A Universal Entanglement Witness Generator

Immaginate un mondo in cui le particelle possono essere "entangled", una connessione spettrale dove due oggetti condividono un'unica esistenza, indipendentamente da quanto siano lontani. Se ne cambi una, l'altra cambia istantaneamente, come se stessero danzando la stessa musica invisibile. Questa non è magia; è il cuore strano e meraviglioso della fisica quantistica, ed è il motore dietro la prossima generazione di supercomputer, codici inattaccabili e sensori ultra-sensibili. Ma ecco il problema: per usare questo potere, gli scienziati devono prima dimostrare che le particelle siano effettivamente entangled e non stiano solo agendo in modo strano da sole.

Per farlo, utilizzano uno strumento chiamato "entanglement witness" (testimone di entanglement). Pensatecelo come un metal detector ad alta tecnologia per gli stati quantistici. Lo passate sul vostro sistema e, se emette un segnale acustico, sapete di aver trovato l'entanglement. Ma costruire un buon metal detector è complicato. Se è troppo sensibile, potrebbe suonare per un sasso innocuo (un falso allarme); se è troppo ottuso, potrebbe mancare un tesoro sepolto (una mancata rilevazione). Inoltre, il mondo reale è disordinato. Il rumore causato dal calore, dalle vibrazioni o dai segnali estranei può sommergere il segamento. Per molto tempo, gli scienziati hanno dovuto scegliere tra rilevatori molto accurati ma che richiedevano migliaia di misurazioni (impiegando un tempo infinito e richiedendo enormi quantità di dati) o rilevatori rapidi ma facilmente ingannati dal rumore. Avevano bisogno di un modo per costruire un rilevatore che fosse sia veloce che resistente, senza dover essere un genio del quantistico per progettarlo.

È qui che inizia la storia del "Universal Entanglement Witness Generator". Un team di ricercatori dell'Università di Toronto ha costruito un nuovo tipo di strumento di machine learning che agisce come un maestro artigiano per questi rilevatori quantistici. Invece di un essere umano che prova a calcolare manualmente le impostazioni perfette per un tipo specifico di particella, questo programma per computer prende una foto dello stato quantistico target e chiede: "Quante misurazioni sei disposto a fare?". L'utente può dire: "Ho tempo solo per due misurazioni", oppure "Posso farne dieci", e la macchina progetta istantaneamente un testimone personalizzato che sia ottimizzato per quel limite.

Il metodo del team lavora in due fasi ingegnose. Prima, costruisce un testimone "prototipo" imparando da una libreria di stati semplici, non entangled. È come uno studente che studia per un esame memorizzando come appare una risposta "normale". Poi, utilizza un trucco speciale di "programmazione differenziale" per perfezionare il rilevatore, assicurandosi che non segni accidentalmente uno stato normale come entangled. Questo passaggio è cruciale perché garantisce che il rilevatore sia matematicamente perfetto per lo specifico stato che sta cercando.

Ma la vera magia avviene con la loro seconda tecnica: l'"adversarial training" (addestramento avversario). Immaginate una partita a scacchi in cui il computer gioca contro se stesso. Da una parte si cerca di costruire il miglior testimone possibile, mentre dall'altra si cerca di trovare uno stato rumoroso e insidioso che possa ingannarlo. Giocando costantemente a questo gioco, il testimone diventa più forte e resistente, imparando a individuare l'entanglement anche quando il rumore è forte. Il risultato è un rilevatore che è incredibilmente robusto contro il rumore, richiedendo spesso molte meno misurazioni rispetto a qualsiasi metodo precedente.

I ricercatori hanno testato la loro creazione su una grande varietà di stati quantistici, da semplici coppie di particelle a gruppi complessi di fino a sei qubit e persino particelle ad alta dimensionalità chiamate qudit. Nelle simulazioni, i loro testimoni sono stati in grado di identificare correttamente l'entanglement in milioni di casi di test con una precisione perfetta. Ad esempio, per uno stato complesso noto come "stato hypergraph", il loro metodo ha trovato un testimone che richiedeva solo 4 misurazioni per raggiungere una tolleranza al rumore che altri metodi richiedevano 121 misurazioni per raggiungere. Questo è un salto enorme in termini di efficienza.

Non si sono fermati alle sole simulazioni al computer, però. Hanno preso i loro progetti digitali e li hanno testati nel mondo reale. Utilizzando fotoni (particelle di luce) in un laboratorio e circuiti superconduttori sull'hardware quantistico di IBM, hanno confermato che i loro testimoni funzionavano esattamente come previsto. Che le particelle fossero fatte di luce o di elettricità, i rilevatori progettati dalla macchina identificavano con successo l'entanglement anche quando l'ambiente era rumoroso.

L'articolo esclude esplicitamente l'idea che abbiamo bisogno di comprendere i profondi segreti algebrici di uno stato quantistico per costruire un rilevatore per esso. Argomentano contro i metodi più vecchi che richiedono a un essere umano di conoscere le proprietà specifiche di "stabilizzatore" di uno stato o che si basano su formule matematiche complesse che non sempre funzionano con il rumore disordinato del mondo reale. Mostrano anche che, sebbene alcuni vecchi metodi di machine learning potessero trovare dei rilevatori, spesso richiedevano all'utente di indovinare quante misurazioni sarebbero state necessarie o non potevano garantire che il rilevatore funzionasse per ogni possibile scenario. Questo nuovo approccio elimina tali incertezze, permettendo a chiunque di specificare il numero di misurazioni che può permettersi. Sebbene il metodo trovi un testimone valido ogni volta che ne esiste uno, gli autori notano che, in quasi tutti i casi testati, produce testimoni che superano tutti i metodi esistenti in termini di tolleranza al rumore e/o numero di impostazioni di misurazione, pur riconoscendo che in casi specifici potrebbe non competere favorevolmente con i metodi analitici in termini di utilizzo di meno misurazioni o raggiungimento di una maggiore tolleranza al rumore.

Gli autori sono fiduciosi nei loro risultati, che hanno sostenuto sia con massicce simulazioni numeriche — testando contro 30 milioni di stati separabili per un singolo testimone a 3 qubit — sia con esperimenti fisici su due diversi tipi di hardware quantistico. Dimostrano che il loro metodo funziona per tutto, dalle semplici coppie di due particelle a sistemi complessi di più particelle, e per particelle che hanno più di due livelli (qubit) fino a dieci o più (qudit).

In breve, questo articolo presenta una fabbrica universale e automatizzata per la costruzione di rilevatori di entanglement quantistico. Trasforma un difficile problema di ingegneria manuale in un semplice processo di input-output: dì alla macchina cosa vuoi trovare e quanto tempo hai, e lei ti consegnerà un rilevatore che è spesso più resistente ed efficiente di qualsiasi cosa costruita in precedenza. Suggerisce che il futuro della tecnologia quantistica potrebbe non dipendere dal diventare migliori nella matematica complessa, ma dal lasciare che algoritmi intelligenti facciano il lavoro pesante, rendendo la rilevazione del mondo quantistico più veloce, economica e accessibile a tutti.