Quantifying and Bounding Spatiotemporal Correlations in Quantum Noise

Nella ricerca di macchine capaci di risolvere problemi che vanno ben oltre le possibilità degli odierni computer, gli scienziati sono impegnati in una corsa per padroneggiare il fragile mondo della meccanica quantistica. Queste macchine, note come computer quantistici, si affidano a minuscole particelle di luce o materia per mantenere l'informazione in uno stato di delicato equilibrio. Tuttavia, questo equilibrio si rompe facilmente. Nel momento in cui queste particelle interagiscono con l'ambiente circostante — che sia attraverso calore residuo, onde elettromagnetiche o segnali di controllo imperfetti — esse iniziano a perdere la loro informazione. Questa perdita, chiamata rumore, è il singolo più grande ostacolo che si interpone tra noi e la potente tecnologia quantistica. Per anni, gli ingegneri hanno cercato di combattere questo rumore assumendo che si comporti in modo semplice e prevedibile: ovvero che gli errori avvengano in modo casuale e indipendente, come gocce di pioggia che cadono su un tetto dove l'impatto di una goccia su una tegola non ha effetto sulla successiva. Questa assunzione rende la matematica gestibile, ma è spesso errata. Nei dispositivi reali, gli errori possono essere legati tra loro nello spazio e nel tempo, dove un guasto in una parte della macchina oggi potrebbe essere collegato a un guasto in un'altra parte domani, creando una complessa rete di interferenza che i modelli semplici non riescono a vedere.

Un team di ricercatori dell'Università di San Paolo ha sviluppato un nuovo modo per misurare e comprendere queste connessioni nascoste. Invece di indovinare come si comporta il rumore, hanno creato un quadro unificato per quantificare esattamente quanta informazione viene condivisa tra diverse parti di un sistema quantistico nel tempo. Il loro lavoro va oltre la vecchia assunzione che il rumore sia solo una serie di errori indipendenti. Trattando l'intera storia di un processo quantistico come un unico oggetto interconnesso, essi possono distinguere tra un rumore che è veramente casuale e un rumore che porta con sé una memoria del passato. Questa distinzione è critica perché gli strumenti utilizzati per correggere gli errori nei computer quantistici sono progettati per errori indipendenti. Se gli errori sono in realtà legati, quegli strumenti potrebbero fallire, lasciando il computer incapace di eseguire calcoli complessi. Il nuovo metodo dei ricercatori fornisce un modo per rilevare questi legami, misurarne la forza e determinare esattamente quanta "memoria" possiede l'ambiente, il che è essenziale per costruire macchine future affidabili.

Il nucleo di questo nuovo approccio consiste in un modo ingegnoso di testare un sistema quantistico. Immaginate di cercare di capire se una macchina stia ricordando le sue azioni passate o se stia solo reagendo al presente. I ricercatori hanno proposto un metodo in cui si esegue una serie di esperimenti, o "sonde", attentamente progettati sul sistema. Si confrontano poi i risultati di questi esperimenti con ciò che ci si aspetterebbe se il rumore fosse completamente casuale e non connesso. La differenza tra i risultati reali e l'aspettativa casuale indica quanta correlazione esiste. La bellezza del loro framework è che funziona per qualsiasi tipo di processo quantistico, sia che il rumore sia legato tra diverse parti della macchina nello stesso momento, sia che sia legato tra diversi momenti nel tempo, o entrambi. Essi hanno definito misure specifiche per questi tre tipi di connessioni: correlazioni temporali (memoria nel tempo), correlazioni spaziali (legami tra diverse parti) e correlazioni spazio-temporali totali (la somma di entrambe).

Fondamentalmente, i ricercatori hanno dimostrato che le loro misurazioni sono robuste. Hanno mostato che, indipendentemente da come si manipola il sistema con operazioni fisiche consentite, l'entità misurata della correlazione non può aumentare artificialmente. Ciò garantisce che i numeri ottenuti siano proprietà fisiche reali del rumore, e non artefatti del modo in cui l'esperimento è stato impostato. Hanno inoltre stabilito limiti matematici rigorosi su quanto possano essere forti queste correlazioni, basandosi sulle dimensioni del sistema e sulle dimensioni dell'ambiente che detiene la memoria. Ad esempio, hanno scoperto che se l'ambiente è piccolo, come una singola minuscola particella, può contenere solo una quantità limitata di memoria, il che pone un limite alla forza delle correlazioni. Se l'ambiente è più grande, il potenziale per correlazioni più forti e complesse aumenta. Questi limiti fungono da righello: se misurate una correlazione più forte di quanto un ambiente piccolo potrebbe potenzialmente produrre, saprete con certezza che l'ambiente deve essere più grande o più complesso di quanto pensaste.

Per testare le loro idee, il team ha applicato il proprio framework a modelli di qubit superconduttori, il tipo di hardware attualmente utilizzato da molte aziende leader del settore. Hanno simulato scenari in cui due qubit interagiscono con un ambiente condiviso, utilizzando due diversi tipi di interazioni comuni nei dispositivi reali. In uno scenario, l'ambiente agiva come un interruttore classico, oscillando tra stati e creando un tipo specifico di memoria. In un altro, agiva come una particella quantistica, preservando delicate informazioni quantistiche. I risultati sono stati sorprendenti. Nel caso classico, le correlazioni misurate hanno raggiunto un tetto specifico previsto dalle dimensioni dell'ambiente, confermando che la memoria era effettivamente classica. Nel caso quantistico, le correlazioni sono cresciute più forti, superando il limite classico e avvicinandosi al valore massimo possibile consentito dalle dimensioni del sistema. Ciò ha dimostrato che il loro metodo può non solo rilevare la presenza di memoria, ma anche distinguere tra memoria classica e quantistica, e persino determinare la dimensione minima dell'ambiente necessaria per produrre gli effetti osservati.

Le implicazioni di questo lavoro sono profonde per il futuro del calcolo quantistico. Fornendo un modo per certificare la dimensione minima della memoria che causa il rumore, i ricercatori offrono un nuovo strumento diagnostico per gli ingegneri. Se un dispositivo mostra correlazioni che eccedono i limiti di un ambiente semplice e piccolo, ciò segnala che il rumore è più complesso di quanto precedentemente assunto, richiedendo strategie di correzione degli errori più sofisticate. Al contrario, se le correlazioni rientrano nei limiti di un ambiente piccolo, ciò suggerisce che il rumore potrebbe essere gestibile con le tecniche attuali. Il framework funge anche da controllo di realtà per i modelli teorici. Se un modello prevede un certo comportamento ma le correlazioni misurate violano i limiti universali stabiliti dalle dimensioni del sistema, ciò indica che il modello stesso è difettoso o che il sistema si sta comportando in modo inaspettato, come ad esempio perdendo informazioni in parti nascoste dell'hardware.

In definitiva, questa ricerca trasforma il modo in cui vediamo il rumore nei dispositivi quantistici. Invece di trattarlo come un vago e ingestibile rumore di fondo, i ricercatori lo hanno trasformato in una quantità misurabile con confini chiari. Hanno dimostrato che, comprendendo la struttura di queste correlazioni, possiamo apprendere informazioni sull'ambiente nascosto che interagisce con i nostri computer quantistici. Questa conoscenza è il primo passo verso il dominio del rumore, permettendo agli scienziati di progettare migliori codici di correzione degli errori e costruire macchine che possano operare in modo affidabile per periodi più lunghi. Mentre la tecnologia quantistica passa dal laboratorio al mondo reale, la capacità di quantificare e delimitare queste correlazioni spazio-temporali sarà essenziale per trasformare la promessa del calcolo quantistico in una realtà pratica. Il lavoro non risolve interamente il problema del rumore, ma fornisce gli strumenti necessari per vedere il problema chiaramente, misurarne la scala e comprenderne i limiti fisici entro i quali dobbiamo operare.