Suppressing Frequency Collisions in a Quantum Processor

Nei laboratori silenziosi, vicini allo zero assoluto, dove viene forgiata la prossima generazione di informatica, gli scienziati stanno costruendo macchine che non calcolano con il ritmo costante dei chip di silicio, ma con gli stati delicati e tremolanti delle particelle quantistiche. Queste macchine, note come processori quantistici, si affidano a minuscoli circuiti che si comportano come atomi artificiali. Per farle funzionare, i ricercatori devono sintonizzare ogni circuito su una frequenza specifica, proprio come si sintonizza una radio su una stazione chiara. Se due circuiti sono sintonizzati troppo vicini tra loro, interferiscono l'uno con l'altro, creando un rumore caotico che distrugge le delicate informazioni che dovrebbero contenere. Questo problema, noto come affollamento di frequenze (frequency crowding), è diventato un importante collo di bottiglia. Man mano che gli ingegneri aggiungono sempre più circuiti a un singolo processore per aumentarne la potenza, l'intervallo di frequenze disponibili diventa affollato e il rischio di queste collisioni indesiderate aumenta. La sfida non è solo trovare abbastanza spazio per ogni circuito, ma disporli in modo che possano parlare con i loro partner previsti senza urlare accidentalmente ai propri vicini o distrarsi con il chiacchiericcio dell'intera stanza.

Un team di ricercatori presso l'Istituto Peter Grünberg in Germania ha sviluppato un nuovo modo per risolvere questo problema della "stanza affollata". Invece di procedere per tentativi o usare metodi semplici di prova ed errore, hanno creato un quadro matematico che tratta la disposizione delle frequenze come un complesso puzzle. Si sono resi conto che l'interferenza tra i circuiti non è solo una questione di due vicini che si urtano; è influenzata anche da una terza parte che osserva dal lato, un fenomeno che chiamano "effetto spettatore". Quando un terzo circuito si trova nelle vicinanze, può alterare sottilmente l'interazione tra i due che stanno cercando di lavorare insieme, proprio come una terza persona in una conversazione può cambiare il tono dello scambio anche se non sta parlando. I ricercatori hanno mappato queste interazioni fisiche su una funzione di costo, una sorta di punteggio digitale che penalizza qualsiasi disposizione in cui i circuiti siano troppo vicini o in cui una terza parte causi problemi. Il loro obiettivo era trovare una configurazione in cui ogni circuito avesse abbastanza spazio per operare senza causare errori, uno stato che descrivono come una "valle di Goldilocks" dove le condizioni sono "giuste quanto basta".

Per trovare questa disposizione perfetta, il team ha testato diverse strategie. Hanno confrontato un classico metodo informatico chiamato annealing simulato (simulated annealing), che raffredda lentamente un sistema per trovare lo stato di energia più bassa, contro un approccio più recente e sperimentale che utilizza un algoritmo quantistico. Questo metodo quantistico, una variante del Quantum Approximate Optimization Algorithm, è stato potenziato con un meccanismo di guida speciale progettato per aiutare il computer a navigare nei paesaggi dai pendii ripidi e frastagliati del problema. Nel mondo digitale della simulazione, questi pendii rappresentano gli errori catastrofici che si verificano quando le frequenze collidono. I metodi standard spesso rimangono bloccati sui lati di questi pendii, incapaci di trovare la strada verso la valle sicura. Il metodo quantistico potenziato, tuttavia, è stato in grado di usare queste pendenze ripide per guidarsi, percependo efficacementmente la direzione dell'errore e sterzando lontano da esso.

I ricercatori hanno testato le loro idee su modelli digitali di processori con diverse forme e dimensioni, tra cui una struttura a scala con otto circuiti e una griglia quadrata con sedici. Hanno suddiviso queste griglie grandi e complesse in sezioni più piccole e sovrapposte, hanno risolto il puzzle delle frequenze per ogni piccola sezione e poi hanno cucito insieme le soluzioni per formare una mappa completa per l'intero processore. Questo approccio di "cucitura dei cluster" (cluster-stitching) ha permesso loro di affrontare problemi troppo grandi per essere risolti tutti in una volta sola. I loro risultati hanno mostrato che, mentre il metodo classico di annealing simulato trova attualmente le soluzioni migliori per i casi specifici testati, il metodo quantistico potenziato si è dimostrato uno strumento potente per navigare nel difficile terreno del problema. È riuscito ad evitare le peggiori collisioni e a trovare disposizioni stabili che mantenevano i circuiti isolati l'uno dall'altro.

Lo studio evidenzia che non è sufficiente mantenere i circuiti lontani tra loro. A causa della complessa fisica di questi circuiti superconduttori, anche una distanza di sicurezza può talvolta portare a errori se le frequenze specifiche si allineano in un modo che crea una risonanza nascosta. Includendo gli effetti delle interazioni tra tre circuiti nella loro pianificazione, i ricercatori sono stati in grado di identificare ed evitare queste trappole nascoste. Questo approccio offre un modo per progettare futuri processori che siano meno soggetti ad errori fin dall'inizio, piuttosto che cercare di correggere gli errori dopo che la macchina è stata costruita. Il lavoro fornisce un modo sistematico per pianificare la disposizione di queste macchine quantistiche, collegando la fisica microscopica di come i circuiti interagiscono con l'ingegneria su larga scala di come sono disposti. Sebbene il metodo classico detenga attualmente il primato nel trovare la migliore disposizione possibile per le dimensioni testate, l'approccio quantistico mostra grande potenziale per gestire le macchine ancora più grandi e complesse del futuro, offrendo una via verso un design automatizzato che mantenga il processore quantistico in perfetto stato di funzionamento.