🧬 जीव विज्ञान

Quantum oblique eigenprojection

यह शोध पत्र एक क्वांटम एल्गोरिदम प्रस्तुत करता है जो टू-साइडेड ब्लॉक प्रीकंडीशनिंग और फूरियर-ट्रांसफॉर्मेड रिजोल्वेंट्स का उपयोग करके कुशलतापूर्वक तिरछी आइगेनप्रोजेक्शन्स (oblique eigenprojections) निष्पादित करता है, जो जटिल स्पेक्ट्रा वाले आइगेनस्टेट्स तैयार करने और बीजगणितीय रिकाटी (algebraic Riccati) एवं सिल्वेस्टर समीकरणों को हल करने में महत्वपूर्ण गति प्रदान करता है।

मूल लेखक: Yuan Su, Alexander Dalzell

प्रकाशित 2026-10-20

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Yuan Su, Alexander Dalzell

मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ⚕️ यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें

क्वांटम कंप्यूटर उन समस्याओं को हल करने का वादा करते हैं जिन्हें हल करने में क्लासिकल मशीनों को अव्यवहारिक रूप से लंबा समय लग सकता है, विशेष रूप से वे जो अणुओं या सामग्रियों जैसे जटिल प्रणालियों के व्यवहार से जुड़ी हैं। ऐसा करने के लिए, ये मशीनें अक्सर 'प्रोजेक्शन' (projection) नामक एक प्रक्रिया पर निर्भर करती हैं, जो मूल रूप से संभावनाओं के एक अराजक मिश्रण को एक विशिष्ट, चुनिले अवस्था तक फ़िल्टर करने का एक तरीका है। कल्पना कीजिए कि एक प्रणाली में कई अलग-अलग ऊर्जा स्तर हैं; लक्ष्य अक्सर सबसे निचले स्तर को अलग करना होता है, जिसे 'ग्राउंड स्टेट' (ground state) कहा जाता है, ताकि यह समझा जा सके कि कोई सामग्री कैसे व्यवहार करती है। दशकों से, शोधकर्ताओं ने अत्यधिक कुशल तरीके विकसित किए हैं जब सिस्टम एक अनुमानित, सममित (symmetric) तरीके से व्यवहार करता है। हालाँकि, कई वास्तविक दुनिया की प्रणालियाँ, विशेष रूप से वे जो रासायनिक प्रतिक्रियाओं या अपरिवर्तनीय प्रक्रियाओं से जुड़ी हैं, इन सरल नियमों का पालन नहीं करती हैं। उनकी आंतरिक संरचनाएं तिरछी और असममित होती हैं, जिससे मानक फ़िल्टरिंग उपकरण अप्रभावी या उपयोग करने में अविश्वसनीय रूप से महंगी हो जाती हैं।

AWS सेंटर फॉर क्वांटम कंप्यूटिंग के शोधकर्ताओं की एक टीम ने अब इस सीमा को पार करने का एक तरीका प्रदर्शित किया है। उन्होंने दिखाया है कि एक क्वांटम कंप्यूटर इन जटिल, असममित प्रणालियों पर इस फ़िल्टरिंग ऑपरेशन को बिना उस भारी लागत दंड के सफलतापूर्वक कर सकता है, जो पहले इस कार्य को अव्यवहारिक बना देता था। शोधकर्ताओं ने एक नई तकनीक विकसित की है जो कंप्यूटर को सिस्टम के विशिष्ट हिस्सों को अलग करने की अनुमति देती है, भले ही वे हिस्से स्पष्ट रूप से अलग या संरेखित न हों। यह उपलब्धि महत्वपूर्ण है क्योंकि यह क्वांटम एल्गोरिदम की शक्ति को वैज्ञानिक समस्याओं की एक बहुत व्यापक श्रेणी तक विस्तारित करती है, जिसमें क्वांटम केमिस्ट्री और कंट्रोल थ्योरी शामिल है, जहाँ अध्ययन की जाने वाली प्रणालियाँ स्वाभाविक रूप से अव्यवस्थित और गैर-सममित होती हैं।

टीम ने जिस मुख्य चुनौती का समाधान किया वह यह है कि क्वांटम कंप्यूटर मैट्रिसेस (matrices) को कैसे संभालते हैं, जो संख्याओं के ग्रिड हैं जिनका उपयोग किसी प्रणाली की स्थिति का वर्णन करने के लिए किया जाता है। कई मामलों में, इन ग्रिडों को विभिन्न खंडों, या सबस्पेस (subspaces) में विभाजित किया जा सकता है, जिनमें से प्रत्येक मानों के एक विशिष्ट सेट से जुड़ा होता है। जब ये खंड पूरी तरह से संरेखित होते हैं, तो मानक क्वांट टूल आसानी से एक खंड को अन्य खंडों से अलग कर सकते हैं। लेकिन जिन जटिल प्रणालियों को लक्षित कर रहे थे, उनमें ये खंड एक-दूसरे के सापेक्ष झुके हुए या "तिरछे" (oblique) होते हैं। इन तिरछे खंडों को अलग करने के पिछले प्रयासों ने एक ऐसा तरीका अपनाया जो काम तो करता था, लेकिन उसने एक भारी अक्षमता पैदा कर दी। इस प्रक्रिया को एक 'नॉर्मलाइजेशन फैक्टर' (normalization factor) की आवश्यकता थी—एक स्केलिंग नंबर जो यह सुनिश्चित करता है कि गणना स्थिर रहे—जो सिस्टम के कठिन होने के साथ-साथ अत्यधिक बढ़ जाता था। यह स्केलिंग फैक्टर एक भारी टैक्स की तरह काम करता था, जिससे कंप्यूटर को आवश्यक से कई अधिक बार प्रक्रिया को दोहराना पड़ता था, जो प्रभावी रूप से उस गति लाभ को रद्द कर देता था जिसे क्वांटम कंप्यूटर देने का दावा करते हैं।

शोधकर्ताओं ने डेटा को इस तरह से बदलकर इस समस्या को हल किया कि वे क्वांटम कंप्यूटर के भीतर गणना को कैसे देखते हैं। गणना को एक एकल, अखंड ब्लॉक के रूप में मानने के बजाय, उन्होंने महसूस किया कि गणना की आंतरिक संरचना में एक छिपा हुआ पैटर्न है जिसका लाभ उठाया जा सकता है। एक विशिष्ट गणितीय रूपांतरण, जिसे 'डिस्क्रीट फूरियर ट्रांसफॉर्म' (discrete Fourier transform) के रूप में जाना जाता है, को लागू करके, वे डेटा को एक नए प्रारूप में पुनर्व्यवस्थित करने में सक्षम थे जहाँ गणना के विभिन्न भाग स्पष्ट रूप से दिखाई दे रहे थे और व्यवस्थित थे। इस नई व्यवस्था में, शोधकर्ता देख सके कि गणना के अवांछित भाग केवल रैंडम शोर नहीं थे, बल्कि एक अनुमानित, दोहराने वाले ढांचे का पालन कर रहे थे। इसके बाद उन्होंने एक 'टू-साइडेड प्रीकंडीशनिंग' (two-sided preconditioning) तकनीक लागू की, जो अनिवार्य रूप से गणना के विभिन्न हिस्सों के भार को संतुलित करने के लिए उन्हें समायोजित करने का एक तरीका है। इस समायोजन ने उस विशाल स्केलिंग फैक्टर को दबा दिया जिसने पिछले तरीकों को परेशान किया था, जिससे यह उस स्तर तक आ गया जो सैद्धांतिक रूप से संभव है।

परिणामस्वरूप एक ऐसी विधि प्राप्त हुई जो सरल, सममित प्रणालियों के लिए सर्वोत्तम मौजूदा तकनीकों के लगभग समान कुशल है, लेकिन अब यह जटिल, असममित प्रणालियों के लिए भी काम करती है जो प्रकृति में आम हैं। शोधकर्ताओं ने सिद्ध किया कि उनके दृष्टिकोण के लिए आवश्यक कम्प्यूटेशनल चरणों की संख्या अलगाव की कठिनाई के साथ लगभग रैखिक (linearly) रूप से बढ़ती है, न कि पुराने तरीकों में देखी गई द्विघात (quadratic) या त्रिघातीय (cubic) वृद्धि की तरह। यह सुधार केवल एक सैद्धांतिक जिज्ञासा नहीं है; यह सीधे तौर पर वास्तविक दुनिया के अनुप्रयोगों के लिए तेज़ और अधिक व्यावहारिक एल्गोरिदम में परिवर्तित होता है। उदाहरण के लिए, टीम ने दिखाया कि कैसे उनके तरीके का उपयोग जटिल ऊर्जा स्तरों वाली प्रणालियों के लिए विशिष्ट क्वांटम अवस्थाओं को तैयार करने के लिए किया जा सकता है, जो कि पहले बहुत धीमा कार्य था। उन्होंने यह भी प्रदर्शित किया कि यह कंट्रोल थ्योरी और क्वांटम केमिस्ट्री में उपयोग किए जाने वाले कुछ प्रकार के जटिल समीकरणों को पहले की तुलना में काफी तेज़ी से हल कर सकता है, जिससे कुछ मामलों में कम्प्यूटेशनल लागत दो या तीन गुना कम हो जाती है।

यह कार्य गैर-एनालिटिक फलनों (non-analytic functions) के लिए क्वांटम कंप्यूटरों को लागू करने के लिए एक आशाजनक नया मार्ग सुझाता है, जो कि ऐसे गणितीय संचालन हैं जिन्हें सरल बहुपदों द्वारा सुचारू रूप से अनुमानित नहीं किया जा सकता है। इन तिरछे प्रोजेक्शन को सफलतापूर्वक अलग करके, शोधकर्ताओं ने उस प्रमुख बाधा को हटा दिया है जिसने क्वांटम एल्गोरिदम को कठिन समस्याओं की एक विस्तृत श्रेणी से निपटने से रोका था। उनके निष्कर्ष संकेत देते हैं कि सही संरचनात्मक अंतर्दृष्टि के साथ, क्वांटम कंप्यूटर गैर-सममित प्रणालियों की अव्यवस्थित, वास्तविक दुनिया की जटिलता को उस दक्षता के साथ संभाल सकते हैं जो पहले पहुंच से बाहर मानी जाती थी। न्यूनतम ओवरहेड के साथ इन प्रोजेक्शन को करने की क्षमता का अर्थ है कि भविष्य के क्वांटम एल्गोरिदम को अधिक मजबूत और व्यावहारिक बनाया जा सकता है, जो दवा डिजाइन से लेकर सामग्री विज्ञान तक के क्षेत्रों में खोजों को गति दे सकता है।

तकनीकी सारांश: क्वांटम ओब्लिक आइजनप्रोजेक्शन (Quantum Oblique Eigenprojection)

समस्या विवरण (Problem Statement)

यह शोधपत्र एक क्वांटम कंप्यूटर पर ओब्लिक आइजनप्रोजेक्शन (oblique eigenprojections) करने की चुनौती को संबोधित करता है। हर्मिटीयन मैट्रिसेस (जहाँ आइजनस्पेस ऑर्थोगोनल होते हैं) के लिए क्वांटम एल्गोरिदम, जैसे कि क्वांटम सिंगुलर वैल्यू ट्रांसफॉर्मेशन (QSVT) फ्रेमवर्क, अच्छी तरह से स्थापित हैं। हालाँकि, सामान्य नॉन-नॉर्मल मैट्रिसेस (non-normal matrices) एक बड़ी बाधा प्रस्तुत करते हैं। नॉन-नॉर्मल मैट्रिसेस के लिए, हिल्बर्ट स्पेस गैर-ऑर्थोगोनल, जनरलाइज्ड आइजनसबस्पेस में विभाजित हो जाता है। कार्य एक ऐसा क्वांटम एल्गोरिदम बनाना है जो इनपुट स्टेट को एक विशिष्ट इनवेरिएंट सबस्पेस (invariant subspace) पर प्रोजेक्ट करे, जो लक्षित स्पेक्ट्रम के क्षेत्र (जैसे कि यूनिट डिस्क के भीतर के आइजनवैल्यू) से जुड़ा हो, जबकि पूरक क्षेत्र (complementary region) से जुड़े घटकों को दबा सके।

यह समस्या तब मौलिक रूप से बाधित होती है जब स्पेक्ट्रम जटिल (complex) होता है। वास्तविक स्पेक्ट्रम के मामले के विपरीत, जहाँ बहुपदों (polynomials) का उपयोग इंडिकेटर फंक्शन के सन्निकटन (approximation) के लिए किया जा सकता है, मैक्सिमम मोडुलस प्रिंसिपल (maximum modulus principle) यह रोकता है कि एनालिटिक फंक्शन (और इस प्रकार बहुपद) जटिल तल (complex plane) में बिना महत्वपूर्ण त्रुटि के ऐसे इंडिकेटर का सन्निकटन कर सकें। फलस्वरूप, मानक QSVT और क्वांटम आइजनवैल्यू ट्रांसफॉर्मेशन (QEVT) तकनीकें, जो एनालिटिक फंक्शन्स के बहुपद सन्निकटन पर निर्भर करती हैं, इस समस्या को सीधे हल नहीं कर सकतीं।

पिछले दृष्टिकोण, जैसे कि रिजॉलवेंट इंटीग्रेशन (resolvent integration) (कॉची के इंटीग्रल फॉर्मूला का उपयोग करके), नॉन-एनालिटिक फंक्शन्स को हैंडल कर सकते हैं, जो लक्षित स्पेक्ट्रम को घेरने वाले कंटूर (contour) के साथ मैट्रिक्स रिजॉलवेंट $(\zeta I - A)^{-1}$ को इंटीग्रेट करते हैं। हालाँकि, इन विधियों में एक गंभीर अक्षमता है: वे एक नॉर्मलाइजेशन फैक्टर (normalization factor) $\alpha$ का सामना करते हैं जो $\Theta(\|\Pi\|/\delta)$ के रूप में स्केल करता है, जहाँ $\|\Pi\|$ प्रोजेक्शन का नॉर्म है और $\delta$ स्पेक्ट्रल गैप है। यह बढ़ा हुआ नॉर्मलाइजेशन फैक्टर किसी भी एल्गोरिदम की क्वेरी कॉम्प्लेक्सिटी को काफी बढ़ा देता है, विशेष रूप से इसलिए क्योंकि ब्लॉक एनकोडिंग की सफलता की संभावना $\alpha^2$ के व्युत्क्रमानुपाती (inversely) होती है।

कार्यप्रणाली (Methodology)

लेखक एक नया दृष्टिकोण प्रस्तावित करते हैं जो विविक्त रिजॉलवेंट इंटीग्रल (discretized resolvent integral) द्वारा उत्पन्न ब्लॉक एनकोडिंग की पूरी संरचना का लाभ उठाकर मानक रिजॉलवेंट इंटीग्रेशन विधि में सुधार करता है।

विविक्त रिजॉलवेंट इंटीग्रल (Discretized Resolvent Integral): ओब्लिक आइजनप्रजेक्शन $\Pi$ को ट्रैपेज़ॉइडल नियम (trapezoid rule) का उपयोग करके रिजॉलवेंट के कंटूर इंटीग्रल के विवक्तीकरण (discretization) द्वारा सन्निकट किया जाता है। इससे शिफ्टेड रिजॉलवेंट्स का एक योग प्राप्त होता है: $\Pi \approx \frac{1}{n} \sum_{j=0}^{n-1} (I - \omega^{-j}_n A)^{-1}$ ।
ब्लॉक एनकोडिंग निर्माण (Block Encoding Construction): मानक दृष्टिकोण एक ब्लॉक-डायगोनल मैट्रिक्स $M$ बनाता है जिसमें ये शिफ्टेड रिजॉलवेंट्स होते हैं और इसे QSVT का उपयोग करके इनवर्ट करता है। एंसिला रजिस्टर (ancilla register) पर हैडामार्ड ट्रांसफॉर्म लागू करके, परिणामी इनवर्स मैट्रिक्स का टॉप-लेफ्ट ब्लॉक $\Pi$ का सन्निकटन करता है। हालाँकि, शेष ब्लॉक्स अनस्ट्रक्चर्ड रहते हैं, जिससे नॉर्मलाइजेशन फैक्टर को पूरे मैट्रिक्स के वर्स्ट-केस नॉर्म ( $\Theta(1/\delta)$ ) द्वारा निर्धारित होने के लिए मजबूर होना पड़ता है।
डिस्क्रीट फूरियर ट्रांसफॉर्म (DFT) विश्लेषण: इस कार्य की मुख्य अंतर्दृष्टि यह है कि $M^{-1}$ $M^{- 1}$ के ब्लॉक्स मनमाने नहीं हैं; उनमें एक सर्कुलेंट स्ट्रक्चर (circulant structure) है। $M^{-1}$ $M^{- 1}$ को हैडामार्ड ट्रांसफॉर्म के बजाय क्वांटम फूरियर ट्रांसफॉर्म (QFT) के साथ कंजुगेट करके, लेखक प्रकट करते हैं कि प्रत्येक ब्लॉक $(k, l)$ $(k, l)$ शिफ्टेड रिजॉलवेंट के एक विशिष्ट डिस्क्रीट फूरियर मोड $S_m$ $S_{m}$ के अनुरूप है।
- ज़ीरोथ मोड $S_0$ , आइजनप्रोजेक्शन $\Pi$ का सन्निकटन करता है।
- उच्च-क्रम के मोड $S_m$ , स्पेक्ट्रल-सेट स्थितियों (जैसे कि यदि मैट्रिक्स डायगोनलाइज़ेबल है या उसका बाउंडेड न्यूमेरिकल रेंज है) के तहत ज्यामितीय (geometrically) रूप से कम होते जाते हैं।
टू-साइडेड ब्लॉक प्रीकंडीशनिंग (Two-Sed Block Preconditioning): लेखक फूरियर बेसिस में एक टू-साइडेड ब्लॉक प्रीकंडीशनिंग तकनीक पेश करते हैं। वे एक स्केलिंग ऑपरेटर $T$ $T$ (जो कंप्यूटेशनल बेसिस में डायगोनल है) लागू करते हैं जो इनवर्जन से पहले मैट्रिक्स को संशोधित करता है।
- जैसे-जैसे स्केलिंग पैरामीटर $t$ घटता है, पहला ब्लॉक रो और कॉलम बढ़ता है।
- हालाँकि, यह प्रीकंडीशनिंग एक्सट्रैक्ट किए गए टॉप-लेफ्ट ब्लॉक के नॉर्मलाइजेशन फैक्टर के इनवर्स-गैप ग्रोथ को दबा देती है (suppresses the inverse-gap growth of the normalization factor), जिससे यह $\Theta(1/\delta)$ से घटकर $O(c \|\Pi\|)$ हो जाता है, जहाँ $c$ एक स्थिरांक है जो स्पेक्ट्रल-सेट कंडीशन पर निर्भर करता है (जैसे कि न्यूमेरिकल रेंज के लिए $c = 1+\sqrt{2}$ , या डायगोनलाइज़ेबल मैट्रिसेस के लिए कंडीशन नंबर)। यह नॉर्मलाइजेशन लगभग इष्टतम (optimal) है, क्योंकि $\|\Pi\|$ किसी भी ब्लॉक एनकोडिंग के लिए सैद्धांतिक निचला स्तर (lower bound) है।

मुख्य परिणाम (Key Results)

पेपर तीन मुख्य प्रमेय स्थापित करता है:

थ्योरम 1 (मैट्रिक्स रिजॉलवेंट का DFT): फूरियर बेसिस में रिजॉलवेंट इंटीग्रल के विवक्तीकरण के ब्लॉक्स के लिए एक क्लोज्ड-फॉर्म एक्सप्रेशन प्रदान करता है। यह दिखाता है कि ब्लॉक्स शिफ्ट के पावर के साथ ज्यामितीय रूप से घटते हैं।
थ्योरम 2 (यूनिट डिस्क प्रोजेक्शन): यह प्रदर्शित करता है कि यूनिट सर्कल से स्पेक्ट्रम विलगित (disjoint) मैट्रिक्स $A$ के लिए, अंदर के सबस्पेस पर ओब्लिक आइजनप्रोजेक्शन $\Pi$ को $O\left(\frac{c \alpha_A \|\Pi\|}{\delta} \log \frac{c \|\Pi\|}{\varepsilon} \log \frac{1}{\varepsilon}\right)$ क्वेरी कॉम्प्लेक्सिटी और $O(c \|\Pi\|)$ नॉर्मलाइजेशन फैक्टर के साथ ब्लॉक एनकोड किया जा सकता है। यह मानक दृष्टिकोण की क्वेरी कॉम्प्लेक्सिटी से मेल खाता है लेकिन नॉर्मलाइजेशन फैक्टर में भारी सुधार करता है।
थ्योरम 3 (सामान्य क्षेत्र): जटिल तल में मनमाने लक्षित क्षेत्रों के लिए परिणाम का विस्तार करता है। एक एनालिटिक सेपरेटिंग मैप $f$ का उपयोग करके, समस्या को $f(A)$ पर लागू यूनिट डिस्क केस में कम किया जाता है। लागत $f(A)$ के यूनिट सर्कल से गैप पर निर्भर करती है।

अनुप्रयोग (Applications)

लेखक प्रदर्शित करते हैं कि यह सुधरा हुआ प्रिमिटिव तीन विशिष्ट अनुप्रयोगों में महत्वपूर्ण गति (speedup) की ओर ले जाता है:

जटिल स्पेक्ट्रा के लिए आइजनस्टेट प्रिपरेशन (Eigenstate Preparation): नॉन-नॉर्मल मैट्रिसेस के लिए QEVT एल्गोरिदम का विस्तार करना। नया तरीका $O(\|\Pi\|^2 / (\eta \delta^2))$ के बजाय $O(\|\憑\|^2 / (\eta \delta))$ की स्केलिंग के साथ आइजनस्टेट तैयार करता है, जो कि मानक रिजॉलवेंट इंटीग्रल दृष्टिकोण की तुलना में एक द्विघाती सुधार (quadratic improvement) है। यह सुधार इसलिए होता है क्योंकि एम्प्लीट्यूड एम्प्लीफिकेशन राउंड्स की संख्या गैप से स्वतंत्र ( $O(\|\Pi\|/\eta)$ ) हो जाती है।
कंटीन्यूअस-टाइम अल्जेब्रिक रिकैटि समीकरण (Continuous-Time Algebraic Riccati Equations): इन समीकरणों को हल करना, जो ऑप्टिमल कंट्रोल और क्वांटम केमिस्ट्री में आते हैं, एक नॉन-नॉर्मल हैमिल्टोनियन के इनवेरिएंट सबस्पेस पर प्रोजेक्शन में बदल जाता है। नया तरीका रॉडेनास-रुइज़, झाओ और ली द्वारा दिए गए पिछले सॉल्वर की तुलना में गैप डिपेंडेंस में घनात्मक (cubic) सुधार करता है, जिससे कुल कॉम्प्लेक्सिटी से $1/\delta$ के दो कारक हट जाते हैं।
ऑर्डिनरी सिल्वेस्टर समीकरण (Ordinary Sylvester Equations): एक ब्लॉक मैट्रिक्स के इनवेरिएंट सबस्पेस पर प्रोजेक्ट करके $AX + XB = C$ को हल करना। यह विधि वांग और लियू के डायरेक्ट ऑगमेंटेड मेथड की तुलना में गैप डिपेंडेंस में द्विघाती सुधार करती है।

महत्व और दावे (Significance and Claims)

यह शोधपत्र दावा करता है कि यह कार्य नॉन-नॉर्मल मैट्रिसेस से जुड़े क्वांटम एल्गोरिदम के लिए एक मौलिक प्रिमिटिव (fundamental primitive) प्रदान करता है। $\|\Pi\|$ के इष्टतम मान के करीब नॉर्मलाइजेशन फैक्टर प्राप्त करके और इनवर्स गैप में लगभग लीनियर क्वेरी कॉम्प्लेक्सिटी बनाए रखते हुए, लेखक हर्मिटीयन मैट्रिसेस के लिए QSVT की दक्षता और नॉन-हर्मिटीयन समस्याओं के लिए आवश्यक क्षमताओं के बीच के अंतर को पाटते हैं।

लेखक अपने परिणाम के महत्व पर जोर देते हैं क्योंकि:

यह उन "बढ़े हुए नॉर्मलाइजेशन फैक्टर्स" की समस्या को हल करता है जो पिछले रिजॉलवेंट-आधारित मेथड्स में देखी गई थी।
यह सिद्ध करता है कि नॉन-एनालिटिक फंक्शन्स (विशेष रूप से ओब्लिक आइजनप्रोजेक्शन) को QSVT के समान जटिलता के साथ लागू किया जा सकता है।
DFT और टू-साइड प्रीकंडीशनिंग का उपयोग करने की तकनीक ब्लॉक एनकोडिंग को अनुकूलित करने के लिए एक नया प्रतिमान (paradigm) प्रदान करती है।