Classical Stochasticity Using Quantum Computers

Sintesi Tecnica: Stocasticità Classica tramite Computer Quantistici

Enunciato del Problema
Il documento affronta la sfida di modellare sistemi stocastici classici, come il sistema di Lorenz, che vengono tradizionalmente simulati utilizzando algoritmi deterministici per generare numeri pseudo-casuali. Sebbene la vera casualità sia difficile da ottenere classicamente, la meccanica quantistica offre una fonte intrinca di casualità attraverso la natura probabilistica del collasso della funzione d'onda durante la misurazione. Gli autori osservano che, nel tentativo di risolvere equazioni differenziali non lineari (ODE) su hardware quantistico, il processo di misurazione introduce deviazioni inevitabili dalla soluzione numerica esatta. Invece di trattare queste deviazioni come errori che richiedono un esteso post-processing o filtraggio, il documento postula che queste fluttuazioni intrinseche possano essere interpretate come una naturale formulazione stocastica del sistema.

Metodologia
Gli autori investigano il sistema Lorenz-63, un insieme di tre equazioni differenziali non lineari note per il caos deterministico. Confrontano due approcci:

1. Modellazione Stocastica Classica: Implementano uno schema numerico di Eulero-stocastico classico in cui una variabile casuale ($\xi_i$) viene introdotta nelle equazioni discretizzate (specificamente nell'equazione $y$) per simulare un comportamento stocastico.
2. Algoritmi Quantistici: Implementano due distinti algoritmi quantistici per risolvere il sistema di Lorenz senza termini stocastici espliciti nel codice ($e=0$):
   • Algoritmo S-FABLE: Un metodo che utilizza la codifica sparse-Fable e le trasformate di Walsh-Hadamard per codificare la matrice del sistema. Esso prevede l'encoding a blocchi (block-encoding), qubit ancillari e un'euristica per ricostruire i segni persi durante la misurazione.
   • Evoluzione Unitaria nel Tempo: Un metodo in cui il sistema viene evoluto utilizzando una matrice Unitaria derivata da una matrice di trasferimento anti-ermitiana. Il vettore di stato viene codificato in qubit e l'evoluzione viene applicata iterativamente.

In entrambi gli approcci quantistici, gli autori utilizzano Qiskit per simulare circuiti privi di rumore. Generano i vettori di stato quantistici e poi eseguono misurazioni (shot) per estrarre le variabili fisiche ($x, y, z$). Analizzano la distribuzione statistica di questi risultati misurati, confrontandoli con le simulazioni stocastiche classiche e le traiettorie deterministiche attese.

Risultati Chiave

• Stocasticità Intrinseca: L'output misurato di entrambi gli algoritmi quantistici devia dalla traiettoria numerica esatta. Gli autori dimostrano che queste deviazioni non sono semplici rumori, ma seguono distribuzioni statistiche (binomiali e multinomiali) coerenti con la teoria della misurazione quantistica.
• Confronto con la Stocasticità Classica: Quando i punti quantistici misurati vengono tracciati, essi esibiscono una distribuzione casuale attorno alla traiettoria che imita da vicino il comportamento del sistema di Lorenz classico quando è guidato da un termine stocastico (rumore bianco).
• Validazione Statistica: Per il metodo di evoluzione Unitaria, gli autori hanno analizzato 50 campioni di misurazione. La media e la varianza delle frequenze misurate sono state confrontate con un set di numeri casuali binomiali generato in Python. I risultati hanno mostrato una differenza di varianza di circa il 3%, che gli autori attribuiscono a potenziali errori di entanglement o di decomposizione non considerati, ma che conferma che l'output quantistico segue una distribuzione multinomiale.
• Analisi dell'Errore: La distanza euclidea tra la traiettoria misurata quantisticamente e la soluzione numerica classica mostra fluttuazioni simili a quelle osservate nelle simulazioni stocastiche classiche.

Contributi Chiave

• Riformulazione dell'Errore di Misurazione: Il documento propone un cambio di paradigma nell'interpretare gli output degli algoritmi quantistici per le ODE non lineari. Invece di vedere la varianza indotta dalla misurazione come un difetto da correggere tramite post-processing, si suggerisce che essa sia una caratteristica che modella naturalmente i sistemi stocastici.
• Dimostrazione Algoritmica: Gli autori forniscono implementazioni concrete utilizzando S-FABLE ed evoluzione Unitaria per dimostrare che anche nelle simulazioni prive di rumore, il processo di misurazione da solo introduce una casualità sufficiente per modellare il comportamento stocastico.
• Modellazione Distribuionale: Il lavoro stabilisce che gli esiti delle misurazioni quantistiche per sistemi non lineari possono essere modellati utilizzando distribuzioni multinomiali, offrendo un metodo per generare numeri casuali direttamente dal processo computazionale.

Significatività e Rivendicazioni
Gli autori affermano che i computer quantistici, in particolare nell'era NISQ (Noisy Intermediate-Scale Quantum) e oltre, fungono da hardware alternativi validi per modellare sistemi stocastici dove l'alta precisione non è il requisito primario. Argomentano che la "stocasticità emerge naturalmente" negli esiti misurati degli algoritmi quantistici.

Il documento sottolinea che, sebbene i computer quantistici offrano l'efficienza promessa e dimensioni massicce dello spazio di Hilbert (ad esempio, un sistema a 127 qubit possiede $2^{127}$ dimensioni), la loro utilità immediata per la modellazione stocastica risiede in questa casualità intrinseca. Gli autori concludono che per sistemi come il meteo o la dinamica delle popolazioni, dove l'obiettivo è comprendere il comportamento distribuionale piuttosto che le soluzioni puntuali esatte, la misurazione quantistica fornisce una fonte diretta di stocasticità. Notano che, sebbene il loro esempio specifico si concentri su una regione stabile del sistema di Lorenz, l'approccio potrebbe essere esteso per studiare comportamenti instabili e punti di biforcazione in sistemi complessi fuori dall'equilibrio. Il documento non pretende di risolvere il problema generale della risoluzione di ODE ad alta precisione, ma piuttosto evidenzia una nicchia specifica in cui la natura probabilistica dell'hardware quantistico è vantaggiosa.