A Coherent Memory Register for Sequential Quantum Generative Modeling, with Application to Calorimeter Showers

Negli esperimenti di fisica delle alte energie che sondano i costituenti fondamentali dell'universo, le particelle vengono sparate contro dei rilevatori per vedere come si frammentano o come si disperdono. Quando una particella ad alta energia colpisce un dispositivo chiamato calorimetro, non si ferma semplicemente; innesca una cascata di particelle secondarie, uno sciame che si espande e deposita energia attraverso centinaia o migliaia di minuscoli sensori. Simulare questi sciami è essenziale affinché i fisici possano comprendere ciò che stanno osservando, ma farlo con i metodi più accurati disponibili oggi è incredibilmente costoso in termini di potenza di calcolo. Man mano che gli esperimenti crescono e generano più dati, il tempo e l'energia richiesti per simulare questi sciami di particelle minacciano di superare le risorse disponibili. Gli scienziati si sono rivolti all'apprendimento automatico per creare scorciatoie più veloci, ma queste scorciatoie classiche richiedono spesso enormi quantità di memoria e potenza di elaborazione per catturare le complesse relazioni tra le diverse parti dello sciame di particelle.

Un team di ricercatori del DESY e della RWTH Aachen University ha proposto un approccio diverso utilizzando i computer quantistici. Invece di cercare di mappare ogni singolo sensore del rilevatore su una parte separata di un computer quantistico, hanno sviluppato un metodo che genera lo sciame di particelle pezzo per pezzo. La loro innovazione si basa su una piccola memoria quantistica di dimensioni fisse che conserva la "conoscenza" di ciò che è già stato generato, permettendo al sistema di costruire un'immagine grande e complessa senza necessitare di un computer quantistico che cresca quanto l'immagine stessa. Questo approccio, che chiamano "coherent-memory Born machine", ha ricreato con successo i pattern statistici degli sciami di particelle su un vero processore quantistico, dimostrando che un minuscolo sistema quantistico può trasportare le complesse correlazioni di un evento fisico molto più grande.

La sfida nel simulare questi sciami di particelle è che l'energia depositata in una parte del rilevatore è profondamente connessa all'energia in altre parti. Queste connessioni non sono casuali; sono governate dalle leggi della fisica, come la conservazione dell'energia. Per simulare uno sciame accuratamente, un computer deve comprendere come una fluttuazione in una cella del rilevatore influenzi le celle lontane. Gli approcci quantistici tradizionali richiedevano spesso un registro quantistico, la memoria del computer quantistico, che scalasse con la dimensione dell'immagine. Se uno sciame avesse toccato mille celle, il computer quantistico avrebbe avuto bisogno di mille qubit, le unità fondamentali dell'informazione quantistica. Questo requisito supera rapidamente le capacità dell'attuale tecnologia. Altri metodi hanno tentato di far passare l'informazione tra le parti dell'immagine utilizzando canali classici, rompendo di fatto la natura quantistica della simulazione e perdendo proprio quelle correlazioni che rendono accurata la simulazione.

I ricercatori hanno risolto questo problema cambiando il modo in cui il computer quantistico ricorda il passato. Hanno diviso l'immagine dello sciame di particelle in piccoli blocchi e li hanno generati uno dopo l'altro. Per ogni blocco, il computer quantistico ha utilizzato un piccolo set fisso di sei qubit. Tre di questi qubit venivano utilizzati per generare il blocco corrente, mentre gli altri tre erano riservati alla memoria. Fondamentalmente, questa memoria non veniva mai misurata o letta durante il processo. Nel mondo quantistico, misurare un sistema lo costringe a scegliere uno stato definito, il che distrugge le delicate connessioni quantistiche che permettono correlazioni complesse. Lasciando i qubit di memoria non misurati, il computer quantistico ha mantenuto l'informazione sui blocchi precedenti in uno stato di sovrapposizione, una condizione quantistica in cui il sistema detiene molteplici possibilità contemporaneamente. Questa memoria non misurata ha agito come un ponte, trasportando l'influenza del primo blocco dello sciame fino all'ultimo blocco senza mai collassare in un semplice valore classico.

Il team ha testato questo metodo su un dataset che rappresenta uno sciame di particelle distribuito su dodici celle. Hanno addestrato il circuito quantistico per generare la sequenza di blocchi, utilizzando un tipo specifico di processo di apprendimento che confrontava i pattern generati con i dati reali simulati. L'obiettivo non era solo far corrispondere l'energia media in ogni cella, ma riprodurre l'intricata rete di correlazioni tra di esse. Quando hanno eseguito la simulazione su un vero processore quantistico, l'IBM ibm kingston, i risultati sono stati sorprendenti. Il modello ha riprodotto con successo la distribuzione di energia di ogni singola cella e l'energia totale dell'intero sciame. Ancora più importante, ha catturato la matrice di correlazione, ovvero la mappa di come l'energia in una cella si relaziona con l'energia in un'altra, inclusi i complessi pattern che attraversano i confini tra i blocchi.

Per dimostrare che la memoria non misurata fosse effettivamente la fonte di queste correlazioni, i ricercatori hanno eseguito un esperimento di controllo. Hanno eseguito lo stesso identico circuito ma hanno rimosso i tre qubit di memoria, lasciando tutto il resto invariato. Senza la memoria, il modello produceva blocchi completamente indipendenti l'uno dall'altro. Le correlazioni tra parti distanti dello sciame sono svanite e il modello non è riuscito a riprodurre la complessa struttura dei dati. Ciò ha confermato che la memoria quantistica era l'unica cosa a trasportare l'informazione attraverso i blocchi. Lo studio ha dimostrato che un sistema quantistico con una memoria piccola e fissa poteva rappresentare una distribuzione di probabilità congiunta che richiederebbe un sistema classico con quasi sette volte tanti stati nascosti per essere rappresentata con la stessa accuratezza.

I ricercatori hanno anche esaminato come il modello si comportasse sull'hardware reale rispetto a una simulazione perfetta e priva di rumore. Sebbene il processore quantistico sulla macchina IBM introducesse alcuni errori, causando un leggero spostamento dello spettro di energia totale, la struttura fondamentale delle correlazioni rimaneva intatta. Il modello non è crollato; è semplicemente derivato. Ciò suggerisce che l'architettura sia abbastanza robusta da sopravvivere alle imperfezioni dei dispositivi quantistici attuali. Il lavoro dimostra che il collo di bottiglia per simulare questi processi fisici complessi non è necessariamente la dimensione del computer quantistico, ma piuttosto la capacità di mantenere una memoria coerente che possa collegare parti distanti di una sequenza.

Questo approccio offre una nuova strada da seguire per la fisica delle alte energie. Disaccoppiando la dimensione del registro quantistico dalla dimensione dell'immagine, i ricercatori hanno dimostrato che è possibile simulare sistemi grandi e complessi con un dispositivo quantistico piccolo e gestibile. Il metodo si basa sulla capacità unica della meccanica quantistica di mantenere l'informazione in uno stato che non viene mai osservato direttamente, permettendo al sistema di mantenere connessioni che i computer classici faticano a replicare efficientemente. Man mano che l'hardware quantistico migliora, questa tecnica potrebbe consentire ai fisici di simulare sciami di particelle ancora più grandi e complessi, aprendo la porta a una comprensione più profonda delle forze fondamentali della natura senza essere limitati dalla pura scala dei dati.