Scientific applications of quantum computing: challenges and opportunities

Per secoli, la storia del progresso umano è stata scritta nei materiali che abbiamo creato. Dai pigmenti che hanno colorato le nostre prime opere d'arte ai catalizzatori che alimentano le nostre industrie moderne, la nostra capacità di dare forma al mondo si è basata su un ciclo di tentativi ed errori, seguiti da teoria e, infine, previsione. Oggi, gli scienziati utilizzano potenti computer per simulare il comportamento degli atomi, permettendo loro di progettare nuovi farmaci, metalli più resistenti e batterie più efficienti prima ancora di mescolare un singolo prodotto chimico in un laboratorio. Queste simulazioni funzionano risolvendo le equazioni che governano il movimento e l'interazione degli elettroni. Tuttavia, esiste un limite ostinato a quanto bene i computer classici possano prevedere il futuro. Quando gli atomi formano legami complessi o esistono in stati eccitati ad alta energia, la matematica diventa così intricata che anche i supercomputer più avanzati devono affidarsi ad approssimazioni. Queste scorciatoie funzionano bene per casi semplici, ma spesso falliscono quando la precisione è più necessaria, lasciando gli scienziati a indovinare la stabilità di un nuovo materiale o la velocità di una reazione chimica.

Un gruppo di ricercatori provenienti da università e laboratori di tutto il Regno Unito si è riunito per porre una domanda critica: può un nuovo tipo di computer, che utilizza le strane leggi della meccanica quantistica per risolvere problemi, superare finalmente questa barriera? La loro risposta è una valutazione attenta e fondata di dove si trovi oggi questa tecnologia e dove possa condurre. Essi sostengono che, sebbene la promessa del calcolo quantistico sia reale, esso non sostituirà semplicemente i computer classici che usiamo ora. Al contrario, la strada più preziosa consiste in una partnership. In questo nuovo flusso di lavoro, i computer quantistici agirebbero come strumenti altamente specializzati, intervenendo solo per risolvere le parti più difficili e specifiche di un problema che le macchine classiche non possono gestire, mentre il resto del lavoro rimane ai metodi consolidati.

I ricercatori iniziano riconoscendo lo stato attuale del campo. Non siamo ancora al punto in cui un computer quantistico possa risolvere autonomamente un intero problema chimico. I dispositivi disponibili oggi sono ancora "rumorosi", ovvero sono soggetti a errori e possono contenere solo una piccola quantità di informazioni alla volta. Per questo motivo, il team suggerisce che il futuro immediato risieda in approcci "ibridi". Immaginate un sistema chimico complesso, come un enzima all'interno di una cellula vivente o un catalizzatore in una fabbrica. La parte più difficile della simulazione di questo sistema è spesso solo una minuscola regione attiva dove i legami si rompono e si formano. Gli autori propongono di utilizzare un computer quantistico per calcolare il comportamento di questa piccola zona critica con estrema precisione, mentre un computer classico gestisce il resto del massiccio sistema. Questo metodo, noto come "embedding" (incorporamento), permette agli scienziati di ottenere l'elevata accuratezza di cui hanno bisogno senza richiedere che una macchina quantistica sia abbastanza grande da simulare l'intero mondo contemporaneamente.

Il documento distingue attentamente tra diversi tipi di problemi e le diverse fasi della tecnologia quantistica necessarie per risolverli. Per compiti come la previsione dell'energia di una molecola o il colore di un materiale, i metodi più accurati richiederanno probabilmente computer quantistici "fault-tolerant" (tolleranti ai guasti). Questi sono macchine in grado di correggere i propri errori, una tecnologia che è ancora in una fase sperimentale precoce e non ancora ampiamente disponibile. Tuttavia, gli autori suggeriscono che non dobbiamo aspettare queste macchine perfette per iniziare a svolgere un lavoro utile. Per certi tipi di sfide, come la ricerca tra milioni di possibili disposizioni di atomi per trovare la struttura più stabile, i dispositivi attuali potrebbero già offrire un vantaggio. Questi problemi sono simili al cercare un ago specifico in un enorme pagliaio; gli algoritmi quantistici possono esplorare molteplici possibilità simultaneamente, trovando potenzialmente la soluzione migliore più velocemente di quanto possa fare un computer classico.

I ricercatori sono particolarmente concentrati sulle realtà pratiche dell'integrazione di queste macchine nel lavoro scientifico reale. Essi mettono in guardia contro l'hype che spesso circonda le nuove tecnologie. Un calcolo quantistico è prezioso solo se produce un risultato più accurato o affidabile di quello che un computer classico può fornire, anche dopo aver tenuto conto del tempo e dell'energia necessari per impostare l'esperimento, eseguire il calcolo ed elaborare i dati. Il team sottolinea che l'obiettivo non è dimostrare che i computer quantistici esistano, ma dimostrare che possano ridurre l'incertezza nelle previsioni scientifiche. Se un dispositivo quantistico può dire a un chimico con maggiore fiducia che un nuovo materiale per batterie sarà stabile, o che un farmaco si legherà a un virus, allora ha raggiunto il suo scopo.

Nel campo della scienza dei materiali, il documento evidenzia la difficoltà di scoprire nuovi composti. Storicamente, questo è stato un processo di intuizione e sperimentazione ad alto rendimento, in cui gli scienziati testano migliaia di candidati per trovarne pochi che funzionino. Sebbene l'apprendimento automatico abbia aiutato ad accelerare questo processo, esso si basa ancora su dati generati da simulazioni classiche che possono presentare inefficienze intrinseche. Gli autori suggeriscono che il calcolo quantistico potrebbe fornire i dati di alta qualità necessari per addestrare questi modelli di apprendimento automatico o per cercare direttamente attraverso spazi chimici complessi per trovare strutture che i metodi classici potrebbero mancare. Ciò è particolarmente rilevante per i sistemi che sono disordinati o contengono molti elementi diversi, dove il numero di possibili disposizioni è troppo vasto per essere esplorato a fondo dai metodi tradizionali.

Per la biochimica, le sfide sono ancora maggiori perché i sistemi biologici sono grandi, disordinati e in costante movimento. Simulare una singola proteina richiede spesso il monitoraggio di centinaia di migliaia di atomi, un compito che spinge al limite anche i supercomputer più veloci. Il documento sostiene che una simulazione quantistica completa di una cellula vivente non è un obiettivo realistico per il prossimo futuro. Inveve, l'applicazione più pratica sarà quella di utilizzare i computer quantistici per studiare le specifiche reazioni chimiche che avvengono all'interno degli enzimi. Trattando questi piccoli siti reattivi con precisione quantistica e l'ambiente circostante con metodi classici, gli scienziati potrebbero ottenere una comprensione più profonda di come funziona la vita a livello molecolare. Ciò potrebbe portare a migliori progettazioni di farmaci e a un quadro più chiaro di come si sviluppano le malattie.

Gli autori affrontano anche l'hardware stesso, notando che esistono diverse tecnologie concorrenti, dai circuiti superconduttori agli ioni intrappolati e agli atomi neutri. Ognuna ha i propri punti di forza e di debolezza, ed è troppo presto per dire quale dominerà. Ciò che conta più del tipo specifico di macchina è quanto bene essa possa essere integrata nell'ecosistema esistente del calcolo scientifico. I ricercatori sottolineano che le velocità di clock dei processori quantistici sono attualmente molto più lente di quelle dei computer classici, e il modo in cui i dati vengono memorizzati e spostati tra di essi è un ostacolo importante. Risolvere questi problemi di ingegneria è importante tanto quanto migliorare gli algoritmi quantistici stessi.

In definitiva, il documento funge da tabella di marcia per una transizione realistica. Suggerisce che il campo debba allontanarsi dalle dimostrazioni isolate che mostrano la capacità di un computer quantistico di risolvere un problema banale ("toy problem") e orientarsi verso flussi di lavoro integrati che risolvano reali quesiti scientifici. Il valore del calcolo quantistico sarà misurato dalla sua capacità di ridurre l'incertezza delle previsioni scientifiche. Se potrà dirci con maggiore certezza quanto velocemente avverrà una reazione, o quanto sarà stabile un nuovo materiale, allora avrà guadagnato il suo posto nel laboratorio. Il viaggio davanti a noi è lungo e la tecnologia è ancora in fase di maturazione, ma la strada da seguire è chiara: un futuro di collaborazione in cui computer quantistici e classici lavorano insieme per svelare i segreti del mondo materiale.