Optimizing quantum encodings for analog simulation through dynamical algebra reachability

Nella ricerca di una comprensione dell'universo, gli scienziati si rivolgono spesso ai computer quantistici, macchine che sfruttano le strane regole del mondo subatomico per risolvere problemi troppo complessi per qualsiasi supercomputer classico. Mentre i computer quantistici digitali scompongono i compiti in una sequenza di piccoli passi discreti, i computer quantistici analogici seguono un percorso diverso. Invece di frammentare un problema in pezzi, essi costruiscono un modello fisico che imita direttamente il sistema target, permettendo alla macchina di evolversi naturalmente nel tempo. Questo approccio è particolarmente potente per studiare come gruppi di particelle interagiscono, come nel cuore di un atomo o in nuovi materiali. Tuttavia, c'è un ostacolo. Le parti fisiche di un computer analogico non sono infinitamente flessibili; possono solo spingere e tirare in modi specifici. Se il modo in cui uno scienziato mappa un problema sulla macchina non si allinea con questi movimenti naturali, il computer semplicemente non potrà raggiungere la risposta, indipendentemente da quanto a lungo venga eseguito o da quanto accuratamente vengano regolati i controlli.

La sfida centrale risiede nel processo di traduzione. Per simulare un sistema fisico, i ricercatori devono prima codificarlo nel linguaggio dei qubit della macchina, le unità di informazione di base. Esistono molti modi per effettuare questa traduzione e, sebbene descrivano tutti la stessa fisica sottostante, differiscono drasticamente per quanto bene si adattano ai controlli nativi della macchina. Una scelta di codifica scarsa può collocare la dinamica necessaria in una direzione che l'hardware non può raggiungere, rendendo la simulazione impossibile. Una buona scelta, invece, può rendere possibile l'impossibile. La domanda è come trovare la giusta traduzione prima che l'esperimento inizi, senza dover indovinare e verificare ogni configurazione fisica della macchina.

Un ricercatore ha sviluppato un nuovo metodo per risolvere questo enigma osservando la "forma" matematica del problema e le capacità della macchina. Tratta il problema target e i controlli del computer come due diverse collezioni di direzioni in uno spazio ad alta dimensione. L'obiettivo è ruotare la rappresentazione del problema finché le sue direzioni non si allineano il più possibile con le direzioni in cui la macchina può effettivamente muoversi. Non si tratta di cambiare la fisica del problema, che rimane esattamente la stessa, ma di cambiare la prospettiva da cui il problema viene osservato. Trovando l'orientamento che meglio si adatta alle capacità naturali della macchina, il ricercatore può garantire che la simulazione non stia combattendo contro l'hardware.

Per testare questa idea, il ricercatore ha applicato il suo metodo a un problema specifico della fisica nucleare: la simulazione di un deuterone, un semplice nucleo atomico composto da un protone e un neutrone. Ha utilizzato un modello di un computer a atomi di Rydberg, un tipo di macchina analogica in cui gli atomi vengono eccitati ad alti stati di energia e interagiscono tra loro. Queste macchine hanno un set specifico di controlli: possono pilotare tutti gli atomi contemporaneamente con un segnale globale, regolare i loro livelli di energia e cambiare la fase del segolo. Il ricercatore ha prima calcolato lo "spazio raggiungibile" di questa macchina — l'insieme di tutti i possibili stati che essa può generare usando solo questi controlli globali, ignorando per un momento la disposizione specifica degli atomi. Ha poi confrontato questo spazio raggiungibile con la struttura matematica del problema del deuterone.

I risultati hanno rivelato una netta divisione tra sistemi piccoli e più grandi. Per le versioni più piccole del problema, che coinvolgono tre o quattro qubit, il modo standard di codificare il deuterone era completamente disallineato con le capacità della macchina. Le direzioni matematiche necessarie per descrivere il nucleo semplicemente non esistevano all'interno dell'insieme dei movimenti che la macchina poteva compiere. Nessuna quantità di regolazione degli impulsi o aggiustamento della temporizzazione poteva risolvere il problema; la simulazione era fondamentalmente bloccata. Tuttavia, quando il ricercatore ha applicato il suo nuovo metodo di ottimizzazione, ha trovato un modo diverso di codificare lo stesso problema. Questa nuova codifica ha ruotato la struttura matematica in modo tale che si adattasse perfettamente all'interno dello spazio raggiungibile della macchina. Nelle simulazioni, questo cambiamento ha permesso alla macchina di raggiungere l'esatto stato fondamentale del deuterone con una precisione perfetta, un traguardo che era impossibile con la codifica standard.

Per sistemi più grandi, che coinvolgono fino a otto qubit, la storia diventa più sfumata. Anche con la codifica ottimizzata, la macchina non poteva matematicamente raggiungere ogni singola direzione richiesta per descrivere la piena complessità del nucleo. L'allineamento era parziale, non perfetto. Eppure, quando il ricercare ha permesso anche alla disposizione fisica degli atomi di variare, la macchina è stata comunque in grado di raggiungere lo stato specifico desiderato con un'altissima precisione. Questa scoperta ha chiarito una distinzione cruciale: sebbene sia ideale che l'intera struttura matematica di un problema si adatti ai controlli della macchina, non è strettamente necessario per preparare un singolo stato specifico, come il livello di energia più basso. Le interazioni fisiche tra gli atomi, che dipendono dalla loro geometria, forniscono risorse extra che possono compensare il disallineamento matematico.

Il beneficio pratico più significativo di questo lavoro è emerso quando il ricercatore ha testato la codifica ottimizzata su diverse configurazioni fisiche degli atomi. Utilizzando la codifica standard, non ottimizzata, il successo della simulazione dipendeva fortemente dalla disposizione specifica degli atomi; alcune configurazioni funzionavano bene, mentre altre fallivano completamente. Al contrario, la singola codifica ottimizzata, che è stata determinata senza conoscere la disposizione specifica, funzionava in modo robusto attraverso tutte le diverse disposizioni testate. Produceva costantemente risultati ad alta fedeltà, indipendentemente da come fossero spaziati gli atomi. Ciò suggerisce che il nuovo metodo agisca come un potente passaggio di pre-elaborazione. Permette agli scienziati di scegliere una rappresentazione del proprio problema che sia strutturalmente compatibile con i controlli di base della macchina prima ancora di decidere sui dettagli fisici dell'esperimento.

Questo approccio offre una via chiara per procedere nell'analogica simulazione quantistica. Separa il problema del "come scrivere il codice" dal problema del "come costruire la macchina". Ottimizzando prima la codifica, i ricercatori possono eliminare le barriere più fondamentali al successo, garantendo che il problema che stanno cercando di risolvere sia effettivamente raggiungibile dall'hardware a loro disposizione. Sebbene il metodo non sostituisca la necessità di affinare i controlli fisici o la geometria degli atomi, esso rimuove l'incertezza dalla progettazione iniziale. Garantisce che la simulazione parta su basi solide, massimizzando le probabilità che la complessa danza delle particelle quantistiche possa essere emulata con successo dal computer analogico.