Analog neutral-atom for in-memory processing in quantum reservoir computing

Nella ricerca di come insegnare alle macchine a pensare, gli scienziati hanno a lungo guardato al cervello umano per trarne ispirazione, in particolare alla sua capacità di ricordare il passato mentre elabora il presente. Questa sfida specifica, nota come analisi delle serie temporali, comporta la comprensione di sequenze di dati in cui l'ordine è fondamentale, come nel prevedere il meteo o analizzare i mercati azionari. Per decenni, i ricercatori hanno cercato di costruire sistemi digitali che imitassero questa "memoria evanescente", dove le vecchie informazioni svaniscono lentamente per fare spazio ai nuovi dati, una proprietà essenziale per dare senso a un flusso continuo di eventi. Recentemente, si è aperta una nuova frontiera tentando di eseguire questi compiti non su chip di silicio, ma su computer quantistici. Queste macchine utilizzano le strane regole della fisica quantistica per elaborare informazioni in spazi ad alta dimensionalità, offrendo una potenziale scorciatoia per risolvere problemi troppo complessi per i computer classici. Tuttavia, rimane un ostacolo maggiore: i sistemi quantistici sono notoriamente fragili e spesso perdono la loro capacità di trattenere le informazioni rapidamente, oppure richiedono computer classici esterni per agire come memoria buffer temporanea, il che vanifica lo scopo stesso di utilizzare una macchina quantistica.

Un team di ricercatori ha ora dimostrato un modo per superare questa limitazione utilizzando un tipo specifico di hardware quantistico composto da atomi neutri. Progettando con cura il modo in cui questi atomi interagiscono con il proprio ambiente, gli scienziati hanno creato un sistema che dimentica naturalmente il proprio stato iniziale pur mantenendo un registro utile degli input recenti, il tutto senza la necessità di una banca di memoria classica esterna. Il loro lavoro, che si basa su simulazioni di un sistema quantistico piuttosto che su un esperimento fisico su una macchina reale, rivela che la chiave per sbloccare questa memoria risiede in un delicato equilibrio tra caos e decadimento controllato. I ricercatori hanno scoperto che, sintonizzando il loro sistema su un punto specifico sul bordo del caos quantistico e introducendo un tipo specifico di perdita di energia, potevano costruire un "serbatoio" capace di risolvere complessi problemi di previsione con appena cinque atomi. Questo approccio suggerisce una strada verso processori quantistici completamente autonomi che possano gestire compiti temporali in tempo reale nativamente, senza dipendere dai lenti metodi di buffering esterni di cui spesso dipendono gli attuali sistemi.

Il cuore di questa ricerca riguarda una piattaforma nota come array di atomi neutri, dove singoli atomi sono intrappolati in posizione da fasci di luce focalizzati, proprio come biglie tenute in tazze invisibili. Questi atomi vengono eccitati a uno stato di alta energia, permettendo loro di interagire fortemente tra loro. In passato, gli scienziati che utilizzavano queste piattaforme per l'apprendimento automatico spesso si affidavano a un metodo in cui inserivano un blocco di dati nel sistema, misuravano il risultato e poi resettavano il sistema per ricominciare per il blocco successivo. Questo approccio è simile al leggere un libro una pagina alla volta e cancellare la memoria della pagina precedente prima di passare alla successiva; funziona, ma è inefficiente e non riesce a catturare il flusso continuo di informazioni. Il nuovo studio propone una strategia diversa: un sistema analogico in cui i dati fluiscono continuamente e il sistema stesso evolve per conservare la memoria del passato all'interno del proprio stato quantistico. Per far sì che ciò funzioni, i ricercatori hanno dovuto risolvere un problema fondamentale: i sistemi quantistici tendono naturalmente a trattenere le informazioni per sempre (il che impedisce loro di dimenticare i dati vecchi) o a perderle troppo velocemente. Avevano bisogno di un modo per indurre una "memoria evanescente", dove il sistema ricorda il passato recente ma lascia andare gradualmente il passato distante, una proprietà essenziale per elaborare informazioni dipendenti dal tempo.

I ricercatori hanno scoperto che il segreto per ottenere questa memoria evanescente era abbracciare la dissipazione, ovvero la perdita controllata di energia, piuttosto che cercare di eliminarla. Nelle loro simulazioni, hanno modellato gli atomi come interagenti con un ambiente circostante che causa loro la perdita di energia nel tempo. Hanno testato diversi modi in cui questa perdita di energia poteva verificarsi, confrontandoli per vedere quale preservasse meglio la capacità di elaborare informazioni. Hanno scoperto che un tipo specifico di perdita di energia, noto come smorzamento di ampiezza, era il più efficace. Questo processo spinge gli atomi verso uno stato fondamentale stabile, "pulendo" efficacemente il sistema dalle vecchie informazioni pur permettendo ai nuovi input di plasmare lo stato in modo da conservare una traccia della storia. Sorprendentemente, hanno anche scoperto che un altro tipo di rumore, solitamente considerato dannoso, poteva comunque preservare una piccola quantità di memoria se il sistema era guidato da una forte forza esterna. Questa scoperta controintuitiva ha mostrato che, anche quando un sistema è teoricamente incapace di mantenere uno stato stazionario, la costante spinta e trazione della forza motrice può mantenerlo in uno stato di flusso che ricorda il passato per un breve periodo.

Per testare quanto bene funzionasse questo sistema, il team ha eseguito una serie di benchmark progettati per misurare le capacità di memoria e di previsione. Sono partiti con un compito semplice chiamato memoria a breve termine, in cui il sistema doveva ricordare un numero avvenuto alcuni passaggi prima in una sequenza. Hanno scoperto che il sistema funzionava meglio quando gli atomi erano sintonizzati su un punto operativo specifico noto come "bordo del caos". Questa è una regione in cui il sistema non è né completamente prevedibile né completamente casuale, ma si trova in un punto ottimale dove possono emergere schemi complessi. Quando gli atomi erano sintonizzati su questo bordo, il sistema poteva ricordare le informazioni per molto più tempo rispetto a quando si trovava in uno stato più stabile o più caotico. I ricercatori hanno anche confrontato due modi per scalare il sistema: aggiungere atomi fisici o utilizzare una tecnica chiamata multiplexing temporale, che cerca di estrarre più informazioni dallo stesso numero di atomi campionandoli in tempi diversi. Hanno scoperto che aggiungere atomi fisici era il metodo più affidabile, poiché aggiungeva nuovi modi indipendenti per memorizzare le informazioni, mentre il multiplexing temporale incontrava rapidamente un limite in cui i campioni extra diventavano troppo simili per essere utili.

La vera prova del sistema è arrivata quando i ricercatori gli hanno chiesto di prevedere schemi complessi e caotici. Hanno utilizzato due famosi modelli matematici che generano sequenze imprevedibili ma strutturate, noti come serie temporali di Mackey-Glass e Santa Fe. Questi sono compiti difficili perché lo stato futuro del sistema dipende da una storia lunga e intricata di stati passati. Le simulazioni hanno dimostrato che il loro reservoir quantistico poteva prevedere queste sequenze con una precisione sorprendente, anche utilizzando un numero molto piccolo di atomi. In uno scenario, un array di soli cinque atomi è stato sufficiente per prevedere il comportamento caotico con alta precisione. Fondamentalmente, i ricercatori hanno confrontato il loro metodo con il vecchio approccio che si affida alla memoria classica esterna. Hanno scoperto che il loro sistema quantistico autonomo, che conserva la propria memoria, ha superato significativamente i sistemi con buffer classico. I vecchi sistemi avevano bisogno di una grande finestra di dati passati da alimentare dall'esterno per ottenere risultati simili, mentre il nuovo sistema poteva farlo con una finestra molto più piccola, elaborando efficacemente l'informazione internamente.

Lo studio conclude che, affinché il calcolo a reservoir quantistico diventi una realtà pratica, l'hardware deve essere progettato per includere queste specifiche proprietà dissipative fin dall'inizio. I ricercatori sostengono che l'era del tentativo di costruire sistemi quantistici perfetti e isolati che non perdano mai energia potrebbe non essere la strada giusta per questo tipo specifico di calcolo. Invece, il futuro risiede nell'ingegnerizzazione di sistemi aperti al proprio ambiente, utilizzando la perdita di energia controllata per creare la necessaria memoria evanescente. Sintonizzando il sistema sul bordo del caos e utilizzando il giusto tipo di dissipazione di energia, è possibile costruire un computer quantistico che agisca come un vero processore temporale. Questo lavoro fornisce una chiara tabella di marcia su come progettare queste macchine, suggerendo che la prossima generazione di dispositivi quantistici potrebbe essere in grado di gestire flussi di dati complessi e in tempo reale nativamente, senza la necessità dell'imponente impalcatura esterna che ne ha limitato l'applicazione finora.