Asymptotically optimal purification of noisy unitary channels in any dimension

I computer quantistici promettono di risolvere problemi impossibili per le macchine odierne, dalla decrittazione di codici complessi alla simulazione di nuovi materiali. Al cuore di queste macchine ci sono i gate quantistici, che sono essenzialmente istruzioni che ruotano lo stato di una particella quantistica. In un mondo perfetto, queste istruzioni sarebbero impeccabili, eseguendosi con assoluta precisione. Tuttavia, il mondo reale è disordinato. I sistemi quantistici sono incredibilmente sensibili al loro ambiente, e anche il minimo disturbo derivante dal calore o dai campi elettromagnetici può distorcere queste istruzioni, trasformando una rotazione precisa in un'approssimazione sfocata. Questo rumore è l'ostacolo principale che separa il potenziale teorico dalla realtà pratica. Per costruire un computer quantistico affidabile, gli scienziati devono trovare modi per recuperare l'istruzione originale e perfetta da una versione che è stata corrotta dall'ambiente.

Per decenni, l'approccio standard a questo problema è stato il calcolo quantistico tollerante ai guasti (fault-tolerant). Questo metodo funziona come una rete di sicurezza: codifica un singolo pezzo di informazione in un grande gruppo di particelle fisiche, in modo che se una particella viene corrotta, le altre possano correggerla. Questo funziona bene quando il computer sa esattamente quale istruzione sta cercando di eseguire. Ma cosa succede se l'istruzione stessa è sconosciuta? Immaginate di cercare di imparare una nuova lingua ascoltando un parlatore che è costantemente interrotto dal fruscio statico. Non potete semplicemente applicare una regola di correzione predefinita perché non conoscete ancora le regole della lingua. Avete bisogno di un modo per ascoltare il parlatore rumoroso molte volte e capire come ricostruire la sua voce chiara senza aver mai sentito l'originale. Questa è la sfida della "purificazione unitaria rumorosa", un problema che è rimasto difficile da risolvere per istruzioni quantistiche sconosciute.

In uno studio recente, i ricercatori dell'Università di Tokyo hanno delineato il modo più efficiente per eseguire questa ricostruzione. Hanno affrontato la questione di quante volte sia necessario ascoltare un'istruzione quantistica rumorosa per recuperare una versione pulita, specificamente quando il rumore è debole e il numero di tentativi è elevato. Il loro lavoro rivela un limite fondamentale su quanto bene ciò possa essere fatto, dimostrando che la migliore strategia possibile non richiede aggiustamenti complessi e passo dopo passo basati sui risultati precedenti. Inveio, il metodo più efficiente è eseguire tutti i tentativi simultaneamente in un modello specifico e coordinato. Questa scoperta ribalta l'intuzione secondo cui l'adattamento tramite feedback aiuterebbe sempre, mostrando che nel regno quantistico un approccio parallelo è in realtà superiore per ripulire istruzioni sconosciute.

I ricercatori si sono concentrati su uno scenario in cui un'istruzione quantistica viene ripetuta molte volte, ma ogni volta è leggermente distorta da un tipo di rumore chiamato rumore depolarizzante. Questo rumore agisce come una nebbia che gradualmente lava via la chiarezza dell'istruzione. L'obiettivo è progettare un processo che prenda queste molte copie rumorose e produca un'unica versione di alta qualità dell'istruzione originale. Per misurare il successo, hanno osservato quanto fosse vicina l'uscita all'originale perfetto. Hanno scoperto che il numero di copie rumorose necessarie per raggiungere un certo livello di chiarezza dipende dalle dimensioni del sistema e dalla forza del rumore. Nello specifico, per ridurre l'errore a una quantità molto piccola, il numero di copie necessarie cresce in proporzione diretta alla forza del rumore e al quadrato delle dimensioni del sistema. Questa scala è significativamente migliore dei metodi più vecchi che cercavano prima di ripulire lo stato delle particelle e poi memorizzare l'istruzione per un uso successivo, i quali richiedevano molte più copie per ottenere lo stesso risultato.

Una chiave di lettura fondamentale dello studio è che la strategia più efficace non ha bisogno di essere intelligente o adattiva. Si potrebbe presumere che il modo migliore per pulire un segnale rumoroso sia ascoltare, analizzare l'errore e poi regolare il tentativo di ascolto successivo di conseguenza. Tuttavia, i ricercatori hanno dimostrato matematicamente che per questo compito specifico, un tale ciclo di feedback non offre alcun vantaggio quando il rumore è basso e il numero di tentativi è elevato. La soluzione ottimale è una strategia "parallela", in cui tutte le istruzioni rumorose vengono elaborate insieme utilizzando una disposizione fissa e predeterminata. Questa disposizione è progettata per rispettare le simmetrie del sistema quantistico, garantendo che il processo di pulizia funzioni ugualmente bene per qualsiasi possibile istruzione, che si tratti di una semplice rotazione o di una trasformazione complessa. Il team ha fornito un piano concreto per questo processo, mostrando esattamente come disporre le operazioni quantistiche per raggiungere il limite teorico di prestazione.

Lo studio ha anche esplorato una sfida correlata ma distinta: prendere un'istruzione quantistica rumorosa e produrre il suo complesso coniugato, un'operazione matematica che effettivamente inverte la direzione del tempo per quell'istruzione. In un mondo privo di rumore, produrre questa istruzione inversa richiede un numero specifico di copie dell'originale, che è superiore a quello necessario per semplicemente ripetere l'originale. Sorprendentemente, i ricercatori hanno scoperto che nel mondo rumoroso, il costo per produrre questa istruzione inversa è esattamente lo stesso del costo per ripulire l'istruzione originale. Questa equivalenza suggerisce una profonda connessione tra i due compiti, implicando che la difficoltà di invertire un'istruzione rumorosa non è maggiore della difficoltà di chiarificarla. Questo risultato contrasta nettamente con il caso privo di rumore, dove i due compiti hanno requisiti diversi, evidenziando come il rumore cambi fondamentalmente le regole dell'elaborazione dell'informazione quantistica.

Queste scoperte forniscono una tabella di marcia chiara per i futuri esperimenti quantistici. Stabilendo il numero esatto di copie rumorose necessarie per raggiungere un desiderato livello di chiarezza, lo studio aiuta gli ingegneri a comprendere le risorse necessarie per costruire sistemi quantistici robusti. Conferma che per apprendere e pulire istruzioni quantistiche sconosciute, la strada da seguire risiede nell'elaborazione parallela massiccia e coordinata piuttosto che in complessi cicli di feedback adattivi. Questa chiarezza permette ai ricercatori di concentrare i propri sforzi sulla costruzione dell'hardware specifico necessario per implementare queste strategie parallele, portando il sogno di un calcolo quantistico affidabile e su larga scala un passo più vicino alla realtà. Il lavoro dimostra che anche nell'ambiente caotico del mondo quantistico, esistono limiti rigorosi e prevedibili su quanto bene possiamo recuperare l'ordine dal rumore, e che il modo più efficiente per raggiungere tali limiti è spesso più semplice di quanto ci si possa aspettare.