक दुर्लभ और बहुमूल्य वस्तु है। यह आधुनिक क्रिप्टोग्राफी की आधारशिला है, वह गुप्त सूत्र जो ऑनलाइन बैंकिंग को सुरक्षित रखता है और निजी संदेशों को हैकर्स के लिए अपठनीय बनाए रखता है। दशकों से, कंप्यूटर ऐसी गणितीय विधियों पर निर्भर रहे हैं जो ऐसे नंबर उत्पन्न करती हैं जो यादृच्छिक दिखते हैं, लेकिन ये केवल भ्रम मात्र हैं। यदि पर्याप्त समय और कंप्यूटिंग शक्ति दी जाए, तो एक चतुर पर्यवेक्षक पूरे अनुक्रम (सीक्वेंस) की भविष्यवाणी कर सकता है क्योंकि यह एक निश्चित शुरुआती बिंदु से उत्पन्न होता है। इस चक्र को तोड़ने के लिए, वैज्ञानिकों ने उप-परमाणु जगत (सबएटॉमिक रिदम) की ओर रुख किया, जहाँ प्रकृति स्वयं अप्रत्याशित व्यवहार करती है। प्रकाश या अंतरिक्ष के निर्वात (वैक्यूम) के सूक्ष्म, अंतर्निहित उतार-चढ़ाव को मापकर, शोधकर्ता ऐसी वास्तविक यादृच्छिकता प्राप्त कर सकते हैं जिसे कोई भी गणना पूर्वानुमानित नहीं कर सकती। हालाँकि, इस क्वांटम अराजकता को पकड़ने के लिए एक मशीन बनाना कठिन है। संकेत अविश्वसनीय रूप से धुंधले होते हैं, जो इलेक्ट्रॉनिक उपकरणों के शोर या उन्हें मापने के लिए उपयोग किए जाने वाले सेंसर की सीमाओं के कारण आसानी से दब जाते हैं। यदि मशीन पूरी तरह से ट्यून नहीं है, या यदि सेंसर बहुत मोटे (कोर्स) हैं, तो उत्पन्न "यादृच्छिक" नंबरों में वास्तव में छिपे हुए पैटर्न हो सकते हैं, जिससे सिस्टम असुरक्षित हो जाता है।
शोधकर्ताओं की एक टीम ने इन क्वांटम मशीनों की वास्तविक समय में निगरानी करने का एक नया तरीका विकसित किया है, जिससे यह सुनिश्चित हो सके कि वे वास्तव में ब्रह्मांड की अराजकता को पकड़ रहे हैं। प्रक्रिया के अंत तक यह जांचने के बजाय कि नंबर अच्छे हैं या नहीं, उन्होंने एक विशेष प्रकार के कृत्रिम बुद्धिमत्ता (एआई) को सीधे जनरेटर से आने वाले कच्चे विद्युत संकेतों को सुनने के लिए प्रशिक्षित किया। यह प्रणाली, जिसे बेयसियन न्यूरल नेटवर्क (Bayesian neural network) के रूप में जाना जाता है, एक अत्यधिक संवेदनशील नैदानिक उपकरण की तरह कार्य करती है। यह केवल सरल पैटर्न ही नहीं खोजती; बल्कि यह वोल्टेज डेटा की एक धारा में अगले क्षण की भविष्यवाणी करना सीखती है और महत्वपूर्ण रूप से, यह गणना करती है कि उस भविष्यवाणी में अनिश्चितता कितनी है। एक पूर्णतः यादृच्छिक प्रणाली में, भविष्य की भविष्यवाणी करना असंभव है, इसलिए मशीन की अनिश्चितता उच्च होनी चाहिए। यदि मशीन की अनिश्चितता गिरती है, तो यह संकेत देता है कि सिस्टम बहुत अधिक पूर्वानुमेय (प्रेडिक्टेबल) हो गया है, शायद इसलिए क्योंकि सेंसर विफल हो रहे हैं या वातावरण बदल गया है।
शोधकर्ताओं ने इस दृष्टिकोण का परीक्षण एक फाइबर-ऑप्टिक डिवाइस पर किया जो प्रकाश के निर्वात उतार-चढ़ाव को मापता है। उन्होंने डिवाइस से प्राप्त कच्चे वोल्टेज डेटा को अपने नेटवर्क में डाला और देखा कि एआई का आत्मविश्वास विभिन्न स्थितियों के तहत कैसे बदलता है। जब उन्होंने निर्वात को प्रोब करने के लिए उपयोग किए जाने वाले लेजर की शक्ति बढ़ाई, तो सिस्टम की मापी गई अनिश्चितता बढ़ गई, जो इस सैद्धांतिक अपेक्षा के अनुरूप थी कि अधिक शक्ति वास्तविक क्वांटम शोर को प्रकट करती है। इसने पुष्टि की कि उनकी विधि यादृच्छिकता स्रोत के स्वास्थ्य को ट्रैक कर सकती है। इससे भी महत्वपूर्ण बात यह है कि एआई ने उन समस्याओं को भी पकड़ लिया जिन्हें पारंपरिक परीक्षण विधियाँ छोड़ देती थीं। जब शोधकर्ताओं ने कम रिज़ॉल्यूशन वाले या धीमी सैंपलिंग दर वाले सेंसर का अनुकरण किया—जो वास्तविक दुनिया के हार्डवेयर में सामान्य खामियां हैं—तो एआई का अनिश्चितता मीट्रिक तेजी से गिर गया। इसने पता लगाया कि सिग्नल ने अपने सूक्ष्म-स्तरीय अराजक स्वरूप को खो दिया था, भले ही मानक सांख्यिकीय परीक्षणों, जो सरल सहसंबंधों (कोरिलेशन) को देखते हैं, ने इसमें कुछ भी गलत नहीं पाया।
यह खोज इस बात को उजागर करती है कि हम वर्तमान में रैंडम नंबर जनरेटर को सत्यापित करने के तरीके में एक महत्वपूर्ण अंतर मौजूद है। पारंपरिक परीक्षण अक्सर दीर्घकालिक पैटर्न या सरल सहसंबंधों की जाँच करते हैं, लेकिन वे दोषपूर्ण हार्डवेयर के कारण होने वाले सूक्ष्म क्षरण के प्रति अंधे हो सकते हैं। एक सेंसर इतना मोटा (कोर्स) हो सकता है कि वह क्वांटम दुनिया की सूक्ष्म, तीव्र हलचल को सुचारू (स्मूथ) कर दे, जिससे एक अराजक सिग्नल प्रभावी रूप से एक पूर्वानुमेय सिग्नल में बदल जाता है। नया एआई-आधारित मीट्रिक इन परिवर्तनों को तुरंत महसूस करने के लिए पर्याप्त संवेदनशील है। यह एक वास्तविक समय के मॉनिटर के रूप में कार्य करता है, जो इंजीनियरों को ठीक उसी समय बताता है जब उपकरण अपने इष्टतम रेंज से बाहर जा रहा हो या जब डिजिटल कन्वर्टर्स पर्याप्त विवरण कैप्चर नहीं कर पा रहे हों। बिट्स में संसाधित होने से पहले कच्चे एनालॉग सिग्नल पर ध्यान केंद्रित करके, यह विधि यादृच्छिकता उत्पादन की भौतिक प्रक्रिया में एक सीधा दृश्य प्रदान करती है।
अध्ययन ने यह दावा नहीं किया कि यह उच्च-स्तरीय क्रिप्टोग्राफी के लिए आवश्यक कठोर गणितीय प्रमाणों को प्रतिस्थापित करेगा, जो स्रोत और संभावित हमलावरों के बारे में सख्त गणितीय धारणाओं पर निर्भर करते हैं। इसके बजाय, लेखक इस उपकरण को रक्षा के एक पूरक स्तर के रूप में देखते हैं। यह औपचारिक सुरक्षा प्रमाणन के साथ चलने वाला एक भौतिक, डेटा-संचालित चेक प्रदान करता है। अपने प्रयोगों में, सिस्टम ने सफलतापूर्वक पहचाना कि कैसे लेजर पावर को शून्य से नौ मिलीवाट तक समायोजित करने पर यादृच्छिकता उत्पादन कैसे बदला, और कैसे डेटा की सटीकता को सोलह बिट से घटाकर आठ बिट करने पर यह खराब हुआ। परिणाम बताते हैं कि यह दृष्टिकोण क्वांटम रैंडम नंबर जनरेटर बनाने और बनाए रखने के टूलकिट का एक मानक हिस्सा बन सकता है, जिससे यह सुनिश्चित हो सके कि भविष्य के डिजिटल ताले वास्तविक, अटूट अराजकता की नींव पर बने हैं।
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।