Benchmarking indirect quantum control schemes via higher-order quantum operations

Nel mondo della fisica quantistica, gli scienziati affrontano spesso un frustrante limite: la cosa che desiderano maggiormente controllare è troppo difficile da toccare direttamente. Immaginate di cercare di guidare una nave spingendo sull'acqua intorno ad essa piuttosto che sul timone stesso. In molti sistemi quantistici avanzati, come quelli utilizzati per i futuri computer o sensori ultra-precisi, la particella bersaglio potrebbe essere schermata o troppo piccola per essere colpita da un laser o da un campo magnetico. Invece, i ricercatori devono manipolare una particella "ausiliaria" vicina, che è più facile da raggiungere. Questo ausiliario interagisce con il bersaglio e, manipolando l'ausiliario, sperano di guidare il bersaglio verso uno stato desiderato. Questo è noto come controllo indiretto. La sfida è sempre stata sapere quando questo metodo indiretto è sufficientemente buono e quando sta fallendo. Senza uno standard chiaro, è difficile dire se una strategia di controllo sia semplicemente il miglior approccio possibile o se ne esista uno migliore che non è ancora stato scoperto.

Un team di ricercatori della Macquarie University ha sviluppato un nuovo modo per rispondere a questa domanda, creando un rigoroso parametro di riferimento (benchmark) per questi schemi di controllo indiretto. Hanno trattato il problema non come una serie di semplici passaggi, ma come un processo complesso e multistrato, in cui le regole del tempo e della causalità sono rigorosamente applicate. Utilizzando un quadro matematico chiamato operazioni quantistiche di ordine superiore, sono stati in grado di mappare la migliore prestazione assoluta che qualsiasi sequenza di interventi potrebbe potenzialmente ottenere su una particella ausiliaria per guidare un bersaglio. Questo approccio ha permesso loro di calcolare un tetto teorico di successo. Hanno poi testato questo tetto contro strategie più pratiche e semplici che gli scienziati potrebbero effettivamente usare in un laboratorio. Le loro scoperte rivelano che, mentre i metodi semplici funzionano perfettamente quando le condizioni sono ideali, possono scontrarsi con un muro invalicabile quando la particella ausiliaria non si trova in uno stato iniziale perfetto, dimostrando che strategie più complesse, basate sulla memoria, sono talvolta necessarie per raggiungere l'obiettivo.

I ricercatori si sono concentrati su uno scenario specifico per testare il loro framework: un processo in due fasi in cui un qubit bersaglio, che è un'unità fondamentale di informazione quantistica, parte da uno stato "misto" disordinato e deve essere ripulito in uno stato puro e ordinato. Il qubit bersaglio non può essere toccato direttamente. Inve al, interagisce con un qubit di controllo che i ricercatori possono manipolare. Il processo prevede che i due qubit interagiscano per un tempo prestabilito, seguito da una manipolazione del controllore, un'altra interazione, una seconda manipolazione e un'interazione finale. Alla fine di questa sequenza, il controllore viene scartato e il bersaglio viene lasciato nel suo stato finale. L'obiettivo era vedere quanto bene il bersaglio potesse essere purificato sotto diverse condizioni. Per fare ciò, il team ha formulato il problema come un compito di ottimizzazione matematica. Hanno definito le interazioni fisse tra le particelle come un "tensore di processo", che funge da mappa delle dinamiche immutabili, e le possibili azioni sul controllore come un "superstrumento deterministico". Questo superstrumento rappresenta l'insieme più generale di regole per come il controllore può essere agito, incluse le strategie che utilizzano la memoria o il feedback di informazioni nel tempo (feed-forward).

Risolvendo questo problema di ottimizzazione, il team ha trovato il miglior risultato possibile per il compito di purificazione. Questo risultato serve come benchmark, un gold standard rispetto al quale qualsiasi strategia del mondo reale può essere misurata. Hanno prima confrontato questo benchmark ideale con una classe ristretta di strategie in cui il controllore viene manipolato utilizzando semplici operazioni unitarie indipendenti. Nella meccanica quantistica, un'operazione unitaria è un cambiamento reversibile che preserva l'informazione totale del sistema. Quando il qubit di controllo partiva da uno stato puro e perfetto, i ricercatori hanno scoperto che queste semplici operazioni unitarie indipendenti erano altrettanto buone del benchmark ideale e complesso. In questo specifico regime, nessuna quantità di complessità extra o di memoria nella strategia di controllo forniva alcun vantaggio. L'approccio semplice aveva già raggiunto il limite teorico di ciò che era possibile.

Tuttamente, la storia è cambiata quando i ricercatori hanno introdotto delle imperfezioni. Hanno simulato uno scenario in cui il qubit di controllo non era preparato perfettamente, ma partiva da uno stato leggermente misto e imperfetto. In questa situazione, le strategie unitarie semplici hanno incontrato un limite invalicabile. Poiché le operazioni unitarie preservano il "tampone" o il contenuto informativo totale del sistema, non potevano concentrare abbastanza probabilità nello stato bersaglio desiderato per ottenere una purificazione perfetta. Il sistema era fondamentalmente limitato dal disordine iniziale del controllore. Al contrario, il benchmark ideale, che permetteva risorse di controllo più generali, continuava a ottenere una purificazione quasi perfetta. Questa discrepanza ha dimostrato che quando l'ausiliario non è perfetto, i controlli semplici sono insufficienti. I ricercatori hanno poi testato una classe intermedia di strategie che permettevano canali quantistici generali, ovvero operazioni che possono cambiare il contenuto informativo del sistema, anziché limitarsi a rimescolarlo. Queste strategie più flessibili sono state in grado di recuperare parte delle prestazioni perse, restringendo il divario tra l'approccio semplice e il benchmark ideale, sebbene non abbiano sempre raggiunto il limite assoluto.

Lo studio evidenzia una distinzione cruciale nell'ingegneria quantistica: la differenza tra ciò che è teoricamente possibile e ciò che è realizzabile con strumenti specifici e ristretti. I ricercatori hanno dimostrato che il loro framework di benchmarking può identificare esattamente quando una strategia di controllo semplice è sufficiente e quando è fondamentalmente fallace. Nel caso del controllore imperfetto, il fallimento della strategia semplice non era dovuto a una mancanza di ingegno nellamente dell'algoritmo di ottimizzazione, ma a un limite fisico reale di quel tipo di controllo. La capacità di calcolare il limite superiore assoluto delle prestazioni permette agli scienziati di smettere di indovinare se abbiano bisogno di risorse più complesse. Se una strategia semplice cade al di sotto del benchmark, sanno con certezza che devono investire in risorse di controllo più avanzate, come quelle in grado di memorizzare la memoria o gestire il feed-forward delle informazioni. Ciò fornisce un modo sistematico per valutare il valore di diverse risorse di controllo, assicurando che gli sforzi sperimentali siano diretti verso strategie che possano effettivamente superare le barriere fisiche del sistema.

In definitiva, questo lavoro offre una nuova lente attraverso cui osservare la progettazione dei sistemi di controllo quantistico. Separando le dinamiche fisse e immutabili del sistema dalle operazioni controllabili, i ricercatori hanno creato uno strumento che può essere applicato a una vasta gamma di scenari, inclusi quelli che comportano rumore o interferenze ambientali. Il framework è abbastanza flessibile da incorporare la decoerenza o altre imperfezioni del mondo reale nelle dinamiche fisse, permettendo al benchmark di rimanere valido anche in sistemi aperti e disordinati. Sebbene i protocolli di controllo ideali derivati dal benchmark possano essere troppo complessi per essere costruiti in un laboratorio, conoscere le loro prestazioni è essenziale. Esso dice agli sperimentatori esattamente quanto distano dal miglior risultato possibile e se il divario può essere colmato perfezionando i loro strumenti attuali o se devono cambiare fondamentalmente il loro approccio. Nella ricerca di migliori computer e sensori quantistici, sapere i limiti di ciò che è possibile è importante quanto trovare il modo per raggiungerli.