Proper Learning of Shallow All-to-All Quantum Circuits

Nel mondo dell'informatica quantistica, le macchine non si limitano a calcolare numeri; esse manipolano gli stati fondamentali della materia per eseguire compiti impossibili per i computer classici. Per capire come funzionano queste macchine, gli scienziati le osservano spesso come una sequenza di passaggi, o un circuito, dove minuscole particelle chiamate qubit interagiscono tra loro attraverso operazioni specifiche. Proprio come uno chef segue una ricetta per creare un piatto, un circuito quantistico segue un insieme di regole per trasformare uno stato iniziale in un risultato finale. Per anni, i ricercatori sono stati molto bravi a prevedere l'esito di una ricetta se conoscevano gli ingredienti e i passaggi. Tuttavia, il problema inverso — ovvero capire l'esatta ricetta partendo solo dal gusto del piatto finale — è notoriamente difficile. In effetti, questa difficoltà è così profonda da costituire l'ossatura della crittografia moderna, la scienza della comunicazione sicura. Se un nemico non può facilmente fare l'ingegneria inversa di un processo, non può rubare le chiavi segrete che proteggono i nostri dati.

Recentemente, un team di ricercatori ha esaminato più da vicino un tipo specifico di questa sfida di ingegneria inversa. Si sono concentrati sui circuiti quantistici "shallow" (poco profondi), che sono sequenze relativamente brevi di operazioni, e si sono posti una domanda precisa: se un osservatore conosce la disposizione generale della macchina — dove si trovano i qubit e come sono connessi — può capire le operazioni esatte utilizzate? Non si tratta solo di indovinare il risultato finale; si tratta di ricostruire la macchina stessa, passo dopo passo, senza aggiungere parti extra o renderla più complicata di quanto debba essere. Questa distinzione è vitale perché nel mondo della sicurezza quantistica, un tentativo "abbastanza buono" che aggiunge complessità superflua è inutile; l'attaccante deve trovare la struttura esatta per violare il codice.

I ricercatori, lavorando presso JPMorgan Chase e l'Università della California, Santa Cruz, hanno sviluppato un nuovo metodo per risolvere questo enigma. Si sono basati su lavori precedenti che mostravano come apprendere la struttura di circuiti disposti in un semplice schema a mattoni. La loro innovazione è stata quella di creare un quadro flessibile capace di gestire disposizioni molto più caotiche, nello specifico circuiti in cui qualsiasi qubit può interagire con qualsiasi altro, una configurazione nota come connettività "all-to-all". Il cuore della loro strategia prevede un processo di inversione locale. Immaginate di cercare di sciogliere un nodo lavorando dalle estremità. I ricercatori hanno proposto che testando le primissime e le ultimissime operazioni del circuito, sia possibile determinare se esse possano essere matematicamente "disfatte" o fattorizzate. Se un'operazione può essere invertita con successo, viene rimossa dal circuito, rivelando lo strato successivo di operazioni sottostanti. Ripetendo questo processo, sbucciando via gli strati esterni uno alla volta, l'intero circuito può essere ricostruito.

Tuttavia, questo metodo funziona solo se l'informazione che scorre attraverso il circuito rimane abbastanza distinta da poter essere misurata. I ricercatori hanno identificato un concetto critico chiamato "cono di luce" (lightcone), che descrive l'insieme di qubit che un singolo qubit iniziale può influenzare man mano che il circuito procede. Finché il cono di luce di un qubit sta ancora crescendo e non ha inghiottito l'intero sistema, esiste un confine rilevabile dove il circuito può essere "sbucciato". Il team ha scoperto che per i circuiti casuali con connessioni all-to-all, esiste un punto di svolta netto. Al di sotto di una certa profondità, i coni di luce sono abbastanza piccoli da permettere al circuito di essere appreso efficientemente. Una volta che il circuito cresce oltre questa soglia, i coni di luce si espandono fino a coprire ogni singolo qubit, e l'informazione diventa così rimescolata che il metodo di inversione locale fallisce.

Attraverso una combinazione di rigorose prove matematiche ed estese simulazioni al computer, gli autori hanno calcolato esattamente dove avviene questo punto di svolta. Hanno scoperto che, per un sistema con un gran numero di qubit, il circuito rimane apprendibile fino a una profondità che è approssimativamente il logaritmo del numero di qubit, più un piccolo termine di correzione che coinvolge il logaritmo del logaritmo. In termini più semplici, all'aumentare del numero di qubit, la profondità massima in cui il circuito può essere appreso cresce molto lentamente. Questo risultato suggerisce che, sebbene questi circuiti casuali siano potenti, non sono infinitamente sicuri contro questo specifico tipo di attacco; esiste un limite chiaro alla profondità che possono raggiungere prima di diventare inapprendibili.

Lo studio ha anche rivelato che la struttura del circuito conta immensamente. Nei circuiti più semplici a forma di mattoni studiati in precedenza, il limite di apprendimento era determinato da quanto bene le porte mescolavano l'informazione. In questi circuiti caotici all-to-all, il limite è determinato puramente dalla velocità con cui l'influenza di un singolo qubit si diffonde nel resto del sistema. I ricercatori hanno dimostrato che gli accoppiamenti casuali tra qubit non sono il modo più efficiente per rimescolare l'informazione, motivo per cui la soglia di apprendimento è leggermente inferiore al limite teorico assoluto imposto dalle leggi della causalità. Le loro simulazioni hanno confermato che questa transizione da apprendibile a inapprendibile è netta e prevedibile, avvenendo alla profondità da loro calcolata.

Questo lavoro ha implicazioni significative per il futuro della crittografia quantistica. Molti schemi di sicurezza proposti si basano sull'assunto che sia troppo difficile per un avversario apprendere la struttura del circuito partendo dall'output. Questo articolo chiarisce che, per certi tipi di circuiti casuali, tale assunto è valido solo fino a una specifica profondità. Se un circuito viene costruito oltre questo limite, diventa sicuro contro questo metodo di apprendimento. Viceversa, se un circuito è più superficiale, potrebbe essere vulnerabile. Le scoperte suggeriscono che la sicurezza di questi sistemi non è un concetto vago, ma un confine matematico preciso. I ricercatori hanno inoltre notato che, sebbene il loro metodo funzioni bene per questi specifici circuiti casuali, gli stessi principi potrebbero applicarsi ad altre famiglie di porte, rendendo potenzialmente alcuni circuiti più facili da apprendere rispetto ad altri.

In definitiva, il documento fornisce una mappa chiara delle capacità e dei limiti dell'apprendimento dei circuiti quantistici. Dimostra che, comprendendo come l'informazione si diffonde attraverso una rete di qubit, è possibile prevedere esattamente quando un sistema diventa troppo complesso per essere sottoposto a ingegneria inversa. Questo non è solo un esercizio teorico; definisce la zona operativa sicura per i futuri protocolli di cifratura quantistica. I ricercatori hanno dimostrato che, con la giusta conoscenza della disposizione del circuito, il compito di apprendimento è possibile, ma solo entro una stretta finestra di profondità. Oltre quella finestra, la complessità del sistema protegge naturalmente se stessa, garantendo che i segreti in essa codificati rimangano al sicuro da chi tenta di svelarli.