Quantifying and Bounding Spatiotemporal Correlations in Quantum Noise

En la búsqueda de construir máquinas que puedan resolver problemas que van mucho más allá del alcance de las computadoras actuales, los científicos compiten por dominar el frágil mundo de la mecánica cuántica. Estas máquinas, conocidas como computadoras cuánticas, dependen de diminutas partículas de luz o materia para mantener la información en un estado de delicado equilibrio. Sin embargo, este equilibrio se rompe fácilmente. En el momento en que estas partículas interactúan con su entorno —ya sea a través de calor residual, ondas electromagnéticas o señales de control imperfectas— comienzan a perder su información. Esta pérdida, llamada ruido, es el mayor obstáculo que se interpone entre nosotros y la poderosa tecnología cuántica. Durante años, los ingenieros han intentado luchar contra este ruido asumiendo que se comporta de una manera simple y predecible: que los errores ocurren de forma aleatoria e independiente, como gotas de lluvia cayendo sobre un techo donde el hecho de que una gota golpee una teja no tiene efecto sobre la siguiente. Esta suposición hace que las matemáticas sean manejables, pero a menudo es errónea. En los dispositivos reales, los errores pueden estar vinculados a través del espacio y el tiempo, donde un fallo en una parte de la máquina hoy podría estar conectado con un fallo en otra parte mañana, creando una compleja red de interferencia que los modelos simples no pueden ver.

Un equipo de investigadores de la Universidad de São Paulo ha desarrollado ahora una nueva forma de medir y comprender estas conexiones ocultas. En lugar de adivinar cómo se comporta el ruido, crearon un marco unificado para cuantificar exactamente cuánta información se comparte entre diferentes partes de un sistema cuántico a lo largo del tiempo. Su trabajo va más allá de la vieja suposición de que el ruido es solo una serie de errores independientes. Al tratar toda la historia de un proceso cuántico como un objeto único e interconectado, pueden distinguir entre el ruido que es verdaderamente aleatorio y el ruido que posee una memoria del pasado. Esta distinción es crítica porque las herramientas utilizadas para corregir errores en las computadoras cuánticas están diseñadas para errores independientes. Si los errores están realmente vinculados, esas herramientas podrían fallar, dejando a la computadora incapaz de realizar cálculos complejos. El nuevo método de los investigadores proporciona una forma de detectar estos vínculos, medir su fuerza y determinar exactamente cuánta "memoria" tiene el entorno, lo cual es esencial para construir máquinas fiables en el futuro.

El núcleo de este nuevo enfoque consiste en una forma ingeniosa de probar un sistema cuántico. Imagine intentar averiguar si una máquina está recordando sus acciones pasadas o simplemente reaccionando al presente. Los investigadores propusieron un método en el que se realizan una serie de experimentos cuidadosamente diseñados, o "sondas", en el sistema. Luego, comparan los resultados de estos experimentos con lo que esperarían si el ruido fuera completamente aleatorio y desconectado. La diferencia entre los resultados reales y la expectativa aleatoria les indica cuánta correlación existe. La belleza de su marco de trabajo es que funciona para cualquier tipo de proceso cuántico, ya sea que el ruido esté vinculado a través de diferentes partes de la máquina al mismo tiempo, o vinculado a través de diferentes momentos en el tiempo, o ambos. Definieron medidas específicas para estos tres tipos de conexiones: correlaciones temporales (memoria a través del tiempo), correlaciones espaciales (vínculos entre diferentes partes) y correlaciones espaciotemporales totales (la suma de ambas).

Crucialmente, los investigadores demostraron que sus mediciones son robustas. Demostraron que, sin importar cómo se manipule el sistema con operaciones físicas permitidas, la cantidad de correlación medida nunca puede aumentar artificialmente. Esto asegura que los números que obtienen son propiedades físicas reales del ruido, no artefactos de cómo se configuró el experimento. También establecieron límites matemáticos estrictos sobre qué tan fuertes pueden ser estas correlaciones, basándose en el tamaño del sistema y el tamaño del entorno que posee la memoria. Por ejemplo, descubrieron que si el entorno es pequeño, como una sola partícula diminuta, solo puede retener una cantidad limitada de memoria, lo que pone un tope a qué tan fuertes pueden ser las correlaciones. Si el entorno es más grande, el potencial para correlaciones más fuertes y complejas aumenta. Estos límites actúan como una regla: si miden una correlación que es más fuerte de lo que un entorno pequeño podría producir, sabrán con certeza que el entorno debe ser más grande o complejo de lo que pensaban.

Para probar sus ideas, el equipo aplicó su marco de trabajo a modelos de cúbits superconductores, el tipo de hardware utilizado actualmente por muchas empresas líderes en el sector cuántico. Simularon escenarios donde dos cúbits interactúan con un entorno compartido, utilizando dos tipos diferentes de interacciones que son comunes en los dispositivos reales. En un escenario, el entorno actuaba como un interruptor clásico, cambiando entre estados y creando un tipo específico de memoria. En otro, actuaba como una partícula cuántica, preservando la delicada información cuántica. Los resultados fueron sorprendentes. En el caso clásico, las correlaciones medidas alcanzaron un techo específico predicho por el tamaño del entorno, confirmando que la memoria era, de hecho, clásica. En el caso cuántico, las correlaciones se volvieron más fuertes, cruzando el límite clásico y acercándose al valor máximo permitido por el tamaño del sistema. Esto demostró que su método podía no solo detectar la presencia de memoria, sino también distinguir entre memoria clásica y cuántica, e incluso determinar el tamaño mínimo del entorno requerido para producir los efectos observados.

Las implicaciones de este trabajo son profundas para el futuro de la computación cuántica. Al proporcionar una forma de certificar el tamaño mínimo de la memoria que causa el ruido, los investigadores ofrecen una nueva herramienta de diagnóstico para los ingenieros. Si un dispositivo muestra correlaciones que exceden los límites de un entorno simple y pequeño, esto señala que el ruido es más complejo de lo que se asumía anteriormente, requiriendo estrategias de corrección de errores más sofisticadas. Por el contrario, si las correlaciones están dentro de los límites de un entorno pequeño, sugiere que el ruido podría ser manejable con las técnicas actuales. El marco también sirve como un control de realidad para los modelos teóricos. Si un modelo predice cierto comportamiento pero las correlaciones medidas violan los límites universales establecidos por el tamaño del sistema, indica que el propio modelo es defectuoso o que el sistema se está comportando de una manera inesperada, como la fuga de información hacia partes ocultas del hardware.

En última instancia, esta investigación transforma la forma en que vemos el ruido en los dispositivos cuánticos. En lugar de tratarlo como un estático de fondo vago e inmanejable, los investigadores lo han convertido en una cantidad medible con límites claros. Han demostrado que, al comprender la estructura de estas correlaciones, podemos aprender sobre el entorno oculto que interactúa con nuestras computadoras cuánticas. Este conocimiento es el primer paso para domar el ruido, permitiendo a los científicos diseñar mejores códigos de corrección de errores y construir máquinas que puedan operar de manera fiable durante períodos más largos. A medida que la tecnología cuántica pasa del laboratorio al mundo real, la capacidad de cuantificar y acotar estas correlaciones espaciotemporales será esencial para convertir la promesa de la computación cuántica en una realidad práctica. El trabajo no resuelve el problema del ruido por completo, pero proporciona las herramientas necesarias para ver el problema con claridad, medir su escala y comprender los límites físicos dentro de los cuales debemos trabajar.