सतत-चरणीय क्वांटम नेटवर्कों में नकारात्मकता परकोलेशन

पृष्ठभूमि और अकादमिक वंश

उत्पत्ति और अकादमिक वंश

सूक्ष्मचिपों से लेकर वैश्विक नेटवर्कों तक, विशाल दूरियों पर क्वांटम उलझाव (entanglement) को वितरित करने की मूलभूत अवधारणा क्वांटम सूचना प्रौद्योगिकियों के लिए केंद्रीय है। यह क्षमता क्वांटम संगणना और सुरक्षित क्वांटम संचार जैसे अनुप्रयोगों को रेखांकित करती है। बड़े पैमाने की प्रणालियों में इस उलझाव वितरण के सामूहिक व्यवहार को अक्सर क्वांटम नेटवर्क (QN) के रूप में मॉडल किया जाता है। "उलझाव परकोलेशन" का विचार—उलझाव वितरण और शास्त्रीय परकोलेशन सिद्धांतों के बीच एक वैचारिक पुल—पहली बार 2007 में उभरा, जिसने शुरू में संभाव्य उलझाव वितरण योजनाओं को शास्त्रीय बॉन्ड परकोलेशन से जोड़ा। बाद की प्रगति, विशेष रूप से नियतात्मक उलझाव संचरण (DET) योजनाओं का विकास, ने अधिक परिष्कृत मैपिंग को जन्म दिया, जैसे कि कॉनकरेंस परकोलेशन सिद्धांत (ConPT)।

हालांकि, इन पहले के दृष्टिकोणों की एक महत्वपूर्ण सीमा असतत-चरणीय (DV) क्वांटम प्रणालियों पर उनका विशेष ध्यान था, जिसमें आम तौर पर क्यूबिट शामिल होते हैं। इन मॉडलों ने सतत-चरणीय (CV) क्वांटम प्रणालियों को नजरअंदाज कर दिया, जो एक वैकल्पिक वास्तुकला है जो विशेष रूप से ऑप्टिकल सेटिंग्स में प्रमुख है। CV प्रणालियाँ प्रकाश क्षेत्रों (जैसे आयाम और चरण) की सतत स्वतंत्रता की डिग्री का लाभ उठाती हैं और स्वाभाविक रूप से गॉसियन अवस्थाएँ उत्पन्न करती हैं, जो बिना शर्त और सुसंगत उलझाव उत्पादन, मापनीयता और चिप-एकीकरण जैसे लाभ प्रदान करती हैं। इस पत्र को प्रेरित करने वाला मौलिक "दर्द बिंदु" एक व्यापक ढांचे की अनुपस्थिति थी जो यह समझने के लिए कि उलझाव कैसे वितरित होता है और इन तेजी से प्रासंगिक CV-आधारित QNs में "परकोलेट" होता है। पिछले सिद्धांत सतत क्वांटम चर की अनूठी भौतिकी का वर्णन करने के लिए सुसज्जित नहीं थे, जिससे उनकी सामूहिक विशेषताओं और लंबी दूरी के उलझाव वितरण की क्षमता के बारे में महत्वपूर्ण प्रश्न अनुत्तरित रह गए। इस अंतर का मतलब था कि CV प्रणालियों की विशिष्ट नेटवर्क भौतिकी काफी हद तक अनछुए रह गई, जिससे मजबूत, मापनीय CV-आधारित क्वांटम प्रौद्योगिकियों के विकास में बाधा उत्पन्न हुई।

सहज डोमेन शब्द

• सतत-चरणीय (CV) क्वांटम नेटवर्क (QNs): एक क्वांटम इंटरनेट की कल्पना करें जहाँ असतत "चालू/बंद" संकेतों (जैसे डिजिटल बिट्स) का उपयोग करके जानकारी भेजने के बजाय, हम प्रकाश तरंगों के सतत गुणों का उपयोग करते हैं, जैसे उनकी सटीक चमक या चरण। CV QNs इन "एनालॉग" प्रकाश संकेतों के साथ निर्मित एक क्वांटम इंटरनेट की तरह हैं, जो स्वाभाविक रूप से ऑप्टिकल प्लेटफार्मों द्वारा उत्पन्न होते हैं।
• उलझाव परकोलेशन: इसे एक श्रृंखला प्रतिक्रिया की तरह सोचें। यदि आपके पास व्यक्तिगत क्वांटम कनेक्शनों का एक नेटवर्क है (जैसे एक श्रृंखला में लिंक), तो उलझाव परकोलेशन बताता है कि पूरे नेटवर्क में उलझाव का एक बड़ा, सतत "सुपर-कनेक्शन" बनाने के लिए इन कनेक्शनों में से कितने मजबूत होने की आवश्यकता है। यह इस बारे में है कि स्थानीय क्वांटम लिंक वैश्विक क्वांटम कनेक्टिविटी कैसे बना सकते हैं।
• दो-मोड स्क्वीज़्ड वैक्यूम अवस्थाएँ (TMSVSs): ये प्रकाश की विशेष क्वांटम अवस्थाएँ हैं जो दो पूरी तरह से सिंक्रनाइज़, क्वांटम "स्प्रिंग्स" की तरह काम करती हैं। यदि आप एक स्प्रिंग के गुण को मापते हैं, तो आप तुरंत दूसरे के संगत गुण को जान जाते हैं, चाहे वे कितनी भी दूर हों। वे CV क्वांटम नेटवर्कों में उलझे हुए लिंक बनाने का एक सामान्य और शक्तिशाली तरीका हैं, जिसमें उनका "स्क्वीज़िंग पैरामीटर" उनके सहसंबंध की ताकत को इंगित करता है।
• अनुपात नकारात्मकता ($x$): यदि उलझाव एक क्वांटम कनेक्शन की "ताकत" है, तो अनुपात नकारात्मकता इसके लिए एक विशिष्ट "ताकत मीटर" है। यह 0 (कोई उलझाव नहीं) और 1 (अधिकतम उलझाव) के बीच एक मान देता है। TMSVSs के लिए, यह सीधे तौर पर इस बात से संबंधित है कि क्वांटम "स्प्रिंग्स" को कितना स्क्वीज़ किया गया है, जो उनके क्वांटम बॉन्ड का एक सरल, सीमित माप प्रदान करता है।
• मिश्रित-क्रम चरण संक्रमण: अधिकांश चरण संक्रमण या तो चिकने होते हैं (जैसे पानी धीरे-धीरे गर्म होना) या अचानक (जैसे पानी अचानक उबलना)। एक मिश्रित-क्रम संक्रमण एक विचित्र मिश्रण है: यह एक महत्वपूर्ण बिंदु पर एक अचानक, असंतत कूद प्रदर्शित करता है, लेकिन लंबी दूरी के सहसंबंध भी प्रदर्शित करता है, जिसका अर्थ है कि एक बिंदु पर परिवर्तन पूरे सिस्टम में दूरगामी, सूक्ष्म प्रभाव डाल सकते हैं। यह एक जटिल, दोहरी-प्रकृति बदलाव है।

संकेतन तालिका

संकेतन	विवरण

समस्या परिभाषा और बाधाएँ

मुख्य समस्या सूत्रीकरण और दुविधा

इस पत्र द्वारा संबोधित मुख्य समस्या सतत-चरणीय (CV) क्वांटम नेटवर्कों (QNs) में उलझाव को समझने और वितरित करने के लिए एक व्यापक सैद्धांतिक ढांचे की कमी है। ऐतिहासिक रूप से, क्वांटम नेटवर्क अनुसंधान ने बड़े पैमाने पर असतत-चरणीय (DV) आर्किटेक्चर पर ध्यान केंद्रित किया है, जहां उलझाव वितरण योजनाएं अच्छी तरह से समझी जाती हैं और स्थापित शास्त्रीय परकोलेशन सिद्धांतों से मैप की जा सकती हैं। हालांकि, CV प्रणालियाँ, विशेष रूप से ऑप्टिकल प्लेटफार्मों पर आधारित, गॉसियन अवस्थाओं और उलझाव को लगातार उत्पन्न करने की उनकी क्षमता के कारण मापनीयता और चिप एकीकरण के लिए महत्वपूर्ण लाभ प्रदान करती हैं।

इनपुट/वर्तमान स्थिति एक परिदृश्य है जहाँ DV-आधारित QNs में अच्छी तरह से परिभाषित उलझाव वितरण प्रोटोकॉल और संबंधित परकोलेशन सिद्धांत (जैसे कॉनकरेंस परकोलेशन) हैं, लेकिन CV-आधारित QNs में ऐसी एकीकृत समझ का अभाव है। यह प्रभावी ढंग से CV-एन्कोडेड QNs में उलझाव वितरित करने और क्या उनकी सतत प्रकृति DV प्रणालियों की तुलना में मौलिक रूप से भिन्न नेटवर्क भौतिकी की ओर ले जाती है, इसके बारे में महत्वपूर्ण प्रश्न बने हुए हैं।

आउटपुट/लक्ष्य स्थिति एक नया सैद्धांतिक ढांचा स्थापित करना है, जिसे "नकारात्मकता परकोलेशन सिद्धांत (NegPT)" कहा जाता है, जिसे विशेष रूप से CV-आधारित QNs के लिए तैयार किया गया है। इस ढांचे का उद्देश्य यह सटीक रूप से परिभाषित करना है कि उलझाव, जिसे "अनुपात नकारात्मकता" ($X_N$) नामक एक सीमित माप द्वारा परिमाणित किया जाता है, इन नेटवर्कों में कैसे परकोलेट होता है। पत्र CV गॉसियन अवस्थाओं के लिए एक नियतात्मक उलझाव संचरण (DET) योजना का परिचय देना चाहता है और सांख्यिकीय-भौतिकी विधियों का उपयोग करके इसके सामूहिक व्यवहार का विश्लेषण करना चाहता है, अंततः CV-आधारित QNs को नियंत्रित करने वाले अद्वितीय महत्वपूर्ण घटनाओं को प्रकट करना चाहता है।

सटीक लुप्त कड़ी या गणितीय अंतर एक परकोलेशन सिद्धांत की अनुपस्थिति है जो CV प्रणालियों में उलझाव वितरण का सटीक वर्णन कर सकता है, जो स्थापित DV उलझाव परकोलेशन सिद्धांतों और अनछुए CV डोमेन के बीच वैचारिक विभाजन को पाटता है। यह पत्र एक गॉसियन-से-गॉसियन (G-G) DET योजना का परिचय देकर और अनुपात नकारात्मकता माप, $X_N \in [0,1]$ पर आधारित NegPT विकसित करके इस अंतर को पाटने का प्रयास करता है, जो दो-मोड स्क्वीज़्ड वैक्यूम अवस्थाओं (TMSVSs) के लिए $x = \tanh r$ तक सरल हो जाता है।

दर्दनाक ट्रेड-ऑफ या दुविधा जिसने पिछले शोधकर्ताओं को फंसाया है, और जिसे यह पत्र CV प्रणालियों के लिए उजागर करता है, वह उनके चरण संक्रमण की प्रकृति में निहित है। जबकि CV प्रणालियाँ मापनीय क्वांटम प्रौद्योगिकियों के लिए आशाजनक रास्ते प्रदान करती हैं, पत्र से पता चलता है कि NegPT एक मिश्रित-क्रम चरण संक्रमण प्रदर्शित करता है। इसका मतलब है कि, DV प्रणालियों में देखे गए सतत संक्रमणों (जो अपेक्षाकृत स्थिर हैं) के विपरीत, CV-आधारित QNs एक महत्वपूर्ण सीमा ($X_{th}$) पर वैश्विक उलझाव में एक अचानक, असंतत कूद का अनुभव करते हैं। यह तेज संक्रमण एक गंभीर व्यावहारिक भेद्यता प्रस्तुत करता है: पारंपरिक प्रतिक्रिया तंत्र, जो पर्यावरणीय गिरावट के खिलाफ बड़े पैमाने पर QNs को स्थिर करने के लिए महत्वपूर्ण हैं, इस सीमा के पास स्वाभाविक रूप से अस्थिर हो जाते हैं, जिससे लगातार "चालू/बंद" दोलन का खतरा होता है। इस प्रकार, दुविधा CV प्रणालियों के अंतर्निहित मापनीयता लाभ और उनके अद्वितीय और अचानक महत्वपूर्ण व्यवहार के कारण उनकी स्थिरता बनाए रखने में महत्वपूर्ण चुनौतियों के बीच है।

बाधाएँ और विफलता मोड

CV-आधारित QNs में उलझाव परकोलेशन को समझने और स्थिर करने की समस्या कई कठोर, यथार्थवादी बाधाओं से बेहद कठिन हो जाती है:

1. उलझाव एकाग्रता के लिए गैर-मानक ऑप्टिकल घटक: एक मौलिक भौतिक बाधा यह है कि शुद्ध गॉसियन अवस्थाओं से उलझाव को केंद्रित करना, G-G DET योजना का एक प्रमुख घटक, मानक ऑप्टिकल घटकों का उपयोग करके व्यावहारिक रूप से प्राप्त नहीं किया जा सकता है। पत्र स्पष्ट रूप से बताता है कि इसके लिए "गैर-मानक ऑप्टिकल घटकों" की आवश्यकता होती है और इसमें "गैर-गॉसियन LOCC" [49] शामिल है। यह प्रयोगात्मक कार्यान्वयन और व्यावहारिक अहसास के लिए एक महत्वपूर्ण बाधा का अर्थ है।
2. सतत चर की गणितीय जटिलता: असतत क्यूबिट के विपरीत, CV प्रणालियाँ सतत स्वतंत्रता की डिग्री से निपटती हैं, जिसके लिए विभिन्न गणितीय उपकरणों और उलझाव उपायों की आवश्यकता होती है। "अनुपात नकारात्मकता" का परिचय और सतत चर के लिए एक परकोलेशन ढांचे के भीतर इसका अनुप्रयोग एक गैर-तुच्छ गणितीय चुनौती है, जो DV प्रणालियों में उपयोग किए जाने वाले सरल असतत संभाव्यता या कॉनकरेंस उपायों से अलग है।
3. मिश्रित-क्रम चरण संक्रमण गतिशीलता: NegPT में मिश्रित-क्रम चरण संक्रमण की खोज एक प्रमुख सैद्धांतिक और व्यावहारिक बाधा है। इस प्रकार का संक्रमण, जिसमें वैश्विक उलझाव में एक असंतत कूद और एक भिन्न सहसंबंध लंबाई दोनों की विशेषता है, QNs में अभूतपूर्व है। इसका मतलब है कि सिस्टम का व्यवहार अचानक बदल जाता है, जिससे महत्वपूर्ण बिंदु के पास भविष्यवाणी करना और नियंत्रित करना मुश्किल हो जाता है।
4. प्रतिक्रिया नियंत्रण अस्थिरता और वास्तविक समय विलंबता: सबसे महत्वपूर्ण व्यावहारिक बाधा मिश्रित-क्रम चरण संक्रमण से उत्पन्न होती है: पारंपरिक प्रतिक्रिया तंत्र, क्वांटम ऑप्टिकल कार्यान्वयन में स्थिरीकरण के लिए व्यापक रूप से उपयोग किए जाते हैं, महत्वपूर्ण सीमा ($X_{th}$) के पास स्वाभाविक रूप से अस्थिर हो जाते हैं। जैसा कि चित्र 4(b) में दिखाया गया है, यह दीर्घकालिक "चालू/बंद" दोलन की ओर ले जाता है, जिससे मजबूत संचालन बनाए रखना बेहद चुनौतीपूर्ण हो जाता है। यह नियंत्रण प्रणालियों के लिए एक सख्त वास्तविक समय विलंबता आवश्यकता को उजागर करता है, क्योंकि कोई भी देरी या मानक प्रतिक्रिया रणनीति सिस्टम विफलता या अस्थिरता का कारण बन सकती है। पत्र नोट करता है कि यह अस्थिरता प्रतिक्रिया सेटिंग्स की एक विस्तृत श्रृंखला में बनी रहती है, जिसके लिए "CV-आधारित QNs के लिए अधिक सावधानीपूर्वक प्रतिक्रिया डिजाइन" की आवश्यकता होती है।
5. समानांतर नियमों की गैर-क्रमविनिमेयता: उलझाव एकाग्रता के लिए, समानांतर नियम क्रमविनिमेय नहीं है, जिसका अर्थ है कि लिंक को किस क्रम में केंद्रित किया जाता है, यह अंतिम उलझाव को प्रभावित करता है। यह नेटवर्क डिजाइन और अनुकूलन में जटिलता जोड़ता है, क्योंकि इष्टतम उलझाव प्राप्त करने के लिए विशिष्ट क्रम की आवश्यकता होती है (जैसे, सबसे बड़े स्क्वीज़िंग पैरामीटर को $\sinh r_1$ में रखना)।
6. गैर-श्रृंखला-समानांतर टोपोलॉजी के लिए सन्निकटन: जटिल नेटवर्क टोपोलॉजी के लिए जो सख्ती से श्रृंखला-समानांतर नहीं हैं, NegPT के लिए सटीक संचरण नियम अज्ञात हैं। लेखकों को स्पंज-क्रॉसिंग अनुपात नकारात्मकता की गणना के लिए "अनुमानित स्टार-मेश ट्रांसफॉर्म" का सहारा लेना पड़ता है। यह मनमानी, जटिल CV QN संरचनाओं में उलझाव वितरण को सटीक रूप से मॉडल करने में एक कम्प्यूटेशनल या विश्लेषणात्मक सीमा को इंगित करता है।
7. उलझाव का क्षरण: यथार्थवादी क्वांटम अवस्थाएँ और उनका उलझाव पर्यावरणीय प्रभावों के कारण समय के साथ अनिवार्य रूप से खराब हो जाता है। पत्र अनुपात नकारात्मकता $x(t) \sim \exp(-t/\tau)$ के घातीय क्षय को मानता है, जहां $\tau$ शोर और अव्यवस्था को दर्शाता है। यह अंतर्निहित भौतिक बाधा का अर्थ है कि सक्रिय स्थिरीकरण हमेशा आवश्यक होता है, और महत्वपूर्ण सीमा के पास प्रतिक्रिया तंत्र की अस्थिरता इस कार्य को CV प्रणालियों के लिए विशेष रूप से कठिन बनाती है। प्रतिक्रिया नियंत्रण की खराब प्रभावशीलता एक महत्वपूर्ण विफलता मोड है।

यह दृष्टिकोण क्यों

चुनाव की अनिवार्यता

लेखकों द्वारा गॉसियन-से-गॉसियन (G-G) नियतात्मक उलझाव संचरण (DET) योजना का चुनाव, उपन्यास नकारात्मकता परकोलेशन सिद्धांत (NegPT) के साथ मिलकर, केवल एक प्राथमिकता नहीं थी; यह सतत-चरणीय (CV) क्वांटम नेटवर्कों की मौलिक प्रकृति से प्रेरित एक आवश्यकता थी। क्वांटम नेटवर्क विश्लेषण में पारंपरिक "अत्याधुनिक" (SOTA) तरीके, जैसे कि मानक असतत-चरणीय (DV) उलझाव परकोलेशन सिद्धांतों (जैसे, कॉनकरेंस परकोलेशन) पर आधारित तरीके, स्वाभाविक रूप से अपर्याप्त थे।

इस अहसास का सटीक क्षण यह पहचानना है कि जबकि DV आर्किटेक्चर ने क्वांटम नेटवर्कों को प्रमुख रूप से संचालित किया है, ऑप्टिकल प्लेटफॉर्म स्वाभाविक रूप से गॉसियन अवस्थाएँ उत्पन्न करते हैं, जो CV प्रणालियों की सामान्य अवस्थाएँ हैं। यह CV-आधारित QNs को मापनीय, चिप-एकीकृत क्वांटम संगणना और संचार के लिए एक अत्यधिक आकर्षक मार्ग बनाता है। महत्वपूर्ण अंतर्दृष्टि यह थी कि मौजूदा परकोलेशन सिद्धांत "विशेष रूप से असतत-चरणीय (DV) प्रणालियों (जैसे, क्यूबिट) तक सीमित थे" और "ऑप्टिकल सेटिंग्स में विशेष रूप से प्रमुख एक वैकल्पिक वास्तुकला को नजरअंदाज करते हैं: सतत-चरणीय (CV) प्रणाली।" DV एन्कोडिंग यादृच्छिक एकल-फोटॉन स्रोतों पर निर्भर करती है, जिससे अप्रत्याशितता होती है। इसके विपरीत, CV एन्कोडिंग "अरेखीय ऑप्टिकल इंटरैक्शन के माध्यम से उलझाव का बिना शर्त, सुसंगत उत्पादन" प्रदान करता है, इन बाधाओं को दूर करता है और मापनीयता के लिए महत्वपूर्ण क्षमता को अनलॉक करता है। इसलिए, एक नया सैद्धांतिक ढांचा केवल एक सुधार नहीं था, बल्कि इन विशिष्ट CV प्रणालियों में उलझाव वितरण को सटीक रूप से मॉडल करने और समझने के लिए एकमात्र व्यवहार्य मार्ग था।

तुलनात्मक श्रेष्ठता

यह विधि केवल प्रदर्शन मेट्रिक्स से कहीं आगे गुणात्मक श्रेष्ठता प्रदर्शित करती है, जो CV प्रणालियों में उलझाव परकोलेशन की समझ को मौलिक रूप से फिर से परिभाषित करती है। इसका संरचनात्मक लाभ उन अद्वितीय भौतिक घटनाओं को पकड़ने की क्षमता में निहित है जिन्हें DV-आधारित सिद्धांत बस नहीं कर सकते।

सबसे पहले, NegPT एक नया, सीमित उलझाव माप पेश करता है जिसे "अनुपात नकारात्मकता" ($X_N \in [0,1]$) कहा जाता है, जो दो-मोड स्क्वीज़्ड वैक्यूम अवस्थाओं (TMSVSs) के लिए $x = \tanh r$ तक सरल हो जाता है। यह गुणात्मक रूप से बेहतर है क्योंकि यह विशेष रूप से CV गॉसियन अवस्थाओं के लिए तैयार किया गया है, कॉनकरेंस के विपरीत, जिसका उपयोग DV क्विडिट प्रणालियों के लिए किया जाता है। यह CV डोमेन में उलझाव के प्रत्यक्ष और उचित परिमाणीकरण की अनुमति देता है।

दूसरे, और सबसे महत्वपूर्ण बात, NegPT एक "मिश्रित-क्रम चरण संक्रमण" को प्रकट करता है, एक घटना जो क्वांटम नेटवर्कों में "अभूतपूर्व" है। इसकी विशेषता एक महत्वपूर्ण सीमा $X_{th}$ पर वैश्विक उलझाव में एक अचानक, असंतत परिवर्तन और एक भिन्न सहसंबंध लंबाई है। यह "शास्त्रीय या कॉनकरेंस परकोलेशन के विपरीत" है, जो सतत (दूसरे-क्रम) चरण संक्रमण प्रदर्शित करते हैं। इसके अलावा, NegPT में बेटे जाली में एक अद्वितीय थर्मल महत्वपूर्ण घातांक $z_v \approx 1/2$ प्रदर्शित होता है, जो शास्त्रीय और कॉनकरेंस परकोलेशन में पाए जाने वाले $z_v \approx 1$ से अलग है। यह अंतर इंगित करता है कि CV-आधारित QNs एक "नई सार्वभौमिकता वर्ग" से संबंधित हैं, जो मौलिक रूप से भिन्न अंतर्निहित गतिशीलता का अर्थ है।

अंत में, NegPT अतिरिक्त स्वतंत्रता की डिग्री की आवश्यकता के बिना इसे प्राप्त करता है, जो शास्त्रीय परस्पर विरोधी परकोलेशन के विपरीत है, जिसे मिश्रित-क्रम संक्रमण को प्रेरित करने के लिए अतिरिक्त परतों (M) की आवश्यकता होती है। जटिल मिश्रित-क्रम व्यवहार के मॉडलिंग के लिए यह अंतर्निहित सरलता CV प्रणालियों के लिए एक महत्वपूर्ण संरचनात्मक लाभ का प्रतिनिधित्व करती है, जो उनके सामूहिक व्यवहार का अधिक मितव्ययी लेकिन सटीक विवरण प्रदान करती है।

बाधाओं के साथ संरेखण

चुनी गई G-G DET योजना और NegPT सतत-चरणीय क्वांटम नेटवर्कों की अंतर्निहित बाधाओं के साथ पूरी तरह से संरेखित होते हैं, जो समस्या की कठोर आवश्यकताओं और समाधान के अद्वितीय गुणों के बीच एक "विवाह" बनाते हैं।

प्राथमिक बाधा सतत-चरणीय (CV) प्रणालियों और गॉसियन अवस्थाओं पर ध्यान केंद्रित करना है, जो स्वाभाविक रूप से ऑप्टिकल प्लेटफार्मों द्वारा उत्पन्न होते हैं। G-G DET योजना विशेष रूप से इनके लिए डिज़ाइन की गई है: यह TMSVSs (उलझे हुए CV गॉसियन अवस्थाओं का एक वर्ग) को इनपुट के रूप में लेती है और आउटपुट के रूप में नए TMSVSs उत्पन्न करती है। NegPT, बदले में, "अनुपात नकारात्मकता" पर बनाया गया है, जो इन CV गॉसियन अवस्थाओं के लिए विशेष रूप से उपयुक्त एक उलझाव माप है, जो DV प्रणालियों के लिए उपयोग किए जाने वाले मापों के विपरीत है।

एक और महत्वपूर्ण आवश्यकता स्थानीय संचालन और शास्त्रीय संचार (LOCC) के माध्यम से नियतात्मक उलझाव वितरण है। G-G DET योजना नियतात्मक उलझाव स्वैपिंग और एकाग्रता संचालन का उपयोग करती है, जिसे TMSVSs के लिए अनुकूलित किया गया है। इन ऑपरेशनों को "श्रृंखला और समानांतर नियम" के रूप में वर्णित किया गया है, जो मौलिक LOCC प्रोटोकॉल हैं। यह सुनिश्चित करता है कि प्रस्तावित विधि क्वांटम सूचना के स्थापित प्रतिमानों के भीतर भौतिक रूप से प्राप्त करने योग्य है।

समस्या में बड़े पैमाने पर नेटवर्क में मापनीयता और सामूहिक व्यवहार को संबोधित करने में सक्षम एक ढांचे की आवश्यकता भी निहित है। G-G DET योजना को परकोलेशन सिद्धांत पर मैप करके, लेखक बड़े पैमाने पर QNs का विश्लेषण करने में सक्षम एक सांख्यिकीय भौतिकी ढांचा प्रदान करते हैं। यह महत्वपूर्ण घटनाओं और चरण संक्रमणों के अध्ययन की अनुमति देता है, जो मजबूत, मापनीय क्वांटम नेटवर्क को समझने और डिजाइन करने के लिए आवश्यक हैं। CV प्रणालियों की अद्वितीय सामूहिक विशेषताओं को समझने में एक महत्वपूर्ण वैचारिक अंतर को संबोधित करते हुए, एक मिश्रित-क्रम चरण संक्रमण और एक नई सार्वभौमिकता वर्ग को उजागर करने की विधि की क्षमता सीधे तौर पर संबोधित करती है।

विकल्पों का अस्वीकरण

पत्र स्पष्ट रूप से बताता है कि अन्य लोकप्रिय दृष्टिकोण, विशेष रूप से मौजूदा असतत-चरणीय (DV) उलझाव परकोलेशन सिद्धांत, सतत-चरणीय (CV) क्वांटम नेटवर्कों का पर्याप्त रूप से वर्णन करने में क्यों विफल होंगे। इन विकल्पों को अस्वीकार करने का मूल तर्क अंतर्निहित भौतिकी में मौलिक अंतर और परिणामी सामूहिक व्यवहार से उपजा है।

सबसे पहले, मौजूदा उलझाव परकोलेशन सिद्धांत, जैसे कि शास्त्रीय बॉन्ड परकोलेशन और कॉनकरेंस परकोलेशन सिद्धांत (ConPT), "विशेष रूप से असतत-चरणीय (DV) प्रणालियों (जैसे, क्यूबिट) तक सीमित हैं।" ये सिद्धांत संभाव्यता या कॉनकरेंस जैसे उलझाव उपायों पर निर्भर करते हैं, जो CV गॉसियन अवस्थाओं में उलझाव को चिह्नित करने के लिए उपयुक्त नहीं हैं। लेखक स्पष्ट रूप से बताते हैं कि उनका NegPT "अपने DV समकक्षों से अलग" है क्योंकि यह "अनुपात नकारात्मकता" ($X_N$) का उपयोग करता है, जो TMSVSs के लिए उपयुक्त माप है।

दूसरे, CV प्रणालियों की गतिशीलता और महत्वपूर्ण घटनाएं मौलिक रूप से भिन्न हैं। पत्र इस बात पर प्रकाश डालता है कि NegPT एक "मिश्रित-क्रम चरण संक्रमण" प्रदर्शित करता है, जिसकी विशेषता वैश्विक उलझाव में एक असंतत कूद है। यह "शास्त्रीय या कॉनकरेंस परकोलेशन के विपरीत" है, जहां चरण संक्रमण सतत होता है। इसके अलावा, DV सिद्धांतों में पाए जाने वाले $z_v \approx 1$ से अलग, NegPT के लिए महत्वपूर्ण घातांक $z_v \approx 1/2$ है, जो इंगित करता है कि CV-आधारित QNs एक "नई सार्वभौमिकता वर्ग" से संबंधित हैं। इसका मतलब है कि CV नेटवर्कों में उलझाव वितरण और कनेक्टिविटी को नियंत्रित करने वाली भौतिकी गुणात्मक रूप से भिन्न है, और DV मॉडल इन अनूठी विशेषताओं को पकड़ नहीं सकते हैं। CV प्रणालियों पर DV-आधारित मॉडल लागू करने से उनके व्यवहार की गलत और अधूरी समझ होगी, विशेष रूप से सीमा के पास महत्वपूर्ण कमजोरियों और स्थिरीकरण चुनौतियों के संबंध में।

FIG. 3. Entanglement percolation in two-dimensional square lattices. (a) XSC for square lattices with different side length L. (b) Scaling of the correlation length ξ near the critical threshold χth ≈0.715 follows ξ ∼|χ −χth|−ν, with a fitted critical exponent ν = 0.02 ± 0.02

गणितीय और तार्किक तंत्र

मास्टर समीकरण

सतत-चरणीय क्वांटम नेटवर्कों में नकारात्मकता परकोलेशन सिद्धांत (NegPT) को संचालित करने वाला मुख्य गणितीय इंजन दो मौलिक नियमों द्वारा परिभाषित किया गया है जो विभिन्न नेटवर्क टोपोलॉजी में अनुपात नकारात्मकता $X$ द्वारा परिमाणित उलझाव के संयोजन को नियंत्रित करते हैं: उलझाव स्वैपिंग के लिए श्रृंखला नियम और उलझाव एकाग्रता के लिए समानांतर नियम।

श्रृंखला नियम, दो-मोड स्क्वीज़्ड वैक्यूम अवस्थाओं (TMSVSs) के $N$ को क्रमिक रूप से व्यवस्थित करके उलझाव स्वैपिंग संचालन से प्राप्त होता है, द्वारा दिया गया है:
$$X_{\text{series}} = \prod_{j=1}^{N} X_j$$
समानांतर नियम, $K$ TMSVSs को समानांतर में व्यवस्थित करके उलझाव एकाग्रता संचालन से प्राप्त होता है, द्वारा व्यक्त किया गया है:
$$X_{\text{parallel}} = \frac{\max_{1 \le k \le K} X_k}{\sqrt{\max_{1 \le k \le K} X_k^2 + \prod_{k=1, k \ne \text{argmax}(X_k)}^K (1-X_k^2)}}$$

पद-दर-पद विच्छेदन

आइए प्रत्येक घटक की भूमिका को समझने के लिए इन समीकरणों का विश्लेषण करें।

श्रृंखला नियम के लिए: $X_{\text{series}} = \prod_{j=1}^{N} X_j$

• $X_{\text{series}}$:
  1) गणितीय परिभाषा: यह श्रृंखला में सभी $N$ मध्यवर्ती लिंक उलझाव स्वैपिंग से गुजरने के बाद दो दूरस्थ नोड्स (जैसे, स्रोत एस और लक्ष्य टी) के बीच स्थापित अंतिम उलझे हुए राज्य की प्रभावी अनुपात नकारात्मकता है। यह 0 से 1 तक की सीमा में एक आयामहीन मान है।
  2) भौतिक/तार्किक भूमिका: यह कई व्यक्तिगत उलझे हुए लिंक को क्रमिक रूप से जोड़कर बनाए गए एक समग्र लिंक की समग्र उलझाव शक्ति को परिमाणित करता है। एक उच्च $X_{\text{series}}$ एक मजबूत प्रभावी उलझाव का संकेत देता है।
  3) गुणा क्यों? श्रृंखला में उलझाव स्वैपिंग की अंतर्निहित भौतिक प्रक्रिया व्यक्तिगत स्क्वीज़िंग मापदंडों ($\tanh r = \prod \tanh r_j$) के गुणात्मक संयोजन को शामिल करती है। चूंकि अनुपात नकारात्मकता $X_j$ को $\tanh r_j$ के रूप में परिभाषित किया गया है, यह सीधे उत्पाद में अनुवादित होता है। तार्किक रूप से, यह दर्शाता है कि समग्र उलझाव एक गुणात्मक अर्थ में "सबसे कमजोर लिंक" द्वारा सीमित है, जो स्वतंत्र घटनाओं की एक श्रृंखला के लिए संभावनाओं के संयोजन के समान है।

• $X_j$:
  1) गणितीय परिभाषा: यह श्रृंखला में $j$-वें व्यक्तिगत TMSVS लिंक की अनुपात नकारात्मकता का प्रतिनिधित्व करता है। यह $[0,1]$ में एक आयामहीन मान है।
  2) भौतिक/तार्किक भूमिका: यह सतत-चरणीय क्वांटम नेटवर्क में एक एकल द्विपक्षीय लिंक के लिए उलझाव शक्ति की मौलिक इकाई है। प्रत्येक $X_j$ दो आसन्न नोड्स के बीच एक प्रत्यक्ष कनेक्शन की उलझाव को चिह्नित करता है।
  3) $X_j$ (अनुपात नकारात्मकता) क्यों? लेखकों ने उलझाव परकोलेशन के विश्लेषण को सरल बनाने के लिए एक सीमित उलझाव माप के रूप में अनुपात नकारात्मकता $X = \tanh r$ को चुना। यह उलझाव शक्ति का एक सामान्यीकृत, सहज ज्ञान युक्त मीट्रिक प्रदान करता है।

• $\prod_{j=1}^{N}$:
  1) गणितीय परिभाषा: उत्पाद ऑपरेटर, यह दर्शाता है कि $j=1$ से $N$ तक के सभी $N$ पद $X_j$ को एक साथ गुणा किया जाता है।
  2) भौतिक/तार्किक भूमिका: यह ऑपरेटर गणितीय रूप से उलझाव शक्तियों के क्रमिक संयोजन को लागू करता है। यह मॉडल करता है कि उलझाव एक श्रृंखला के माध्यम से कैसे "प्रसारित" होता है, जहां प्रत्येक चरण अंतिम प्रभावी उलझाव में गुणात्मक रूप से योगदान देता है।
  3) योग के बजाय उत्पाद क्यों? यह उलझाव स्वैपिंग की प्रकृति को दर्शाता है। योगात्मक प्रक्रियाओं के विपरीत, क्रमिक संचालन द्वारा गठित एक समग्र उलझे हुए राज्य की "ताकत" व्यक्तिगत शक्तियों के उत्पाद की प्रवृत्ति रखती है, जो एक संचयी प्रभाव को इंगित करती है जहां प्रत्येक चरण सभी लिंक के पूर्ण ($X_j=1$) होने पर समग्र उलझाव को संभावित रूप से कम कर सकता है।

समानांतर नियम के लिए: $X_{\text{parallel}} = \frac{\max_{1 \le k \le K} X_k}{\sqrt{\max_{1 \le k \le K} X_k^2 + \prod_{k=1, k \ne \text{argmax}(X_k)}^K (1-X_k^2)}}$

• $X_{\text{parallel}}$:
  1) गणितीय परिभाषा: यह $K$ समानांतर TMSVS लिंक को जोड़कर दो नोड्स (एस और टी) के बीच गठित एकल, केंद्रित उलझे हुए राज्य की प्रभावी अनुपात नकारात्मकता है। यह $[0,1]$ में एक आयामहीन मान है।
  2) भौतिक/तार्किक भूमिका: यह एक ही दो नोड्स के बीच कई स्वतंत्र उलझाव संसाधनों को पूल करके प्राप्त बढ़ी हुई उलझाव शक्ति को परिमाणित करता है। उलझाव एकाग्रता का उद्देश्य कई कमजोर लिंक से एक मजबूत, एकल उलझे हुए लिंक बनाना है।
  3) यह जटिल रूप क्यों? यह रूप समानांतर एकाग्रता के लिए स्क्वीज़िंग पैरामीटर नियम ($\sinh r = \sinh r_1 \prod_{k=2}^{K} \cosh r_k$) को अनुपात नकारात्मकता $X = \tanh r = \sinh r / \sqrt{1+\sinh^2 r}$ में परिवर्तित करने से उत्पन्न होता है। संरचना सबसे मजबूत लिंक को प्राथमिकता देने की इष्टतम रणनीति को दर्शाती है और अन्य लिंक समग्र वृद्धि में कैसे योगदान करते हैं।

• $X_k$:
  1) गणितीय परिभाषा: यह समानांतर विन्यास में $k$-वें व्यक्तिगत TMSVS लिंक की अनुपात नकारात्मकता का प्रतिनिधित्व करता है। यह $[0,1]$ में एक आयामहीन मान है।
  2) भौतिक/तार्किक भूमिका: श्रृंखला नियम में $X_j$ के समान, यह उलझाव की मूल इकाई है। समानांतर संदर्भ में, ये एक ही दो नोड्स के बीच उलझाव के अलग-अलग, स्वतंत्र चैनल हैं।
  3) $X_k$ (अनुपात नकारात्मकता) क्यों? श्रृंखला नियम के अनुरूप, $X_k = \tanh r_k$ का उपयोग एक सीमित उलझाव माप के रूप में इसके गुणों के लिए किया जाता है, जो इसे परकोलेशन विश्लेषण के लिए उपयुक्त बनाता है।

• $\max_{1 \le k \le K} X_k$:
  1) गणितीय परिभाषा: $K$ इनपुट अनुपात नकारात्मकताओं में से सबसे बड़ा मान।
  2) भौतिक/तार्किक भूमिका: यह पद उलझाव एकाग्रता प्रक्रिया में सबसे मजबूत व्यक्तिगत समानांतर लिंक की प्रमुख भूमिका को दर्शाता है। पत्र नोट करता है कि इष्टतम एकाग्रता सबसे बड़े स्क्वीज़िंग पैरामीटर (और इस प्रकार सबसे बड़ी अनुपात नकारात्मकता) वाले लिंक को प्राथमिकता देकर प्राप्त की जाती है। यह उपलब्ध उलझाव संसाधनों का सबसे कुशल उपयोग सुनिश्चित करता है।
  3) अधिकतम क्यों? यह उलझाव एकाग्रता प्रोटोकॉल में अंतिम उलझाव को अधिकतम करने के लिए रणनीतिक विकल्प को दर्शाता है। सबसे मजबूत प्रारंभिक लिंक पर ध्यान केंद्रित करके, प्रोटोकॉल वृद्धि के आधार के रूप में इसकी अंतर्निहित ताकत का लाभ उठाता है।

• $\sqrt{\max_{1 \le k \le K} X_k^2 + \prod_{k=1, k \ne \text{argmax}(X_k)}^K (1-X_k^2)}$:
  1) गणितीय परिभाषा: एक योग का वर्गमूल, जहाँ पहला पद अधिकतम अनुपात नकारात्मकता का वर्ग है, और दूसरा पद अन्य सभी लिंक के लिए $(1-X_k^2)$ के उत्पादों का है।
  2) भौतिक/तार्किक भूमिका: यह पूरा भाजक पद समानांतर नियम के $\sinh r$ रूप को अनुपात नकारात्मकता के $\tanh r$ रूप में परिवर्तित करने के लिए महत्वपूर्ण है, यह सुनिश्चित करता है कि $X_{\text{parallel}}$ 0 और 1 के बीच सीमित रहे। उत्पाद भाग, $\prod (1-X_k^2)$, स्क्वीज़िंग पैरामीटर समीकरण में $\cosh r_k$ शब्दों से उत्पन्न होता है, जहाँ $\cosh r_k = 1/\sqrt{1-X_k^2}$। ये पद "कमजोर" समानांतर लिंक के सामूहिक योगदान का प्रतिनिधित्व करते हैं।
  3) वर्गमूल और $(1-X_k^2)$ के उत्पाद क्यों? वर्गमूल पहचान $\tanh r = \sinh r / \sqrt{1+\sinh^2 r}$ का एक सीधा परिणाम है। $(1-X_k^2)$ पदों का उत्पाद समानांतर एकाग्रता के लिए मूल स्क्वीज़िंग पैरामीटर समीकरण में $\cosh r_k$ के गुणात्मक प्रकृति से उत्पन्न होता है। प्रत्येक $(1-X_k^2)$ पद प्रभावी रूप से $1/\cosh^2 r_k$ है, इसलिए उनका उत्पाद गैर-अधिकतम लिंक के संयुक्त प्रभाव को दर्शाता है।

चरण-दर-चरण प्रवाह

आइए एक अमूर्त डेटा बिंदु के जीवनचक्र का पता लगाएं, जो इस संदर्भ में एक उलझे हुए लिंक की अनुपात नकारात्मकता $X$ है, क्योंकि यह इन गणितीय परिचालनों से गुजरता है।

1. उलझाव स्वैपिंग (श्रृंखला नियम):
कल्पना कीजिए कि हम एक स्रोत (एस) और एक लक्ष्य (टी) नोड के बीच एक उलझे हुए कनेक्शन की स्थापना करना चाहते हैं, लेकिन वे $N-1$ मध्यवर्ती रिले नोड्स, $R_1, R_2, \dots, R_{N-1}$ से अलग हैं। प्रत्येक खंड $(S-R_1, R_1-R_2, \dots, R_{N-1}-T)$ एक व्यक्तिगत क्वांटम लिंक है, जिसमें से प्रत्येक अपनी अनुपात नकारात्मकता $X_j$ द्वारा चिह्नित है।

• प्रारंभिक स्थिति: हम $N$ अलग-अलग अनुपात नकारात्मकताओं, $X_1, X_2, \dots, X_N$ के साथ शुरू करते हैं, जो श्रृंखला में प्रत्येक भौतिक लिंक के उलझाव का प्रतिनिधित्व करते हैं।
• पहला संचालन: प्रक्रिया पहले रिले नोड, $R_1$ पर एक उलझाव स्वैपिंग ऑपरेशन करके शुरू होती है। इसमें $R_1$ पर उन मोड्स पर एक क्वांटम माप शामिल है जो एस और $R_2$ के साथ उलझे हुए हैं। यह माप, शास्त्रीय संचार के साथ मिलकर, प्रभावी रूप से उलझाव को "स्वैप" करता है, जिससे एस और $R_2$ के बीच एक नया, प्रत्यक्ष उलझा हुआ लिंक बनता है।
• मध्यवर्ती गणना: गणितीय रूप से, इस नए लिंक की अनुपात नकारात्मकता, जिसे हम $X_{S,R_2}$ कहते हैं, मूल लिंक की नकारात्मकताओं के उत्पाद के रूप में गणना की जाती है: $X_{S,R_2} = X_1 \cdot X_2$ । मूल लिंक $(S,R_1)$ और $(R_1,R_2)$ प्रभावी रूप से उपभोग या परिवर्तित हो जाते हैं।
• पुनरावृति: यह नवगठित लिंक $(S,R_2)$ अपने गणना किए गए अनुपात नकारात्मकता $X_{S,R_2}$ के साथ अगले चरण के लिए इनपुट के रूप में कार्य करता है। $R_2$ पर एक उलझाव स्वैपिंग ऑपरेशन किया जाता है, जो $X_{S,R_2}$ को $X_3$ ( $R_2$ और $R_3$ के बीच लिंक) के साथ जोड़ता है। नया प्रभावी लिंक $(S,R_3)$ अनुपात नकारात्मकता $X_{S,R_3} = X_{S,R_2} \cdot X_3 = X_1 \cdot X_2 \cdot X_3$ रखेगा।
• अंतिम परिणाम: यह पुनरावृत्ति गुणन श्रृंखला के साथ जारी रहता है। $N-1$ ऐसे संचालन के बाद, एस और टी के बीच सीधे एक एकल प्रभावी उलझा हुआ लिंक स्थापित होता है। इसकी अनुपात नकारात्मकता, $X_{\text{series}}$, सभी व्यक्तिगत लिंक नकारात्मकताओं का उत्पाद है: $X_{\text{series}} = X_1 \cdot X_2 \cdot \dots \cdot X_N$ । यह अंतिम मान इस श्रृंखला पथ के माध्यम से एस और टी के बीच संचार या संगणना के लिए उपलब्ध समग्र उलझाव का प्रतिनिधित्व करता है।

2. उलझाव एकाग्रता (समानांतर नियम):
अब, एस और टी को $K$ स्वतंत्र, समानांतर क्वांटम लिंक द्वारा जोड़ा गया है। प्रत्येक लिंक $k$ की अपनी अनुपात नकारात्मकता $X_k$ है। लक्ष्य इन $K$ संसाधनों को एक एकल, मजबूत उलझे हुए राज्य में संयोजित करना है।

• प्रारंभिक स्थिति: हमारे पास $K$ अलग-अलग अनुपात नकारात्मकताएँ हैं, $X_1, X_2, \dots, X_K$, प्रत्येक एस और टी के बीच एक स्वतंत्र उलझे हुए चैनल का प्रतिनिधित्व करती है।
• इष्टतम चयन: प्रोटोकॉल पहले उच्चतम अनुपात नकारात्मकता वाले लिंक की पहचान करता है, $\max_{1 \le k \le K} X_k$ । यह इष्टतम एकाग्रता के लिए एक महत्वपूर्ण कदम है।
• पहला संचालन: एक उलझाव एकाग्रता ऑपरेशन किया जाता है, जिसमें आम तौर पर सबसे मजबूत लिंक और एक अन्य चयनित समानांतर लिंक शामिल होता है। यह ऑपरेशन, गैर-मानक स्थानीय संचालन और शास्त्रीय संचार (LOCC) का उपयोग करके, इन दो इनपुट TMSVSs को नियतात्मक रूप से एक एकल, अधिक उलझे हुए TMSVS और एक वैक्यूम अवस्था में परिवर्तित करता है।
• मध्यवर्ती गणना: इस नव केंद्रित लिंक की अनुपात नकारात्मकता समानांतर नियम सूत्र का उपयोग करके गणना की जाती है। $\max X_k$ पद को स्पष्ट रूप से उपयोग किया जाता है, और अन्य लिंक उनके $(1-X_k^2)$ कारकों के माध्यम से भाजक में योगदान करते हैं। यह गणना प्रभावी रूप से उलझाव को "पूल" करती है।
• पुनरावृति: यह प्रक्रिया दोहराई जाती है। नव केंद्रित लिंक (अपनी अद्यतन अनुपात नकारात्मकता के साथ) को फिर एक अन्य शेष समानांतर लिंक के साथ जोड़ा जाता है, जिसमें बाद के एकाग्रता चरणों के लिए शेष लिंक में से सबसे मजबूत उपलब्ध लिंक को प्राथमिकता दी जाती है।
• अंतिम परिणाम: $K-1$ पुनरावृत्ति एकाग्रता चरणों के बाद, सभी $K$ समानांतर लिंक प्रभावी रूप से एस और टी के बीच एक एकल, अत्यधिक उलझे हुए TMSVS में संयुक्त हो जाते हैं। अंतिम अनुपात नकारात्मकता, $X_{\text{parallel}}$, इस जटिल संयोजन का परिणाम है, जो समानांतर संसाधनों से प्राप्त अधिकतम उलझाव का प्रतिनिधित्व करता है।

अनुकूलन गतिशीलता

इस पत्र में अनुकूलन गतिशीलता मुख्य रूप से एक महत्वपूर्ण सीमा के पास सिस्टम के व्यवहार और प्रतिक्रिया नियंत्रण के प्रति इसकी प्रतिक्रिया के आसपास घूमती है, न कि पारंपरिक पुनरावृत्ति सीखने एल्गोरिथम के।

1. हानि परिदृश्य और महत्वपूर्णता: "हानि परिदृश्य" को व्यक्तिगत लिंक अनुपात नकारात्मकता $X$ और वैश्विक "स्पंज-क्रॉसिंग अनुपात नकारात्मकता" $X_{SC}$ (जो समग्र कनेक्टिविटी को मापता है) के बीच संबंध के रूप में अवधारणाबद्ध किया जा सकता है। NegPT के लिए, इस परिदृश्य को "मिश्रित-क्रम चरण संक्रमण" की विशेषता है। इसका मतलब है कि जैसे-जैसे व्यक्तिगत लिंक उलझाव $X$ बढ़ता है, $X_{SC}$ शून्य पर बना रहता है जब तक कि यह एक विशिष्ट महत्वपूर्ण सीमा, $X_{th}$ तक नहीं पहुंच जाता। इस $X_{th}$ पर, $X_{SC}$ सुचारू रूप से नहीं बढ़ता है, बल्कि एक सकारात्मक मान $X_{SC}^+$ पर एक अचानक, असंतत कूद प्रदर्शित करता है। इस कूद से परे, $X_{SC}$ $X$ के साथ बढ़ना जारी रखता है। यह तेज असंततता एक प्रमुख विशेषता है, जो इसे शास्त्रीय और कॉनकरेंस परकोलेशन में देखे गए सतत चरण संक्रमणों से अलग करती है।

2. अवस्था अद्यतन और प्रतिक्रिया तंत्र: एक यथार्थवादी क्वांटम नेटवर्क में उलझाव के प्राकृतिक क्षय का मुकाबला करने के लिए, एक प्रतिक्रिया नियंत्रण तंत्र पेश किया जाता है। सिस्टम की स्थिति, समय $t$ पर एक व्यक्तिगत लिंक $x(t)$ की अनुपात नकारात्मकता द्वारा दर्शायी जाती है, प्रथम-क्रम-प्लस-टाइम-डिले (FOPTD) मॉडल के अनुसार विकसित होती है:
   $$\frac{dx(t)}{dt} = -\tau^{-1}x(t) + u(t - T_0)$$

   • क्षय पद ($-\tau^{-1}x(t)$): पहला पद समय के साथ उलझाव के प्राकृतिक क्षरण का वर्णन करता है, जिसमें $\tau$ विशिष्ट क्षय समय-पैमाना है। यह एक नकारात्मक "ढाल" है जो उलझाव मान को नीचे खींचती है।
   • प्रतिक्रिया पद ($u(t - T_0)$): दूसरा पद, $u(t - T_0)$, उलझाव को बढ़ाने के लिए लागू सक्रिय नियंत्रण का प्रतिनिधित्व करता है। यह "अद्यतन" संकेत देखे गए वैश्विक उलझाव $X_{SC}(t)$ की तुलना एक वांछित लक्ष्य $X_{\text{target}}$ से करके उत्पन्न होता है। यदि $X_{SC}(t)$ $X_{\text{target}}$ से नीचे गिर जाता है, तो प्रतिक्रिया तंत्र $u$ को बढ़ाता है (जैसे, स्क्वीज़िंग के लिए पंप लेजर शक्ति बढ़ाकर), $x(t)$ को वापस ऊपर धकेलने का प्रयास करता है। पद $T_0$ प्रसंस्करण और प्रतिक्रिया संकेत प्रसारित करने में अंतर्निहित समय विलंब को ध्यान में रखता है।

3. अभिसरण और अस्थिरता:

   • सतत चरण संक्रमण वाले सिस्टम (जैसे DV-आधारित QNs) में, प्रतिक्रिया नियंत्रण आम तौर पर स्थिर अभिसरण की ओर ले जाता है। DV-आधारित QNs के लिए स्थिर व्यवहार के पेपर के सिमुलेशन (चित्र 4(a)) के अनुसार, वैश्विक उलझाव $C_{SC}(t)$ (कॉनकरेंस) चिकनाई से ठीक हो जाता है, यहां तक ​​कि छोटे गड़बड़ी के साथ भी। परिदृश्य में "ढाल" अच्छी तरह से व्यवहार करते हैं, जिससे प्रतिक्रिया सिस्टम को लक्ष्य की ओर धीरे-धीरे निर्देशित करने की अनुमति मिलती है।
   • हालांकि, मिश्रित-क्रम चरण संक्रमण की NegPT की विशेषता महत्वपूर्ण भेद्यता का परिचय देती है। $X_{th}$ पर $X_{SC}$ की अचानक कूद का मतलब है कि इस सीमा के पास, $x(t)$ में एक छोटा सा परिवर्तन $X_{SC}(t)$ में एक बड़ा, अचानक परिवर्तन कर सकता है। यह प्रतिक्रिया तंत्र को स्वाभाविक रूप से अस्थिर बनाता है। अभिसरण करने के बजाय, सिस्टम दीर्घकालिक "चालू/बंद" दोलन प्रदर्शित करता है। प्रतिक्रिया अति-शूट करती है, जिससे $X_{SC}$ कूद जाता है, फिर क्षय होने पर यह कम-शूट करता है, जिससे अस्थिरता का एक चक्र होता है। यह व्यवहार चरण संक्रमण की असंतत प्रकृति का सीधा परिणाम है, जहां महत्वपूर्ण बिंदु पर $X_{SC}$ बनाम $X$ वक्र की प्रभावी "ढाल" प्रभावी रूप से अनंत होती है, जिससे स्थिर नियंत्रण अत्यंत चुनौतीपूर्ण हो जाता है। यह मजबूत, प्रतिक्रिया-स्थिर CV-आधारित QNs को डिजाइन करने के लिए एक महत्वपूर्ण बाधा को उजागर करता है।

FIG. 1. Gaussian-to-Gaussian deterministic entanglement transmission (G-G DET) scheme. Applicable to Gaussian quantum networks (QN), the scheme consists of two LOCC protocols: (a) Entanglement swapping, facilitated by homodyne detection and displacement [48]; (b) Entanglement concentration, facilitated by non-standard optical components [49]. Both protocols are deterministic, taking two (or more) TMSVS |ψri⟩as input and a new TMSVS |ψr⟩as output. (c) The two LOCC protocols map to series and parallel rules, respectively, to construct G-G DET. (d) Consider a QN example built upon three node. The G-G DET scheme consists of two steps: First, the parallel rule converts the states |ψr1⟩and |ψr2⟩(r1 ≥r2) into |ψr1,2⟩with sinh r1,2 = sinh r1 cosh r2 between S and R; second, the series rule transforms |ψr1,2⟩and |ψr3⟩to the final state |ψr⟩with the ratio negativity XSC = tanh r1,2 tanh r3 between S and T Figure 1. Gaussian-to-Gaussian deterministic entan- glement transmission (G-G DET) scheme. Applicable to Gaussian quantum networks (QN), the scheme consists of two LOCC protocols: (a) Entanglement swapping, facil- itated by homodyne detection and displacement; (b) En- tanglement concentration, facilitated by non-standard optical components. Both protocols are deterministic, taking two (or more) TMSVS |ψri⟩as input and a new TMSVS |ψr⟩as output. (c) The two LOCC protocols map to series and parallel rules, respectively, to construct G-G DET. (d) Consider a QN example built upon three node. The G-G DET scheme consists of two steps: First, the parallel rule converts the states |ψr1⟩and |ψr2⟩ (r1 ≥r2) into |ψr1,2⟩with sinh r1,2 = sinh r1 cosh r2 between S and R; second, the series rule transforms |ψr1,2⟩and |ψr3⟩to the final state |ψr⟩with the ratio negativity XSC = tanh r1,2 tanh r3 between S and T. Figure 2: Bethe lattice. (a) A Bethe lattice of degree k (i.e., each node is incident to k links) and network depth l (the path length from the yellow node to the red nodes). (b) The sponge-crossing ratio negativity XSC between S and T for various k (right panel), satisfying the power law XSC −X+ SC ∼|χ−χth|0.47(5) as χ →χ+ th (left panel). The numerical value 0.47 ± 0.05 is derived by a linear least- squares fit to the sixteen data points. (c) When χ → χ− th, XSC exhibits a plateau behavior until the network depth l exceeds the correlation length l∗(defined as the depth l at which XSC = 0.5), after which XSC abruptly drops to zero. (d) Near the critical threshold, we observe l∗∼|χ −χth|−0.508(9), indicating zν ≈1/2. Figure 3: Entanglement percolation in two- dimensional square lattices. (a) XSC for square lattices with different side length L. (b) Scaling of the correlation length ξ near the critical threshold χth ≈0.715 follows ξ ∼|χ −χth|−ν, with a fitted critical exponent ν = 0.02 ± 0.02. Figure 4: Feedback stabilization of QN against entan- glement decay. (a) Under the same feedback control [Eq. (5)], the DV-based QN (k = 3 Bethe lattice) exhibits rapid stabilization; (b) whereas the CV-based QN exhibits long-term “on/off” instability, a direct result of the abrupt drop in Fig. 2(b). Figure 5: Continuous-variable entanglement swapping

परिणाम, सीमाएँ और निष्कर्ष

प्रयोगात्मक डिजाइन और आधार रेखाएँ

लेखकों ने सतत-चरणीय (CV) क्वांटम नेटवर्कों (QNs) के लिए प्रस्तावित नकारात्मकता परकोलेशन सिद्धांत (NegPT) का कठोरता से परीक्षण करने के लिए अपने प्रयोगात्मक सत्यापन को सावधानीपूर्वक डिजाइन किया। उनके दृष्टिकोण का मूल एक गॉसियन-से-गॉसियन (G-G) नियतात्मक उलझाव संचरण (DET) योजना का परिचय था, जो विशेष रूप से दो-मोड स्क्वीज़्ड वैक्यूम अवस्थाओं (TMSVSs) के लिए अनुकूलित नियतात्मक उलझाव स्वैपिंग और एकाग्रता प्रोटोकॉल का लाभ उठाता है। इस योजना ने उन्हें CV QNs में उलझाव वितरण की जटिल प्रक्रिया को अनुपात नकारात्मकता, $X_N \in [0,1]$ नामक एक सीमित उलझाव माप पर आधारित परकोलेशन-जैसे सिद्धांत पर मैप करने की अनुमति दी।

अपने गणितीय दावों को कठोरता से साबित करने के लिए, उन्होंने कई कम्प्यूटेशनल प्रयोगों का निर्माण किया:

1. बेटे जाली विश्लेषण: उन्होंने सबसे पहले बेटे जाली पर ध्यान केंद्रित किया, जो एक अनंत वृक्ष-जैसी श्रृंखला-समानांतर नेटवर्क है जहां प्रत्येक नोड की डिग्री $k > 2$ समान होती है। इस सैद्धांतिक सेटअप ने उन्हें सटीक स्व-संगत पुनर्समूहीकरण समूह समीकरण प्राप्त करने की अनुमति दी, जिससे NegPT के व्यवहार की एक मूलभूत समझ प्रदान की गई। इस संदर्भ में "पीड़ित" शास्त्रीय बॉन्ड परकोलेशन और कॉनकरेंस परकोलेशन सिद्धांत (ConPT) के स्थापित सिद्धांत थे, दोनों भविष्यवाणी करते हैं कि थर्मल महत्वपूर्ण घातांक $z_v \approx 1$ के साथ सतत चरण संक्रमण होते हैं। इसके विपरीत, NegPT को मिश्रित-क्रम संक्रमण प्रदर्शित करते हुए दिखाया गया था।

2. वर्ग जाली सिमुलेशन: यह प्रदर्शित करने के लिए कि उनके निष्कर्ष केवल आदर्श बेटे जाली तक ही सीमित नहीं थे, उन्होंने दो-आयामी वर्ग जाली पर उलझाव परकोलेशन के संख्यात्मक सिमुलेशन तक अपनी जांच का विस्तार किया। यह श्रृंखला/समानांतर नियमों पर आधारित उच्च-क्रम नेटवर्क नियमों के अनुमान के लिए एक तकनीक, स्टार-मेश ट्रांसफॉर्म का उपयोग करके प्राप्त किया गया था। इस प्रयोग का उद्देश्य वृक्ष-जैसी संरचनाओं से परे मिश्रित-क्रम संक्रमण की सामान्यता को दिखाना था।

3. प्रतिक्रिया नियंत्रण सिमुलेशन: एक महत्वपूर्ण व्यावहारिक सत्यापन में प्रतिक्रिया नियंत्रण के तहत सिस्टम की गतिशीलता का अनुकरण शामिल था। उन्होंने DV-आधारित QNs (ConPT द्वारा शासित) और CV-आधारित QNs (NegPT द्वारा शासित) की तुलना करने के लिए उलझाव क्षय पर प्रतिक्रिया कैसे करते हैं, इसकी तुलना करने के लिए एक प्रथम-क्रम-प्लस-टाइम-डिले (FOPTD) मॉडल का उपयोग किया। तुलना का आधार रेखा DV-आधारित QNs का मानक प्रतिक्रिया के तहत स्थिर व्यवहार था, जिसकी तुलना वे CV सिस्टम की प्रतिक्रिया से करना चाहते थे।

साक्ष्य क्या साबित करते हैं

पत्र में प्रस्तुत साक्ष्य निर्णायक रूप से NegPT के कई प्रमुख पहलुओं और CV-आधारित QNs के लिए इसके निहितार्थों को साबित करते हैं:

1. मिश्रित-क्रम चरण संक्रमण: सबसे आश्चर्यजनक खोज यह है कि NegPT एक मिश्रित-क्रम चरण संक्रमण प्रदर्शित करता है। यह निम्नलिखित द्वारा साक्ष्यित किया गया था:

   • एक महत्वपूर्ण सीमा ($X_{th}$) पर वैश्विक उलझाव माप, स्पंज-क्रॉसिंग अनुपात नकारात्मकता ($X_{sc}$), में एक अचानक, असंतत कूद। चित्र 2(b) स्पष्ट रूप से इस असंततता को दर्शाता है, जहां $X_{sc}$ $X_{th}$ तक शून्य रहता है और फिर अचानक एक सकारात्मक मान पर कूद जाता है।
   • महत्वपूर्ण सीमा के पास एक भिन्न सहसंबंध लंबाई $l^* \sim |X - X_{th}|^{-1/2}$ (चित्र 2(d)), जो लंबी दूरी के सहसंबंधों को इंगित करता है, चरण संक्रमण का एक हॉलमार्क।

2. अद्वितीय सार्वभौमिकता वर्ग: बेटे जाली में NegPT के लिए व्युत्पन्न थर्मल महत्वपूर्ण घातांक $z_v \approx 1/2$ मौलिक रूप से शास्त्रीय और कॉनकरेंस परकोलेशन दोनों में देखे गए $z_v \approx 1$ से अलग है। यह निर्विवाद प्रमाण प्रदान करता है कि CV-आधारित QNs, NegPT के तहत, एक नई सार्वभौमिकता वर्ग से संबंधित हैं, जो उन्हें उनके DV समकक्षों से अलग करता है। वर्ग जाली पर संख्यात्मक सिमुलेशन ने इस अंतर का और समर्थन किया, जिससे एक सहसंबंध लंबाई घातांक $\nu \approx 0.02(2)$ प्राप्त हुआ, जो ConPT के $\nu \approx 1.3(3)$ से काफी अलग है।

3. CV-आधारित QNs की महत्वपूर्ण भेद्यता: मिश्रित-क्रम संक्रमण की अचानकता बड़े पैमाने पर CV-आधारित QNs के लिए एक महत्वपूर्ण भेद्यता प्रस्तुत करती है। प्रतिक्रिया नियंत्रण के सिमुलेशन (चित्र 4) ने प्रदर्शित किया कि जबकि DV-आधारित QNs (चित्र 4a) तेजी से और चिकने स्थिरीकरण का प्रदर्शन करते हैं, CV-आधारित QNs (चित्र 4b) महत्वपूर्ण सीमा के पास दीर्घकालिक "चालू/बंद" अस्थिरता से पीड़ित होते हैं। यह $X$ बनाम $X_{SC}$ के असंतत कूद का एक सीधा परिणाम है, जो CV प्रणालियों को स्थिर करने के लिए एक महत्वपूर्ण व्यावहारिक चुनौती को उजागर करता है।

4. मिश्रित-क्रम संक्रमण के लिए विशिष्ट तंत्र: पत्र से पता चलता है कि NegPT अतिरिक्त स्वतंत्रता की डिग्री की आवश्यकता के बिना मिश्रित-क्रम संक्रमण को प्रेरित करता है, जैसे कि परतों की संख्या M, जिसकी आमतौर पर शास्त्रीय परस्पर विरोधी परकोलेशन में आवश्यकता होती है। यह इन चरण संक्रमणों को चलाने वाले अंतर्निहित तंत्रों में एक मौलिक अंतर को रेखांकित करता है।

सीमाएँ और भविष्य की दिशाएँ

जबकि निष्कर्ष गहन हैं, लेखक ईमानदारी से कई सीमाओं को स्वीकार करते हैं और भविष्य के शोध और विकास के लिए सम्मोहक रास्ते प्रस्तावित करते हैं:

1. मिश्रित-क्रम संक्रमण तंत्र को समझना: पत्र नोट करता है कि मिश्रित-क्रम चरण संक्रमण के अंतर्निहित तंत्र, विशेष रूप से इस संदर्भ में, अभी तक पूरी तरह से समझे नहीं गए हैं। स्पिनोडल बिंदुओं पर आधारित पारंपरिक सिद्धांत सीधे लागू नहीं हो सकते हैं। भविष्य के सैद्धांतिक जांचों को यह पता लगाने की आवश्यकता है कि श्रृंखला और समानांतर नियमों का परस्पर क्रिया विशेष रूप से इन मिश्रित-क्रम संक्रमणों को कैसे प्रेरित करता है, संभावित रूप से क्वांटम ऑप्टिकल प्रयोगों में अवलोकन योग्य उपन्यास चरण संक्रमण परिदृश्य को उजागर करता है।

2. CV उलझाव एकाग्रता की इष्टतमता: वर्तमान CV QN डिजाइनों के लिए एक महत्वपूर्ण सीमा यह है कि G-G DET योजना में प्रयुक्त CV समानांतर नियम (उलझाव एकाग्रता) अपने DV समकक्षों की तुलना में "इष्टतम नहीं" है। यह बताता है कि वर्तमान एकाग्रता प्रोटोकॉल अधिकतम संभव उलझाव प्राप्त नहीं कर सकते हैं। भविष्य के काम को CV प्रणालियों के लिए एकाग्रता की व्यवहार्यता और कार्यान्वयन सीमाओं को समझने पर ध्यान केंद्रित करना चाहिए ताकि अधिक कुशल और इष्टतम प्रोटोकॉल विकसित किए जा सकें।

3. मजबूत प्रतिक्रिया नियंत्रण रणनीतियाँ: महत्वपूर्ण सीमा के पास मानक प्रतिक्रिया नियंत्रण के तहत CV-आधारित QNs की खोजी गई अस्थिरता एक महत्वपूर्ण व्यावहारिक चिंता है। इसके लिए मजबूत संचालन बनाए रखने के लिए "अधिक सावधानीपूर्वक प्रतिक्रिया रणनीतियों" के विकास की आवश्यकता है। भविष्य के शोध में CV प्रणालियों को प्रभावी ढंग से स्थिर करने के लिए उन्नत नियंत्रण सिद्धांत तकनीकों का पता लगाना चाहिए, संभावित रूप से भविष्य कहनेवाला मॉडल या अनुकूली नियंत्रण को शामिल करना, विशेष रूप से ऑप्टिकल कार्यान्वयन में क्वांटम प्रतिक्रिया नियंत्रण की व्यापकता को देखते हुए।

4. गैर-गॉसियन अवस्थाओं और संचालन के लिए सामान्यीकरण: पत्र संकेत देता है कि मिश्रित-क्रम चरण संक्रमण सामान्यीकृत CV संचालन और गैर-गॉसियन अवस्थाओं के लिए भी बना रह सकता है। यह एक व्यापक चर्चा विषय खोलता है: ये निष्कर्ष गॉसियन व्यवस्था से परे कैसे विस्तारित होते हैं? सामान्यीकृत CV प्रणालियों में NegPT की जांच से पता चल सकता है कि क्या यह अनूठी महत्वपूर्ण घटना CV QNs की एक सार्वभौमिक विशेषता है या गॉसियन अवस्थाओं के लिए विशिष्ट है। इसके लिए सामान्यीकृत श्रृंखला/समानांतर नियमों के भौतिक मूल और देखे गए चरण संक्रमण के प्रकार पर उनके प्रभाव की खोज की आवश्यकता होगी।

5. भविष्यवाणी की गई घटनाओं का प्रयोगात्मक सत्यापन: जबकि पत्र मजबूत सैद्धांतिक और कम्प्यूटेशनल साक्ष्य प्रस्तुत करता है, अंतिम सत्यापन प्रयोगात्मक अहसास में निहित है। भविष्य के प्रयासों को G-G DET योजना को लागू करने और वास्तविक दुनिया के CV QNs में भविष्यवाणी की गई मिश्रित-क्रम चरण संक्रमण और प्रतिक्रिया अस्थिरता का निरीक्षण करने के लिए डिज़ाइन किए गए क्वांटम ऑप्टिकल प्रयोगों को निष्पादित करने पर ध्यान केंद्रित करना चाहिए। यह सिद्धांत और व्यावहारिक अनुप्रयोग के बीच की खाई को पाटेगा, जिससे मजबूत, प्रतिक्रिया-स्थिर QNs में आगे की प्रगति को बढ़ावा मिलेगा।

FIG. 2. Bethe lattice. (a) A Bethe lattice of degree k (i.e., each node is incident to k links) and network depth l (the path length from the yellow node to the red nodes). (b) The sponge-crossing ratio negativity XSC between S and T for various k (right panel), satisfying the power law XSC −X+ SC ∼|χ −χth|0.47(5) as χ →χ+ th (left panel). The numerical value 0.47 ± 0.05 is derived by a linear least-squares fit to the sixteen data points. (c) When χ →χ− th, XSC exhibits a plateau behavior until the network depth l exceeds the correlation length l∗(defined as the depth l at which XSC = 0.5), after which XSC abruptly drops to zero. (d) Near the critical threshold, we observe l∗∼|χ −χth|−0.508(9), indicating zν ≈1/2 FIG. 4. Feedback stabilization of QN against entanglement decay. (a) Under the same feedback control [Eq. (5)], the DV- based QN (k = 3 Bethe lattice) exhibits rapid stabilization; (b) whereas the CV-based QN exhibits long-term “on/off” instability, a direct result of the abrupt drop in Fig. 2(b) FIG. 6. Continuous-variable entanglement concentration. Consider K parallel TMSVSs written as the tensor product: NK k=1 |ψrk⟩. Step a1: The TMSVS |ψr′ 1⟩is obtained by executing the TMSVS entanglement concentration protocol on |ψr1⟩⊗|ψr2⟩; Step a2: Performing the scheme again on |ψr′ 1⟩⊗|ψr3⟩yields the TMSVS |ψr′ 2⟩; and so on. This even- tually results in a single TMSVS |ψr⟩, where the squeezing parameter r satisfies Eq. (16)