Meet-in-the-Middle Compilation of the $[\mathrm{CNOT}]$ Class with Fibonacci Anyons

Nella ricerca di una macchina capace di risolvere problemi impossibili per i computer odierni, gli scienziati stanno esplorando una strada che si basa sulle strane regole del mondo del microscopico. A differenza dei computer standard, che elaborano le informazioni utilizzando bit che sono o zero o uno, i computer quantistici utilizzano bit quantistici, o qubit. Questi qubit possono esistere in uno stato delicato di essere sia zero che uno contemporaneamente, permettendo loro di eseguire calcoli complessi in parallelo. Tuttavia, questo stato è incredibilmente fragile. La minima perturbazione causata dal calore, dalle vibrazioni o dal rumore elettromagnetico può causare il collasso dell'informazione, un problema noto come decoerenza. Per risolvere questo problema, gli ingegneri cercano solitamente di schermare i qubit o di aggiungere ulteriori livelli di correzione degli errori, ma questi metodi spesso richiedono migliaia di componenti fisici per creare un solo'unità logica stabile.

Un approccio diverso, noto come computazione quantistica topologica, tenta di risolvere questa fragilità alla radice cambiando la natura stessa dei portatori di informazione. Invece di utilizzare particelle standard, questo metodo utilizza quasiparticelle esotiche chiamate anyoni. Immaginate questi anyoni come fili che si muovono attraverso uno spazio bidimensionale. Quando due di essi si scambiano di posto, non si limitano a rimbalzare l'uno contro l'altro; si intrecciano l'uno intorno all'altro, creando una treccia. L'informazione non è memorizzata nelle particelle stesse, ma nella forma della treccia che esse formano. Poiché l'informazione dipende solo dalla forma complessiva dell'intreccio e non dai dettagli precisi di come i fili si siano mossi, essa è naturalmente protetta contro i piccoli errori. Se i fili oscillano leggermente, la forma della treccia rimane la stessa e l'informazione sopravvive.

Il tipo specifico di anyone che ha catturato l'attenzione dei ricercatori è l'anyone di Fibonacci. Queste particelle hanno una proprietà unica: quando due di esse si fondono, possono scomparire nel nulla oppure combinarsi per formare un altro anyone di Fibonacci. Questa semplice regola crea una ricca struttura matematica che, in teoria, permette la computazione quantistica universale. Tuttavia, c'è un problema. Per eseguire un calcolo utile, questi anyoni devono essere disposti in gruppi per rappresentare qubit logici. Quando i ricercatori cercano di intrecciare sei anyoni di Fibonacci per creare una porta a due qubit — un'operazione fondamentale che collega due pezzi di informazione tra loro — sorge un problema. Lo spazio matematico in cui vivono queste treccie ha cinque dimensioni, ma un sistema a due qubit ne richiede solo quattro. Questa quinta dimensione extra agisce come una perdita. Se la treccia non è perfetta, parte dell'informazione quantistica può scivolare fuori dallo spazio a quattro dimensioni previsto e cadere in questa quinta dimensione inutilizzabile. Una volta che l'informazione vi è colata, viene persa e il calcolo fallisce. L'obiettivo, quindi, è trovare un modello specifico di intreccio che mantenga l'informazione bloccata all'interno dello spazio corretto mentre esegue l'operazione logica necessaria.

In uno studio recente, i ricercatori si sono posti l'obiettivo di trovare il modello di intreccio perfetto per questo compito. Si sono concentrati su una specifica classe di operazioni equivalenti alla porta CNOT, un elemento costruttivo standard nell'informatica quantistica che permette a un qubit di controllare un altro. La sfida era trovare una sequenza di movimenti di intreccio che eseguisse questa porta con un errore di perdita quasi nullo. Poiché il numero di possibili sequenze di intreccio cresce esponenzialmente con il numero di movimenti, trovare la migliore è come cercare un singolo ago in un pagliaio che diventa più grande ogni secondo. I tentativi precedenti si affidavano ad assegnazioni casuali o a miglioramenti iterativi, che spesso mancavano le soluzioni migliori.

Il team in questo studio ha adottato un approccio diverso, utilizzando una quantità massiccia di potenza di calcolo per controllare sistematicamente ogni possibile opzione entro un intervallo definito. Hanno costruito una pipeline specializzata che girava su processori grafici ad alte prestazioni, permettendo loro di testare treccie molto più lunghe di quanto chiunque avesse mai fatto prima. Hanno iniziato controllando tutte le sequenze possibili utilizzando cinque movimenti base, estendendo la ricerca a una lunghezza di ventuno passi. A questa lunghezza, hanno trovato una treccia che eseguiva la porta con un errore di perdita di circa 0,004, un risultato migliore dei migliori risultati trovati tramite campionamento casuale in studi precedenti, nonostante quelle ricerche casuali avessero esaminato sequenze molto più lunghe.

Per andare oltre, i ricercatori si sono resi conto che non avevano bisogno di controllare ogni singola possibilità. Hanno scoperto che molti dei complessi intrecci che stavano cercando potevano essere costruiti utilizzando solo tre dei cinque movimenti base. Restringendo la ricerca a questo insieme più piccolo, potevano esplorare sequenze molto più lunghe senza esaurire il tempo. Hanno applicato ulteriori scorciatoie intelligenti, guardando solo a treccie che iniziavano e finivano con un movimento specifico, e poi concentrandosi su treccie che erano palindrome — sequenze che si leggono allo stesso modo in avanti e all'indietro. Queste restrizioni hanno ridotto drasticamente il numero di opzioni da controllare, pur garantendo di non perdere le migliori soluzioni.

Utilizzando questi metodi ottimizzati, il team ha esteso la loro ricerca esaustiva a treccie con settantadue passi. In questo vasto spazio, hanno trovato una specifica treccia di sessantanove passi che eseguiva la porta a due qubit con un tasso di errore di circa una parte su dieci miliardi. Questo è un numero incredibilmente piccolo, il che indica che l'informazione è rimasta quasi perfettamente all'interno dello spazio previsto. I ricercatori hanno anche dimostrato matematicamente che la perdita non può essere ridotta esattamente a zero per qualsiasi lunghezza finita della treccia, ma può avvicinarsi arbitrariamente a zero man mano che la treccia si allunga. Hanno mostrato che la probabilità di trovare una treccia a bassa perdita per puro caso diminuisce così rapidamente con la lunghezza che la ricerca casuale diventa inutile per sequenze lunghe. Al contrario, il loro metodo di restringere attentamente lo spazio di ricerca si è rivelato molto più efficace.

Lo studio dimostra che combinando l'intuizione matematica con la potenza di calcolo bruta, è possibile trovare modi altamente efficienti per manipolare l'informazione quantistica. I ricercatori non hanno solo trovato una buona treccia, ma hanno stabilito un percorso chiaro per trovarne altre ancora migliori in futuro. Hanno dimostrato che le migliori soluzioni non sono nascoste nel rumore casuale, ma possono essere scoperte comprendendo la struttura del problema e cercando sistematicamente. Questo lavoro fornisce un esempio concreto di come la protezione topologica possa essere sfruttata per creare porte quantistiche affidabili, avvicinando il campo alla costruzione di un computer capace di risolvere problemi oltre la portata delle macchine classiche. I risultati confermano che, sebbene il percorso verso un computer quantistico topologico pienamente funzionante sia complesso, gli strumenti per navigarlo stanno diventando più affilati e precisi.