Certification cost of quantum models: measurement correlation, not parameter count
Questo articolo dimostra che il costo di misurazione per la certificazione di modelli quantistici variazionali scala con la struttura di correlazione del rumore di lettura piuttosto che con il numero di parametri, rivelando che le stime di costo cubiche derivanti da piccole simulazioni spesso sovrastimano i requisiti hardware su larga scala a causa di effetti di dimensione finita e vincoli di connettività.
Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Nella corsa alla costruzione di computer quantistici utili, gli scienziati si concentrano spesso su quanti pomelli una macchina abbia a disposizione per essere ruotati. Questi pomelli, chiamati parametri, sono le impostazioni che i ricercatori regolano per insegnare a un sistema quantistico a risolvere problemi. Un'ipotesi comune è stata che più una macchina ha pomelli, più è difficile dimostrare che stia funzionando correttamente. Nello specifico, molti esperti credevano che il numero di volte in cui è necessario eseguire un circuito quantistico per verificarne l'accuratezza crescesse con il cubo del numero di parametri. In termini semplici, se raddoppia la complessità, si pensava che il costo per controllare il lavoro aumentasse di un fattore otto. Questa convinzione ha influenzato il modo in cui i ricercatori pianificano il tempo e le risorse, portandoli spesso a presumere che le macchine quantistiche su larga scala saranno proibitivamente costose da certificare.
Tuttavia, un nuovo studio di ricercatori dell'Università di Scienze Applicate di Zurigo e dell'Università di Zurigo sfida questa visione di lungo corso. Si sono posti l'obiettivo di misurare esattamente quanto costi verificare la geometria di un modello quantistico addestrato, non per tentativi, ma contando gli effettivi "shot", ovvero le misurazioni richieste. Il loro lavoro rivela che il costo non è dettato solo dal numero di parametri, ma da come i segnali interni e il rumore della macchina si comportano al crescere di essa. Eseguendo migliaia di simulazioni e testando hardware reale, hanno scoperto che il costo "cubico" è spesso un'illusione creata da esperimenti su piccola scala. Per molti tipi di circuiti quantistici, il costo per verificare l'accuratezza cresce molto più lentamente di quanto precedentemente ipotizzato, cambiando il panorama economico di ciò che è possibile sulle macchine future.
I ricercatori hanno iniziato ponendosi una domanda fondamentale: quanto costa effettivamente dimostrare che un modello quantistico sta facendo ciò che afferma di fare? Nel mondo quantistico, non è possibile semplicemente guardare le impostazioni di una macchina per sapere se sia corretta. Poiché i sistemi quantistici sono intrinsecamente probabilistici, è necessario eseguire lo stesso calcolo molte volte e contare i risultati per ottenere una media affidabile. Questo processo è chiamato determinazione del "budget di shot". Se il budget è troppo piccolo, il rumore annega il segnale e le impostazioni del modello diventano inutili. Il team ha derivato una regola precisa per questo budget, dimostrando che il numero di shot necessari dipende da due cose misurabili: la varianza dell'output (quanto oscillano i risultati) e la forza del gradiente (quanto chiaramente le impostazioni della macchina influenzano il risultato). Hanno scoperto che, se si misurano direttamente queste due quantità, è possibile calcolare il costo esatto per verificare il modello, indipendentemente da quanti parametri il modello possiede.
Quando hanno applicato questa regola a diversi tipi di circuiti quantistici, è emerso un modello sorprendente. Lo studio ha testato due famiglie principali di circuiti: uno in cui le connessioni tra i qubit sono fisse e non crescono con la dimensione della macchina, e un altro in cui le connessi si diffondono man mano che la macchina diventa più grande. Per i circuiti con connessioni fisse, il costo per verificare il modello cresceva con il quadrato del numero di parametri. Infatti, per una macchina a 256 qubit di questo tipo, il costo era approssimativamente proporzionale al quadrato del numero di parametri, non al cubo di quel numero. Ciò significa che il tanto citato "costo cubico" non è una legge universale della fisica, ma un effetto temporaneo osservato solo in sistemi piccoli, dove la dimensione della macchina è comparabile all'intervallo entro il quale l'informazione può viaggiare.
I ricercatori hanno spiegato questo cambiamento utilizzando il concetto di "cono di luce", che descrive quanto lontano un cambiamento in una parte della macchina possa influenzare il resto. Nelle macchine piccole, l'intero sistema è all'interno di questo cono di luce, quindi ogni parte della macchina percepisce ogni cambiamento, portando a un costo elevato che scala in modo cubico. Ma man mano che la macchina cresce, il cono di luce mantiene la stessa dimensione mentre la macchina si espande. Alla fine, la macchina supera il cono di luce e il costo per verificarla scende a un tasso quadratico molto più basso. Questa distinzione è cruciale perché significa che una stima del costo basata su una piccola simulazione sovrastimerà enormemente la spesa per far girare una macchina grande. Ad esempio, su una famiglia di prodotti di circuiti certificati fino a 256 qubit, i ricercatori hanno trovato che l'esponente del costo era circa 1,97, ben al di sotto del 3 previsto.
Per garantire che le loro scoperte non fossero solo un artefatto della simulazione, il team ha testato le loro teorie su hardware quantistico reale di IBM. Hanno utilizzato una tecnica chiamata "circuiti specchio" (mirror circuits), in cui eseguono un circuito e poi eseguono immediatamente il suo esatto inverso. In un mondo perfetto, questo dovrebbe riportare il sistema allo stato iniziale con certezza del 100%. Misurando quanto le macchine reali deviavano da questo ritorno perfetto, potevano quantificare il "moltiplicatore hardware", ovvero il costo extra imposto dal rumore del mondo reale. Su due diversi dispositivi IBM, hanno scoperto che l'hardware reale richiedeva circa il doppio degli shot rispetto a quanto previsto dalla teoria ideale. Questo moltiplicatore era coerente attraverso diverse dimensioni delle macchine, confermando che, sebbene le macchine reali siano più rumorose rispetto alle simulazioni, le leggi di scala fondamentali da loro scoperte rimangono valide.
Lo studio ha anche esplorato se esistessero modi più intelligenti per leggere i risultati al fine di ridurre questo costo. Hanno testato un metodo di ponderazione delle misurazioni per minimizzare il rumore, che ha ridotto con successo il numero di shot richiesti di un fattore di circa 2,7 sull'hardware testato. Questo miglioramento era costante attraverso diverse dimensioni delle macchine, il che significa che offre un risparmio affidabile indipendentemente da quanto diventi grande il computer. Tuttavia, hanno anche scoperto che i modelli addestrati su circuiti piccoli e poco costosi non si trasferivano bene per predire il comportamento di macchine più grandi e complesse. Gli errori in queste macchine più grandi non erano semplice rumore casuale, ma strutturati in un modo che le semplici correzioni non potevano riparare, suggerendo che predire le prestazioni di grandi macchine quantistiche richiede l'osservazione diretta piuttosto che la semplice estrapolazione da dati più piccoli.
In definitiva, questa ricerca riscrive le regole per il budget della verifica quantistica. Dimostra che il timore di una curva dei costi esplosiva è spesso infondato, guidato da un malinteso su come l'informazione si diffonde nei grandi sistemi. Il costo per certificare un modello quantistico non è una proprietà fissa dell'architettura, ma un risultato dinamico di come la varianza e la forza del segnale scalano con la dimensione. Per i dispositivi a connettività fissa, comuni nell'hardware attuale, il costo cresce molto più dolcemente rispetto alla legge cubica. Questa scoperta offre una prospettiva più ottimistica sulla scalabilità del calcolo quantistico, suggerendo che il percorso per verificare macchine grandi e utili non è così ripido come precedentemente creduto, a patto di misurare le giuste quantità e comprendere i limiti dei nostri coni di luce.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.