🧬 biology

A quantum color space for finite-shot RGB reconstruction in quantum image processing

यह शोध पत्र एक नवीन ब्लॉक-स्फीयर-आधारित क्वांटम कलर स्पेस प्रस्तावित करता है जो चैनल उपसमूहों और अज़ीमुथल प्रक्षेप पथों द्वारा व्यवस्थित एकल-क्विबिट अवस्था मापदंडों में डिस्क्रीट RGB मानों को मैप करता है, जिससे नियतमात्मक डिकोडिंग नियमों के माध्यम से MNIST और CIFAR-10 जैसी छवियों का उच्च निष्ठा के साथ प्रभावी परिमित-शॉट पुनर्निर्माण सक्षम होता है।

मूल लेखक: Gang-Joon Yoon, SeonMin Kim, Byung-Gook Lee, Jinjoo Song, Sang Min Yoon

प्रकाशित 2026-06-25

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Gang-Joon Yoon, SeonMin Kim, Byung-Gook Lee, Jinjoo Song, Sang Min Yoon

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

कल्पना कीजिए कि आपके पास रंगीन मोतियों का एक विशाल, जादुई बॉक्स है (जो एक डिजिटल छवि का प्रतिनिधित्व करता है)। क्लासिकल कंप्यूटरों की दुनिया में, इन मोतियों को साफ-सुथरी, लेबल वाली दराजों में रखा जाता है। लेकिन क्वांटम इमेज प्रोसेसिंग की दुनिया में, हम इन मोतियों को इस तरह से स्टोर करना चाहते हैं जो स्थान बचाने के लिए क्वांटम भौतिकी के अजीब नियमों का उपयोग करे।

समस्या यह है: क्वांटम कंप्यूटर आपको सीधे "रीडआउट" (सीधा परिणाम) नहीं देते हैं जैसे कि एक क्लासिकल कंप्यूटर देता है। इसके बजाय, वे बॉक्स के अंदर कितनी बार झांकने (जिसे "शॉट्स" कहा जाता है) के आधार पर एक सांख्यिकीय अनुमान (statistical guess) देते हैं। यदि आप पर्याप्त बार नहीं झांकते हैं, तो आपका अनुमान थोड़ा गलत हो सकता है, और आपकी छवि धुंधली या गलत रंगों वाली दिख सकती है।

यह शोध पत्र उन रंगीन मोतियों को क्वांटम बॉक्स के भीतर व्यवस्थित करने का एक नया, चतुर तरीका प्रस्तावित करता है ताकि सीमित संख्या में "झांकने" (peeks) के बावजूद, आप एक स्पष्ट चित्र को फिर से बना सकें।

यहाँ सरल उपमाओं (analogies) का उपयोग करके उनके समाधान का विवरण दिया गया है:

1. मानचित्र: ब्लॉक स्फीयर (The Bloch Sphere)

एक मानक डिजिटल रंग (लाल, हरा, नीला) को 3D क्यूब के एक बिंदु के रूप में सोचें। लेखकों ने क्यूब का उपयोग करना बंद करने और इसके बजाय हर रंग को एक ग्लोब (जिसे ब्लॉक स्फीयर कहा जाता है) की सतह पर मैप करने का निर्णय लिया।

अक्षांश (Latitude - ऊपर/नीचे): वे रंगों को इस आधार पर व्यवस्थित करते हैं कि वे कितने "चमकदार" या "अंधेरे" हैं। सबसे चमकीले रंग उत्तरी ध्रुव के पास होते हैं, और सबसे गहरे रंग दक्षिणी ध्रुव के पास।
देशांतर (Longitude - भूमध्य रेखा के चारों ओर): वे लाल, हरे और नीले के विशिष्ट मिश्रण को ग्लोब के चारों ओर चलते हुए व्यवस्थित करते हैं।

"ग्रेस्केल" शॉर्टकट:
यदि आपके पास केवल ब्लैक-एंड-व्हाइट फोटो हैं (जैसे हस्तलिखित अंकों का MNIST डेटासेट), तो आपको ग्लोब के चारों ओर घूमने की आवश्यकता नहीं है। आपको बस उत्तर-दक्षिण रेखा पर ऊपर और नीचे जाने की आवश्यकता है। शोध पत्र ने पाया कि क्योंकि यह पथ इतना सरल और सीधा है, क्वांटम कंप्यूटर इन ब्लैक-एंड-व्हाइट छवियों को बहुत कम "झांकने" (peeks) के साथ अविश्वसनीय स्पष्टता के साथ पुनर्गठित कर सकता है।

2. जाल: बहुत अधिक रंग, बहुत कम झांक (Too Many Colors, Too Few Peeks)

शोधकर्ताओं ने उनके कलर मैप के तीन अलग-अलग स्तरों का परीक्षण किया:

कोर्स मैप (Coarse Map - 64³): यह लो-रेज़ोल्यूशन पिक्सेल आर्ट इमेज की तरह है। प्रत्येक रंग के लिए "क्षेत्र" (zones) चौड़े और खोजने में आसान हैं।
मीडियम मैप (Medium Map - 128³): एक मानक रेज़ोल्यूशन।
फाइन मैप (Fine Map - 256³): उच्चतम संभव रेज़ोल्यूशन, जहाँ रंग के हर सूक्ष्म शेड का अपना एक छोटा, संकीर्ण क्षेत्र होता है।

चौंकाने वाला निष्कर्ष:
आप सोच सकते हैं कि "फाइन मैप" (256³) सबसे अच्छा चित्र बनाएगा। ऐसा नहीं हुआ।

उपमा: कल्पना कीजिए कि आप एक डार्ट (dart) से लक्ष्य पर निशाना साध रहे हैं।
- कोर्स मैप पर, लक्ष्य एक विशाल बुल्सआई (bullseye) है। भले ही आपका हाथ थोड़ा सा हिले (सीमित क्वांटम "झांकों" के कारण), फिर भी आप सही रंग पर निशाना साध लेते हैं।
- फाइन मैप पर, लक्ष्य एक छोटा सा बिंदु है। यदि आपका हाथ एक मिलीमीटर भी हिलता है, तो आप बिंदु को चूक जाते हैं और बगल के गलत रंग पर लैंड करते हैं।
परिणाम: "फाइन मैप" ने वास्तव में सबसे खराब चित्र बनाए क्योंकि क्वांटम कंप्यूटर के स्वाभाविक सांख्यिकीय "जिटर" (jitter/कंपन) के कारण वह लगातार पड़ोसी रंगों के बीच कूद रहा था, जिससे शोर (noise) और विकृति पैदा हो रही थी। "कोर्स मैप" (64³) ने सबसे अच्छे परिणाम दिए क्योंकि उसके ज़ोन जिटर को संभालने के लिए पर्याप्त बड़े थे।

3. छवि को देखने के दो तरीके

शोध पत्र ने क्वांटम कंप्यूटर से चित्र मांगने के दो अलग-अलग तरीकों का परीक्षण किया:

विधि A: "पिक्सेल-दर-पिक्सेल" दौरा (Pixel-wise)

यह कैसे काम करता है: आप क्वांटम कंप्यूटर से एक एकल पिक्सेल को देखने के लिए कहते हैं, एक अच्छा उत्तर प्राप्त करते हैं, और फिर अगले पिक्सेल पर जाते हैं। आप प्रत्येक के लिए पर्याप्त समय (शॉट्स) देते हैं।
परिणाम: यह बहुत अच्छी तरह से काम किया। जैसे-जैसे आप कंप्यूटर को अधिक समय (shots) देते गए, छवि स्पष्ट होती गई।

विधि B: "एक साथ" स्नैपशॉट (Position-Register)

यह कैसे काम करता है: आप पूरी छवि को एक ही क्वांटम सर्किट में एनकोड करने का प्रयास करते हैं और एक ही बार में पूरी तस्वीर मांगते हैं।
समस्या: आपके पास सीमित "समय" (शॉट्स) है। यदि आपके पास 1,000-पिक्सेल की इमेज है और केवल 1,000 शॉट्स हैं, तो औसतन आप प्रत्येक पिक्सेल को केवल एक बार ही "झांक" पाते हैं।
परिणाम: छवि बहुत धुंधली और विकृत थी। क्वांटम कंप्यूटर के पास कोणों को सटीक रूप से समझने के लिए पर्याप्त "झांक" (peeks) नहीं थे। यह एक भीड़ के फोटो को ऐसे कैमरे से खींचने जैसा है जिसकी बैटरी केवल प्रति व्यक्ति एक फ्लैश के लिए पर्याप्त है।

मुख्य निष्कर्ष

शोध पत्र निष्कर्ष निकालता है कि क्वांटम इमेज सिस्टम डिजाइन करते समय, बड़ा होना हमेशा बेहतर नहीं होता।

सादगी की जीत: एक गोले पर रंगों को व्यवस्थित करना अच्छा काम करता है, लेकिन आपको रंगों के बीच पर्याप्त "जगह" छोड़नी होगी ताकि क्वांटम कंप्यूटर का स्वाभाविक सांख्यिकीय शोर गलत रंग चुनने का कारण न बने।
रेज़ोल्यूशन बनाम स्थिरता: एक कम-रेज़ोल्यूशन वाला कलर मैप (कम शेड्स) क्वांटम सेटिंग में वास्तव में एक स्वच्छ छवि बनाता है क्योंकि यह त्रुटियों के प्रति अधिक मजबूत (robust) होता है।
मापन (Measurement) मायने रखता है: आप अपने "झांकों" (shots) को कैसे आवंटित करते, यह एनकोडिंग जितना ही महत्वपूर्ण है। पूरी छवि को एक ही सर्किट में कंप्रेस करने का प्रयास करना, बिना पर्याप्त शॉट्स के, एक "मेज़रमेंट बॉटलनेक" (measurement bottleneck) की ओर ले जाता है जहाँ छवि बहुत शोर भरी हो जाती है।

संक्षेप में, एक अच्छी क्वांटम इमेज प्राप्त करने के लिए, आपको एक ऐसे मानचित्र की आवश्यकता है जो छोटी गलतियों के प्रति उदार हो, और आपको क्वांटम कंप्यूटर को चित्र के प्रत्येक भाग को व्यक्तिगत रूप से देखने के लिए पर्याप्त समय देने की आवश्यकता है।

तकनीकी सारांश: परिमित-शॉट (Finite-Shot) RGB पुनर्निर्माण के लिए एक क्वांटम कलर स्पेस

समस्या विवरण
क्वांटम इमेज प्रोसेसिंग (QIP) के लिए ऐसे रंग निरूपणों (color representations) की आवश्यकता होती है जो क्वांटम रजिस्टरों के भीतर संक्षिप्त (compact) हों और परिमित-शॉट माप सांख्यिकी (finite-shot measurement statistics) से पुनः प्राप्त करने योग्य हों। जबकि मौजूदा क्वांटम इमेज रिप्रजेंटेशन (QIRs) जैसे कि FRQI, MCQI, और NEQA ने स्टोरेज दक्षता और इंडेक्सिंग पर ध्यान केंद्रित किया है, वे अक्सर रंग को केवल एक संग्रहीत मान (value) के रूप में देखते हैं, न कि रंग सूचना के ज्यामितीय संगठन (geometric organization) को संबोधित करते हुए। इस बात को समझने में एक महत्वपूर्ण अंतराल मौजूद है कि शास्त्रीय RGB निर्देशांक (coordinates) क्वांटम स्टेट स्पेस में कैसे मैप होते हैं और परिमित-शॉट माप संबंधी विचलन (perturbations) रंग पुनर्निर्माण की स्थिरता को कैसे प्रभावित करते हैं। वर्तमान योजनाएं अक्सर इस बात के स्पष्ट ढांचे का अभाव दिखाती हैं कि माप-व्युत्पन्न अनुमानों (measurement-derived estimates) को वापस शास्त्रीय रंगों में कैसे डिकोड किया जाए, विशेष रूप से जब एनकोडेड कलर स्पेस सघन (dense) हो और निर्णय सीमाएं (decision boundaries) संकीर्ण हों।

कार्यप्रणाली
लेखक एक ब्लॉक-स्फीयर-आधारित क्वांटम कलर स्पेस प्रस्तावित करते हैं जो विविक्त (discrete) RGB मानों और एकल-क्यूबिट स्टेट मापदंडों $(\theta, \phi)$ के बीच एक संरचना-संरक्षण पत्राचार (structure-preserving correspondence) स्थापित करता है।

ज्यामितीय मानचित्रण (Geometric Mapping):
- RGB ट्रिपलेट्स को ब्लॉक स्फीयर पर गोलाकार निर्देशांकों (spherical coordinates) में मैप किया जाता है।
- ध्रुवीय कोण ( $\theta$ ): यह अधिकतम-न्यूनतम चैनल उपसमूहों ( $M_x, M_n$ ) के आधार पर रंगों को व्यवस्थित करता है। समान $M_x$ और $M_n$ साझा करने वाले रंगों को सामान्य अक्षांश बैंडों (latitude bands) में सौंपा जाता है।
- दिगंश कोण ( $\phi$ ): प्रत्येक अक्षांश बैंड के भीतर चैनल-परम्यूटेशन प्रक्षेपवक्र (trajectories) को एनकोड करता है।
- ग्रेस्केल सबस्पेस: विकर्ण सेट $\{(x,x,x)\}$ स्वाभाविक रूप से एक एक-आयामी सबस्पेस बनाता है जहाँ तीव्रता केवल $\theta$ द्वारा एनकोड की जाती है, जिससे $\phi$ अनावश्यक (redundant) हो जाता है।
क्वांटाइजेशन और ग्रिड्स:
- अध्ययन तीन क्वांटाइज्ड RGB ग्रिड्स का मूल्यांकन करता है: $64^3$ , $128^3$ , और $256^3$ । ये कच्चे तीव्रता रेंज नहीं हैं बल्कि डिस्प्ले-स्केल ग्रिड्स हैं (उदाहरण के लिए, $128^3$ का अर्थ है $\{0, 2, 4, \dots, 254\}^3$ )।
डिकोडिंग रणनीति:
- सटीक विश्लेषणात्मक व्युत्क्रम (analytic inversion) मानने के बजाय, यह विधि रीजन-ऑफ-पॉइंट (RoP) और लुकअप-टेबल (LUT) नियम का उपयोग करती है।
- परिमित-शॉट माप गणनाओं को कोण अनुमानों $(\hat{\theta}, \hat{\phi})$ में परिवर्तित किया जाता है।
- इन अनुमानों को यह निर्धारित करके RGB मानों में डिकोड किया जाता है कि अनुमानित कोण किस पूर्व-निर्धारित निर्णय क्षेत्र $I(r,g,b)$ में गिरता है।
प्रायोगिक प्रोटोकॉल:
- पिक्सेल-वार सत्यापन (Pixel-wise Validation): प्रत्येक पिक्सेल को एक स्वतंत्र दो-क्यूबिट सर्किट द्वारा प्रोसेस किया जाता है। यह अंतर्निहित परिमित-शॉट रिकोवेरेबिलिटी को अलग करता है।
- पोजीशन-रजिस्टर फुल-इमेज एनकोडिंग: सभी पिक्सेल को पोजीशन क्यूबिट्स का उपयोग करके एक ही सर्किट में एनकोड किया गया है। कुल शॉट बजट को सभी स्थितियों और कोण शाखाओं के बीच साझा किया जाता है, जो एक अधिक कॉम्पैक्ट लेकिन माप-विरल (measurement-sparse) परिदृश्य का अनुकरण करता है।
- डेटासेट: MNIST (ग्रेस्केल सबस्पेस सत्यापन के लिए) और CIFAR-10 (RGB पुनर्निर्माण के लिए)।
- सिमुलेशन: बिना किसी स्पष्ट हार्डवेयर नॉइज़ मॉडल के Qiskit Aer सिमुलेशन, जो सांख्यिकीय परिमित-शॉट प्रभावों पर केंद्रित है।

प्रमुख परिणाम

ग्रेस्केल पुनर्निर्माण (MNIST): प्रेरित ग्रेस्केल सबस्पेस ने उच्च स्थिरता प्रदर्शित की। पुनर्निर्माण ने औसत मीन स्क्वेर्ड एरर (MSE) 3.90 और पीक सिग्नल-टू-नॉइज़ रेशियो (PSNR) 42.44 dB प्राप्त किया। ग्रेस्केल विकर्ण की एक-आयामी प्रकृति ( $\phi$ रेडंडेंसी) ने इसकी मजबूती में योगदान दिया।
RGB पुनर्निर्माण (CIFAR-10):
- क्वांटाइजेशन-सेपरेबिलिटी ट्रेड-ऑफ: $64^3$ ग्रिड ने सर्वश्रेष्ठ प्रदर्शन किया (MSE: 81.29, PSNR: 29.84 dB, SSIM: 0.9313)।
- सघन ग्रिड्स: $128^3$ ग्रिड ने मध्यम गिरावट दिखाई, जबकि पूर्ण $256^3$ ग्रिड ने सबसे खराब प्रदर्शन किया (MSE: 609.77, PSNR: 20.55 dB, SSIM: 0.7435)।
- कारण: उच्च नाममात्र रंग रिज़ॉल्यूशन, संकीर्ण कोणीय निर्णय क्षेत्रों (RoP) को बनाता है। परिमित-शॉट कोण अनुमान त्रुटियां, भले ही छोटी हों, निर्णय सीमाओं को पार करने की अधिक संभावना रखती हैं, जिससे रंग का गलत डिकोडिंग होता है।
शॉट-वार विश्लेषण:
- शॉट बजट बढ़ाने से कोण अनुमान की सटीकता में सुधार होता है। हालांकि, एक निश्चित अवशिष्ट कोणीय त्रुटि (residual angular error) के लिए, मोटे ग्रिड ( $64^3$ ) अपने व्यापक निर्णय क्षेत्रों के कारण अधिक मजबूत रहते हैं।
- मापन-आवंटन बाधा (Measurement-Allocation Bottleneck): पोजीशन-रजिस्टर फुल-इमेज मोड में, पुनर्निर्माण की गुणवत्ता सभी ग्रिड्स में काफी गिर गई (MSE $\approx$ 890, PSNR $\approx$ 18.7 dB)। साझा शॉट बजट के परिणामस्वरूप प्रति-स्थिति माप विरल हो गए (218 कुल शॉट्स पर प्रति पिक्सेल/ब्रांच लगभग 128 नमूने), जिससे विश्वसनीय $\theta$ और $\phi$ की रिकवरी असंभव हो गई।

महत्व और दावे
यह शोध पत्र तर्क देता है कि क्वांटम कलर रिप्रजेंटेशन को न केवल कॉम्पैक्ट स्टोरेज के लिए, बल्कि विशेष रूप से परिमित-शॉट मापों से स्थिर और व्याख्या योग्य रिकवरी के लिए डिज़ाइन किया जाना चाहिए।

ज्यामितीय संगठन: प्रस्तावित ब्लॉक-स्फीयर निर्माण शास्त्रीय RGB क्यूब के ज्यामिति को क्वांटम स्टेट मापदंडों से स्पष्ट रूप से जोड़ता है, जिससे मापन निर्भरता स्पष्ट होती है।
रिज़ॉल्यूशन पर स्थिरता: परिणाम इस धारणा को चुनौती देते हैं कि उच्च शास्त्रीय रंग रिज़ॉल्यूशन स्वचालित रूप से क्वांटम पुनर्निर्माण में सुधार करता है। इसके बजाय, पुनर्निर्माण की गुणवत्ता नाममात्र रिज़ॉल्यूशन और परिमित-शॉट कोणीय पृथक्करणीयता (angular separability) के बीच संतुलन द्वारा नियंत्रित होती है। मोटे ग्रिड बड़े कोणीय मार्जिन प्रदान करते हैं, जो सांख्यिकीय शोर के विरुद्ध मजबूती बढ़ाते हैं।
एनकोडिंग ट्रेड-ऑफ: यह अध्ययन कॉम्पैक्ट इमेज-लेवल एनकोडिंग (पोजीशन-रजिस्टर) और विश्वसनीय प्रति-पिक्सेल रिकवरी के बीच एक व्यावहारिक ट्रेड-ऑफ को उजागर करता है। जबकि कॉम्पैक्ट एनकोडिंग क्यूब्स बचाती है, यह एक मापन-आवंटन बाधा पेश करती है जो यथार्थवादी शॉट बजट के तहत पुनर्निर्माण निष्ठा (fidelity) को गंभीर रूप से सीमित करती है।

लेखक निष्कर्ष निकालते हैं कि भविष्य के क्वांटम इमेज प्रोसेसिंग फ्रेमवर्क को केवल क्यूब दक्षता के बजाय, एडेप्टिव कलर-स्पेस पार्टिशनिंग और लाइकलीहुड-आधारित डिकोडिंग जैसी मापन-स्थिर रिकवरी रणनीतियों को प्राथमिकता देनी चाहिए।

1. मानचित्र: ब्लॉक स्फीयर (The Bloch Sphere)

2. जाल: बहुत अधिक रंग, बहुत कम झांक (Too Many Colors, Too Few Peeks)

3. छवि को देखने के दो तरीके

मुख्य निष्कर्ष

इसी तरह के और पेपर