On the Power of Adaptivity in Testing Quantum States in Fidelity

Nel mondo quantistico, l'informazione è conservata in sistemi delicati chiamati stati quantistici. Per comprendere questi sistemi, gli scienziati devono spesso confrontarli, chiedendosi se due stati siano identici o se differiscano significativamente. Questo compito è simile al controllo se due oggetti complessi e invisibili siano fatti esattamente dello stesso materiale o se uno sia stato sottilmente alterato. La difficoltà di questo confronto dipende da come gli screnti scelgono di misurare gli stati. Possono esaminare un pezzo del sistema alla volta, oppure possono cercare di misurare molti pezzi insieme in modo coordinato. Una domanda chiave in questo campo è stata se la capacità di cambiare il piano di misurazione in base ai risultati precedenti — ciò che i ricercatori chiamano adattività — renda il compito di confrontare questi stati più facile. Per molto tempo, quando gli scienziati misuravano la distanza tra gli stati utilizzando un metodo standard, hanno scoperto che questa flessibilità non offriva alcun vero vantaggio; un piano fisso funzionava bene quanto uno variabile.

Un nuovo studio condotto dai ricercatori del Centre for Quantum Technologies di Singapore esplora cosa accade quando si passa a un modo diverso di misurare la distanza tra questi stati quantistici, basato su un concetto noto come fedeltà (fidelity). La fedeltà è una misura fondamentale di quanto due stati quantistici siano vicini all'essere identici, spesso utilizzata quando il metodo standard è troppo severo o difficile da applicare. I ricercatori hanno investigato tre sfide specifiche: verificare se uno stato sconosciuto corrisponde a uno noto, verificare se due stati sconosciuti corrispondono tra loro e verificare se uno stato complesso è effettivamente composto da due parti indipendenti. Hanno scoperto che, per il compito di confrontare due stati sconosciuti, l'adattività diventa uno strumento potente. Mentre un approccio fisso, non adattivo, richiede un numero enorme di campioni per ottenere la risposta corretta, una strategia adattiva che impara da ogni passaggio può svolgere il lavoro con molti meno campioni. Questa scoperta rivela una chiara separazione tra i diversi problemi di test nel regno quantistico, mostrando che la capacità di adattare la strategia di misurazione non è solo una comodità minore, ma una necessità fondamentale per l'efficienza in certi scenari.

I ricercatori hanno iniziato affrontando il problema della certificazione, dove uno stato è già completamente descritto e l'altro è sconosciuto. Hanno scoperto che anche senza la capacità di cambiare il loro piano di misurazione, potevano determinare se lo stato sconosciuto corrispondeva a quello noto con un numero di campioni che dipendeva dalla complessità dello stato noto piuttosto che dalle dimensioni totali del sistema. Questo risultato era ottimale, il che significa che nessun metodo, anche uno flessibile, poteva fare di meglio. Tuttavia, la situazione è cambiata drasticamente quando sono passati al test di equivalenza, dove entrambi gli stati sono sconosciuti. In questo caso, i ricercatori hanno dimostrato che una strategia di misurazione fissa è fondamentalmente inefficiente. Hanno mostrato che senza l'adattività, il numero di campioni richiesti cresce rapidamente all'aumentare della precisione desiderata, rendendo il compito praticamente impossibile per un'alta precisione. Al contrario, utilizzando un approccio adattivo, hanno sviluppato un algoritmo che apprende sugli stati in fasi, affinando la propria comprensione con ogni nuova informazione ricevuta. Questo processo di apprendimento ha permesso loro di testare gli stati in modo molto più efficiente, richiedendo significativamente meno campioni rispetto al metodo non adattivo.

Per raggiungere questa efficienza, il team ha impiegato una strategia che scompone i complessi stati quantistici in pezzi più piccoli e gestibili. Hanno prima appreso una struttura approssimativa di uno degli stati sconosciuti, raggruppando le sue proprietà in categorie in base alla loro dimensione. Questa fase iniziale di apprendimento non era perfetta, ma ha fornito informazioni sufficienti per guidare il test successivo. Hanno poi utilizzato questa conoscenza parziale per testare gli stati pezzo per pezzo, confrontando gli stati sconosciuti tra di loro all'interno di queste categorie specifiche. I ricercatori hanno bilanciato attentamente il costo dell'apprendimento della struttura iniziale con il costo dell'esecuzione del test finale. Regolando la precisione con cui dovevano apprendere la struttura prima del test, hanno trovato un punto di equilibrio che minimizzava il numero totale di campioni necessari. Questo approccio ha permesso loro di risolvere il problema del test di equivalenza con un conteggio di campioni molto più basso di quanto precedentemente ritenuto possibile per questo specifico tipo di misura di distanza.

Lo studio ha inoltre esteso queste scoperte al problema del test di indipendenza, che chiede se uno stato quantistico complesso sia semplicemente una combinazione di due stati separati e indipendenti o se le parti siano intrecciate (entangled) in un modo che le lega insieme. I ricercatori hanno applicato il loro metodo di test di equivalenza adattivo a questo problema, trattando lo stato combinato e il prodotto delle sue parti come i due stati sconosciuti da confrontare. Hanno scoperto che, apprendendo le proprietà delle singole parti separatamente e poi combinando tale conoscenza, potevano testare l'indipendenza in modo più efficiente rispetto al trattare l'intero sistema come un unico blocco. Questo metodo si è rivelato particolarmente efficace quando le due parti del sistema erano di dimensioni simili, offrendo un chiaro vantaggio rispetto alle tecniche precedenti che si basavano sull'apprendimento dell'intero stato in una volta sola. I risultati suggeriscono che la struttura del problema stesso può essere sfruttata per risparmiare risorse, a patto che la strategia di misurazione sia abbastanza flessibile da adattarsi a ciò che viene appreso.

Infine, i ricercatori hanno affrontato la questione se questi guadagni di efficienza fossero unici del metodo adattivo o se potessero essere raggiunti in altri modi. Hanno costruito uno scenario specifico coinvolgendo sistemi quantistici semplici per dimostrare che, senza l'adattività, il numero di campioni richiesti sarebbe proibitivo, indipendentemente da quanto fosse intelligente il piano di misurazione fisso. Questo limite inferiore ha confermato che il potere dell'adattività è reale e necessario per questi compiti specifici quando si utilizza la fedeltà come misura. Sebbene i ricercatori non abbiano dimostrato che i loro algoritmi adattivi siano i migliori possibili in assoluto, sospettano fortemente che la separazione tra i diversi problemi rimanga anche nel caso adattivo. Credono che le diverse strutture dei test di certificazione, equivalenza e indipendenza continueranno a richiedere diverse complessità di campionamento, proprio come accade nella teoria della probabilità classica. Questo lavoro evidenzia che, nel mondo quantistico, il modo in cui scegliamo di osservare un sistema può cambiare fondamentalmente la quantità di informazioni che dobbiamo raccogliere per comprenderlo.