Standard estimators cannot represent fault-tolerant workloads at measured error rates: evaluated, evidence-based uncertainty for quantum resource estimation
Questo articolo dimostra che i comuni stimatori delle risorse quantistiche, che tipicamente riportano stime puntuali, falliscono nel rappresentare accuratamente i carichi di lavoro tolleranti ai guasti ai tassi di errore misurati sperimentalmente, rivelando che le incertezze realistiche dell'hardware espandono gli intervalli delle risorse di ordini di grandezza, introducono disaccordi strutturali tra i modelli di costo e causano il totale fallimento degli strumenti esistenti per algoritmi critici come AES-256.
Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Per comprendere la portata di questa ricerca, bisogna innanzitutto comprendere la natura della macchina che essa mira a prevedere. I computer quantistici non sono semplicemente versioni più veloci dei laptop che usiamo oggi; sono dispositivi che sfruttano le strane regole del mondo subatomico per risolvere problemi che richiederebbero alle macchine ordinarie migliaia di anni. Tra i problemi più famosi figura la violazione della crittografia che protegge l'attività bancaria globale, i segreti governativi e le comunicazioni private. Per farlo, un computer quantistico deve essere "tollerante ai guasti", ovvero capace di correggere i propri errori durante il funzionamento. Queste macchine non sono ancora state costruite, ma i governi e le agenzie di sicurezza stanno già pianificando il loro arrivo. Devono sapere quando un computer quantistico sarà abbastanza potente da violare i codici attuali, in modo da poter passare a nuovi sistemi inattaccabili in tempo utile. Questa pianificazione si basa su stime di quanti componenti fisici, o qubit, una tale macchina richiederebbe. Per anni, queste stime sono state riportate come numeri singoli e precisi, come se il futuro fosse una destinazione fissa piuttosto che un panorama di possibilità.
Un team di ricercatori ha ora sfidato questa certezza. Hanno costruito un nuovo modo di osservare queste stime, uno che tratta le incognite dell'hardware non come valori fissi da ignorare, ma come un intervallo di possibilità da misurare. Invece di chiedere: "Quanti qubit sono necessari se tutto va per il verso giusto?", hanno chiesto: "Quanti qubit sono necessari date le cose che abbiamo effettivamente misurato in laboratorio finora?". I ricercatori hanno preso i tassi di errore reali di cinque dei più grandi chip quantistici costruiti dalle principali aziende e hanno inserito questi numeri del mondo reale nei loro modelli. Hanno scoperto che quando si utilizza la realtà disordinata e imperfetta dell'hardware attuale invece di un presupposto idealizzato e ottimistico, il quadro cambia drasticamente. Il numero di componenti richiesti non aumenta solo di poco; esplode. L'intervallo di risultati possibili diventa così ampio che un singolo numero diventa privo di significato. Per un compito come la violazione di un codice di crittografia a 2048 bit standard, il numero di componenti richiesti potrebbe essere quaranta volte superiore o inferiore alla stima più comune, con l'esito più probabile che è quasi cinque volte superiore alla stima standard.
Lo studio ha anche rivelato un disaccordo nascosto tra gli strumenti utilizzati per fare queste previsioni. I ricercatori hanno fatto girare lo stesso set di dati reali attraverso cinque diversi metodi di calcolo, inclusi due strumenti software popolari utilizzati dal settore. Nonostante questi strumenti siano stati costruiti da gruppi diversi e utilizzino una logica interna differente, concordavano tra loro solo entro un margine ristretto di circa il dieci per cento. Tuttavia, se confrontati con l'intero spettro dei risultati di tutti e cinque i metodi, discordavano costantemente di un fattore due. Ciò significa che anche se si sceglie lo strumento più popolare, si rischia di perdere un enorme livello di incertezza semplicemente perché lo strumento stesso è costruito su un insieme specifico di assunzioni che potrebbero non corrispondere alla realtà. I ricercatori hanno dimostrato che questa incertezza non è un dettaglio minore; è una caratteristica strutturale del campo che i rapporti a numero singolo nascondono completamente.
Forse il risultato più sorprendente è che gli strumenti standard utilizzati dall'industria spesso non riescono nemmeno a gestire i dati dell'hardware reale. Quando i ricercatori hanno inserito i tassi di errore effettivi misurati nei laboratori in questi popolari strumenti software, i programmi non sono riusciti a produrre una risposta per la stragrande maggioranza degli scenari. Per il compito di violazione della crittografia, uno strumento ha rifiutato di calcolare un risultato per oltre l'ottanta per cento dei tassi di errore realistici, mentre un altro è fallito per quasi il novantacinque per cento. In un caso estremo, il numero di operazioni necessarie per violare un tipo specifico di crittografia era così elevato da causare l'overflow del contatore del software, interrompendo l'intero calcolo. Ciò suggerisce che l'attuale generazione di strumenti di pianificazione è calibrata per un mondo perfetto che non esiste. Sono progettati per lavorare con assunzioni ottimistiche e, di fronte alle prestazioni reali delle macchine odierne, semplicemente si bloccano.
I ricercatori non si sono limitati a evidenziare questi problemi; hanno costruito un framework per misurarli e hanno testato i propri metodi per garantire che fossero affidabili. Hanno utilizzato un piano pre-registrato, il che significa che avevano deciso esattamente come avrebbero analizzato i dati prima ancora di iniziare, evitando di selezionare accidentalmente i risultati che sembravano migliori. La loro analisi ha confermato che gli ampi intervalli da loro trovati erano reali e non il risultato di una matematica errata. Hanno anche verificato le loro previsioni confrontandole con una cronologia di misurazioni dell'hardware e hanno scoperto che il loro metodo catturava correttamente l'incertezza del fattore dominante: il tasso di errore delle operazioni di base della macchina. Lo studio conclude che per chiunque debba prendere decisioni critiche su quando passare a nuovi sistemi di sicurezza, affidarsi a un numero singolo è pericoloso. La risposta onesta non è un punto su un grafico, ma un ampio intervallo che riconosce il divario tra ciò che speriamo e ciò che abbiamo effettivamente costruito. Finché gli strumenti non saranno in grado di rappresentare l'intero intervallo delle prestazioni del mondo reale, la tempistica per l'arrivo di potenti computer quantistici rimarrà molto più incerta di quanto suggeriscano i titoli ottimistici.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.