← Ultimi articoli
⚛️ fisica quantistica

Verifiable Quantum Advantage via Optimized DQI Circuits

Questo articolo presenta circuiti di Interferometria Quantistica Decodificata (DQI) ottimizzati che ottengono un vantaggio quantistico verificabile con un'accelerazione asintotica ottimale per il problema dell'Intersezione Polinomiale Ottimale, richiedendo significativamente meno qubit logici e porte rispetto alla fattorizzazione di RSA-2048 attraverso l'introduzione di nuove implementazioni quantistiche dell'Algoritmo di Euclide Esteso.

Autore originale: Tanuj Khattar, Noah Shutty, Craig Gidney, Adam Zalcman, Noureldin Yosri, Dmitri Maslov, Ryan Babbush, Stephen P. Jordan

Pubblicato 2026-11-20
📖 7 min di lettura🧠 Approfondimento

Autore originale: Tanuj Khattar, Noah Shutty, Craig Gidney, Adam Zalcman, Noureldin Yosri, Dmitri Maslov, Ryan Babbush, Stephen P. Jordan

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dall'autore. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Nella corsa a dimostrare che i computer quantistici possano davvero superare i loro controparti classici, gli scienziati si sono a lungo trovati di fronte a una scelta difficile. Da un lato ci sono problemi di immenso valore pratico, come violare la crittografia che protegge il sistema bancario globale. Sebbene esistano algoritmi quantistici per risolverli, le macchine necessarie sono così vaste e complesse da rimanere ben oltre la nostra portata attuale. Dall'altro lato ci sono enigmi più semplici, creati appositamente per essere facili da risolvere per una macchina quantistica ma difficili per una classica. Questi sono più facili da costruire, ma offrono poca prova di utilità nel mondo reale e spesso richiedono test complessi e interattivi per verificarne i risultati. Per anni, il campo è rim è rimasto bloccato tra questi due estremi, alla ricerca di un problema che fosse abbastanza utile da contare e abbastanza semplice da costruire, fornendo al contempo una prova chiara e verificabile che la macchina quantistica stia facendo qualcosa che un computer classico non può fare.

Un team di ricercatori di Google Quantum AI ha ora proposto una soluzione che colma questo divario. Hanno perfezionato un algoritmo quantistico specifico, noto come interferometria quantistica decodificata, e lo hanno applicato a un problema chiamato intersezione polinomiale ottimale. Questo problema chiede a un computer di trovare il miglior insieme di coefficienti per una curva matematica che si adatti a una collezione dispersa di punti dati all'interno di un sistema numerico finito specifico. Sebbene ciò possa sembrare astratto, si tratta di un tipo fondamentale di ottimizzazione che appare nella teoria della codifica e nella crittografia. I ricercatori hanno dimostrato che, riprogettando attentamente la struttura interna del computer quantistico, possono risolvere istanze di questo problema che richiederebbero a un supercomputer classico un tempo superiore all'età dell'universo per essere decifrate, utilizzando una macchina quantistica sorprendentemente piccola ed efficiente.

Il fulcro del loro traguardo risiede nel modo in cui hanno gestito le risorse fisiche del computer. Un grande collo di bottiglia nell'esecuzione di tali algoritmi è stato l'enorme numero di "qubit", o bit quantistici, necessari per mantenere le informazioni durante il calcolo. I progetti precedenti per questo tipo di problema richiedevano una quantità massiccia di memoria, richiedendo effettivamente uno spazio di archiviazione separato per ogni singolo punto dato del problema. Il team si è reso conto che questo era superfluo. Sviluppando un nuovo metodo per generare e processare le informazioni un pezzo alla volta, e utilizzando una tecnica ingegnosa per cancellare i dati intermedi senza perdere lo stato quantistico, hanno ridotto drasticamente l'impronta di memoria. Invece di necessitare di uno spazio di archiviazione che cresce con il numero totale di punti dati, il loro nuovo design richiede solo uno spazio che cresce con il numero di variabili da risolvere. Questo passaggio permette loro di affrontare problemi grandi e difficili con una macchina molto più piccola.

Per far sì che ciò funzionasse, il team ha dovuto superare un ostacolo specifico nella matematica dell'algoritmo: la necessità di invertire un complesso processo di decodifica. Questo processo è simile alla matematica utilizzata nei codici di correzione degli errori, che sono essenziali per mantenere integri i dati quando vengono trasmessi su canali rumorosi. I ricercatori hanno inventato nuovi modi altamente efficienti per eseguire questa inversione su un computer quantistico. Hanno creato due approcci distinti. Un approccio calcola esplicitamente i valori matematici necessari e li memorizza, mentre l'altro mantiene i valori in una forma compressa e implicita, che viene scompattata solo quando necessario. Entrambi i metodi hanno avuto successo nel ridurre il numero di componenti fisici richiesti, dimostrando che l'algoritmo poteva essere eseguito con molte meno risorse di quanto precedentemente ritenuto possibile.

I ricercatori hanno poi analizzato il loro design rispetto ai migliori attacchi classici conosciuti. Hanno costruito versioni specifiche e difficili del problema, in cui i punti dati target erano disposti in un modo che li rende incredibilmente difficili da analizzare per i computer classici. Hanno scoperto che, per questi casi difficili, un computer classico dovrebbe eseguire più di 102310^{23} tentativi per trovare una soluzione. Al contrario, il loro design quantistico ottimizzato potrebbe risolvere lo stesso problema con un circuito contenente circa 5,72 milioni di porte logiche elementari e utilizzando 1.885 qubit logici. Per dare un termine di paragone, si tratta di circa cento volte meno porte di quelle che si stima siano attualmente necessarie per violare una chiave RSA a 2.048 bit, un compito spesso citato come il gold standard per la potenza di calcolo quantistico.

Inoltre, il team ha calcolato i requisiti fisici per costruire una macchina capace di eseguire questo algoritmo, assumendo l'uso di un metodo standard di correzione degli errori che protegga dal rumore. Le loro stime suggeriscono che una macchina con circa 800.000 qubit fisici potrebbe risolvere un'istanza classicamente intrattabile di questo problema in circa sei ore. Questa è una riduzione significativa rispetto ad altre proposte per dimostrare il vantaggio quantistico, che spesso richiedono hardware molto più vasto o si basano su problemi puramente artificiali che mancano della profondità strutturale delle sfide di ottimizzazione del mondo reale.

Il lavoro stabilisce anche un traguardo teorico. I ricercatori hanno dimostrato che il loro metodo raggiunge la migliore accelerazione possibile consentita dalle leggi della fisica per questo tipo di problema. Man mano che la dimensione del problema cresce, il tempo richiesto dal computer quantistico cresce al ritmo più lento possibile, mentre il tempo richiesto dal miglior computer classico cresce esponenzialmente. Ciò significa che, per problemi sufficientemente grandi, il vantaggio quantistico diventa schiacciante. I risultati del team suggeriscono che non dobbiamo aspettare macchine massicce da un milione di qubit per vedere un vantaggio quantistico chiaro e verificabile. Invece, ottimizzando gli algoritmi e il modo in cui la macchina gestisce la memoria, possiamo raggiungere questa soglia con macchine che rientrano nell'ambito dell'ingegneria del prossimo futuro.

Questa ricerca non offre solo un nuovo modo per risolvere un particolare enigma matematico; fornisce una tabella di marcia su come costruire computer quantistici più efficienti. Le tecniche sviluppate per gestire la memoria e invertire calcoli complessi possono essere applicate ad altri algoritmi importanti, inclusi quelli utilizzati per violare la crittografia basata sulle curve ellittiche. Dimostrando che un problema con una reale struttura matematica può essere risolto con meno risorse di quanto precedentemente ipotizzato, il team ha spostato l'asticella di ciò che è considerato un traguardo fattibile per una dimostrazione del potere quantistico. Hanno identificato un percorso in cui la macchina quantistica non è solo una possibilità teorica, ma una realtà pratica che può essere costruita e testata nei prossimi anni.

Le implicazioni vanno oltre i numeri specifici. Lo studio sfida l'assunto che un vantaggio quantistico utile e verificabile richieda o hardware massiccio o problemi artificiosi. Trovando un punto di equilibrio in cui il problema è abbastanza complesso da contare, ma la soluzione è abbastanza efficiente da essere costruita, i ricercatori hanno fornito un obiettivo concreto per gli sviluppatori di hardware. Il loro lavoro suggerisce che la strada verso un computer quantistico utile potrebbe essere più breve di quanto anticipato, a patto che ci concentriamo sull'ottimizzazione del software e del modo in cui la macchina gestisce l'informazione, piuttosto che limitarci ad aspettare che l'hardware aumenti di scala. Il risultato è un candidato convincente per la prima dimostrazione veramente pratica di un computer quantistico che fa qualcosa che un computer classico non può fare, verificata dalla pura impossibilità dell'alternativa classica.

Sommerso dagli articoli nel tuo campo?

Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.

Prova Digest →