Computer quantistici del futuro potrebbero alla fine superare le loro controparti classiche nel risolvere problemi intrattabili in informatica, medicina, economia, chimica, fisica e altri campi. Ma le macchine non sono ancora arrivate: sono piene di errori intrinseci, che i ricercatori stanno lavorando attivamente per ridurre.
Un modo per studiare questi errori è utilizzare i computer classici per simulare i sistemi quantistici e verificarne l’accuratezza. L’unico problema è che, man mano che le macchine quantistiche diventano sempre più complesse, eseguirne le simulazioni su computer tradizionali richiederebbe anni o più.
I computer classici non possono simulare completamente il lavoro dei sistemi quantistici, specialmente quelli con più di 30 qubit. Come esempio ipotetico, se un computer quantistico dovesse creare la Gioconda, potrebbe creare molti dettagli ma è soggetto a errori, da qui l’aspetto sfocato del dipinto a destra nel concetto di questo artista. Un computer classico non potrebbe creare i dettagli così bene come il computer quantistico. Tuttavia, potrebbe approssimarsi approssimativamente al compito del computer quantistico, da qui la pixelizzazione dell’immagine a sinistra. Per aggirare questa limitazione e simulare meglio i sistemi quantistici, i ricercatori hanno utilizzato un metodo per modificare la quantità di “pixellazione” in una classica simulazione al computer e quindi estrapolare da tali risultati per stimare la “sfocatura” dei sistemi quantistici.
Ora, i ricercatori del Caltech hanno inventato un nuovo metodo mediante il quale i computer classici possono misurare i tassi di errore delle macchine quantistiche senza doverli simulare completamente. Il team descrive il metodo in un articolo sulla rivista Natura.
“In un mondo perfetto, vogliamo ridurre questi errori. Questo è il sogno del nostro campo”, afferma Adam Shaw, autore principale dello studio e studente laureato che lavora nel laboratorio di Manuel Endres, professore di fisica al Caltech. “Ma nel frattempo, dobbiamo comprendere meglio gli errori che affliggono il nostro sistema, in modo da poter lavorare per mitigarli. Ciò ci ha motivato a elaborare un nuovo approccio per stimare il successo del nostro sistema”.
Nel nuovo studio, il team ha eseguito esperimenti utilizzando un tipo di semplice computer quantistico noto come simulatore quantistico. I simulatori quantistici hanno una portata più limitata rispetto agli attuali computer quantistici rudimentali e sono adattati per compiti specifici. Il simulatore del gruppo è costituito da atomi Rydberg controllati individualmente, atomi in stati altamente eccitati, che manipolano utilizzando i laser.
Una caratteristica fondamentale del simulatore, e di tutti i computer quantistici, è intreccio-un fenomeno in cui alcuni atomi si collegano tra loro senza effettivamente toccarsi. Quando i computer quantistici lavorano su un problema, nel sistema si crea naturalmente un entanglement, che collega invisibilmente gli atomi.
L’anno scorso, Endres, Shaw e colleghi hanno rivelato che man mano che l’entanglement cresce, queste connessioni si espandono in modo caotico o casuale, il che significa che piccole perturbazioni portano a grandi cambiamenti nello stesso modo in cui il battito delle ali di una farfalla potrebbe teoricamente influenzare i modelli meteorologici globali.
Si ritiene che questa crescente complessità sia ciò che dà ai computer quantistici il potere di risolvere alcuni tipi di problemi molto più velocemente dei computer classici, come quelli in crittografia in cui grandi numeri devono essere fattorizzati rapidamente.
Ma una volta che le macchine raggiungono un certo numero di atomi, o qubit, connessi, non possono più essere simulate utilizzando i computer classici. “Quando si superano i 30 qubit, le cose diventano pazzesche”, afferma Shaw. “Più qubit ed entanglement hai, più complessi sono i calcoli.”
Il simulatore quantistico nel nuovo studio ha 60 qubit, che secondo Shaw lo collocano in un regime impossibile da simulare esattamente. “Diventa un catch-22. Vogliamo studiare un regime in cui è difficile lavorare per i computer classici, ma facciamo comunque affidamento su quei computer classici per capire se il nostro simulatore quantistico è corretto”. Per affrontare la sfida, Shaw e colleghi hanno adottato un nuovo approccio, eseguendo simulazioni computerizzate classiche che consentono diversi livelli di entanglement. Shaw paragona questo alla pittura con pennelli di diverse dimensioni.
“Diciamo che il nostro computer quantistico sta dipingendo il Monna Lisa come analogia”, dice. “Il computer quantistico può dipingere in modo molto efficiente e, in teoria, perfettamente, ma commette errori che macchiano la vernice in alcune parti del dipinto. È come se il computer quantistico avesse le mani tremanti. Per quantificare questi errori, vogliamo che il nostro computer classico simuli ciò che ha fatto il computer quantistico, ma il nostro Monna Lisa sarebbe troppo complesso per questo. È come se i computer classici avessero solo spazzole o rulli giganti e non riuscissero a catturare i dettagli più fini.
“Invece, abbiamo molti computer classici che dipingono la stessa cosa con pennelli progressivamente sempre più fini, quindi strizziamo gli occhi e valutiamo come sarebbe stato se fossero stati perfetti. Quindi lo usiamo per confrontarlo con il computer quantistico e stimarne gli errori. Con molti controlli incrociati, siamo stati in grado di dimostrare che questo “strabismo” è matematicamente valido e fornisce la risposta in modo abbastanza accurato”.
I ricercatori hanno stimato che il loro simulatore quantistico da 60 qubit funziona con un tasso di errore del 91% (o un tasso di precisione del 9%). Potrebbe sembrare basso, ma in realtà è relativamente alto per lo stato del settore. Per riferimento, il Esperimento Google 2019in cui il team affermava che il loro computer quantistico aveva prestazioni migliori dei computer classici, aveva una precisione dello 0,3% (sebbene si trattasse di un tipo di sistema diverso da quello di questo studio).
Shaw afferma: “Ora disponiamo di un punto di riferimento per analizzare gli errori nei sistemi di calcolo quantistico. Ciò significa che mentre apportiamo miglioramenti all’hardware, possiamo misurare quanto bene i miglioramenti hanno funzionato. Inoltre, con questo nuovo benchmark, possiamo anche misurare la quantità di entanglement coinvolta in una simulazione quantistica, un altro parametro del suo successo”.
Scritto da Whitney Clavin
Fonte: Caltech
Da un’altra testata giornalistica. news de www.technology.org
